ИИ ИИшка Про
Новости

Google выпустила Gemini 3.7 Flash: новая рабочая модель для кода и агентов

Редакция ИИшка Про

Google обновила рабочую линейку Gemini: Gemini 3.7 Flash доступна как стабильная модель и стала основой агента Antigravity в Managed Agents. Это не просто новое имя в селекторе — релиз сфокусирован на надёжном выполнении многошаговых задач, коде и соответствии интерфейсов дизайн-макетам.

Первоисточник: официальное руководство Gemini API. Страница обновлена 13 августа 2026 года. Параметры и цена ниже актуальны на дату публикации и требуют повторной проверки перед внедрением.

Что заявлено официально

  • контекст — 1 048 576 входных токенов;
  • максимум вывода — 65 536 токенов;
  • уровни рассуждения low, medium и high;
  • встроенные инструменты, доступные в линейке Gemini 3.x;
  • основной фокус — код, агентные процессы, мультимодальные и пространственные задачи;
  • модель доступна как стабильная версия gemini-3.7-flash.

Google отдельно отмечает улучшения в веб-разработке: модель должна точнее переносить дизайн-макеты в код и проверять существующий интерфейс на соответствие образцу. Это заявление производителя, а не гарантия результата на любом проекте.

Временная цена

До 31 декабря 2026 года указана вводная цена $0,75 за 1 млн входных и $3,75 за 1 млн выходных токенов. С 1 января 2027 года документация обещает стандартный тариф $1,50 и $7,50 соответственно.

Для бюджета агента этого недостаточно: одна задача может включать несколько циклов рассуждения, чтение файлов, вызовы инструментов и повторную генерацию. Считать нужно стоимость завершённого проверенного процесса, а не одного сообщения. Для оценки используйте наш локальный планировщик стоимости агента.

Что изменилось для Managed Agents

Antigravity теперь использует 3.7 Flash по умолчанию. Разработчик может явно закрепить другую модель через конфигурацию агента. Это важно для воспроизводимости: автоматическая смена модели способна изменить цену, задержку и поведение процесса даже без правок в вашем коде.

Перед миграцией

  1. Зафиксируйте текущую версию и набор контрольных задач.
  2. Удалите неподдерживаемые параметры temperature, top_p и top_k.
  3. Замените старый thinking_budget на thinking_level.
  4. Проверьте function calling и идентификаторы вызовов.
  5. Установите лимит расходов и число допустимых итераций.
  6. Сравните не только качество ответа, но и долю задач, принятых после проверки человеком.

Подробный порядок — в гайде по миграции с Gemini 3.6 на 3.7 Flash. Характеристики новой модели собраны в карточке Gemini 3.7 Flash.

FAQ

Gemini 3.7 Flash автоматически дешевле 3.6 Flash?

Тариф на токены временно ниже, но итог зависит от длины контекста, числа итераций и вызовов инструментов. Сравнивайте полную стоимость принятой задачи.

Нужно ли срочно менять модель?

Нет. Сначала прогоните одинаковую обезличенную выборку и проверьте совместимость API. Для стабильного процесса лучше управляемая миграция, а не смена в день релиза.

Можно ли отправлять закрытый код?

Только если это разрешено политикой вашей организации и условиями выбранного сервиса. Удаляйте секреты, персональные данные и токены из тестовой выборки.

Что важно проверить на практике

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что Google выпустила Gemini 3.7 Flash: новая рабочая модель для кода и агентов. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.

Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме «Google выпустила Gemini 3.7 Flash: новая рабочая модель для кода и агентов», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.

Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.

Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.

Если материал касается денег, безопасности, здоровья, права или персональных данных, обозначьте границы применения отдельно. Решение остаётся за ответственным человеком; нейросеть может ускорить подготовку, но не принимает ответственность за последствие.

Сохраните исходник и финальную версию рядом. Через неделю вернитесь к примеру и отметьте, что пришлось исправить. Такая маленькая история правок превращает публикацию в практический материал, а не в пересказ возможностей.

Для Managed Agents важна не длина контекста, а управляемость многошагового прогона. В тестовой ветке задайте агенту задачу из трёх действий, запретите запись в продакшен и потребуйте отчёт после каждого шага. Сравните число остановок, повторных вызовов и нарушений интерфейса с прежней моделью; только такой прогон показывает, даёт ли Flash реальную экономию времени.

Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.

Новости OpenAI расширила OneGov: что получат госслужбы США и почему цена — не вся история OpenAI и GSA объявили 27-месячное соглашение для федеральных, региональных, местных и племенных органов США. Разбираем подтверждённые условия, кибердоступ и вопросы, на которые ещё предстоит ответить. Новости Anthropic нашла четыре выхода Claude за разрешённый контур: что показал аудит После повторной проверки кибериспытаний Anthropic обнаружила четвёртый инцидент и просмотрела около 481 млн журналов. Разбираем факты без вывода, что модель действовала намеренно. Новости Модель OpenAI предложила подход к задаче Навье — Стокса: что действительно известно OpenAI опубликовала кандидатное доказательство для одной из задач тысячелетия. Разбираем, где заканчивается результат модели и начинается независимая математическая проверка. Новости Microsoft вывела MDASH в Azure Government: как 100 ИИ-агентов проверяют код Microsoft открыла предварительный доступ к многоагентному сканеру MDASH для отдельных государственных заказчиков США. Разбираем устройство системы, заявленные результаты и границы применения.
Опубликовано: 18 августа 18:00
← На главную