Gemini 3.7 Flash 于 2026 年 8 月 13 日进入 Gemini API。官方模型页把它列为稳定型号 gemini-3.7-flash，支持文本、图像、视频、音频与 PDF 输入，文本输出，以及函数调用、结构化输出、代码执行、搜索 grounding、缓存和思考级别；computer use 仍标为 Preview，不能与稳定核心模型状态混为一谈。

“工作牛马”不是说它适合所有任务，而是它可能在速度、能力与工具覆盖之间形成实用起点。是否成立，仍要由完整任务评测证明。

先建立能力合同

把模型页转成应用自己的 capability matrix：允许哪些输入、最大产品文件大小、支持哪些工具、哪些功能需要 preview 开关、失败如何降级。官方上下文上限不是应用应默认塞满的目标；长输入会增加延迟、成本与检索噪声。

对 computer use 使用隔离环境、站点 allowlist 和动作时审批。稳定模型调用 preview 工具，整条路径仍按 preview 风险管理。代码执行也不接触生产凭据或不受限网络。

思考级别与任务路由

模型页列出 low、medium、high thinking，minimal 不支持。简单分类从 low 建立基线，多步编码或证据综合比较 medium，只有本地数据证明时才选 high。不要发送无效级别后依赖隐式 fallback；启动时验证配置并把错误暴露给部署流程。

路由依据任务风险、输入类型、工具数量和验收成本，而不是用户说“请认真思考”。每个结果保存模型 id、thinking level、prompt、工具 schema 和评测日期。

编码任务要验证仓库结果

固定代码快照，要求最小 diff、测试与说明。Agent 只能写入工作区，依赖安装和外部命令受 allowlist 控制。模型声称测试通过不算证据；保存命令、退出码与构建产物。对前端任务加入响应式、无障碍和视觉检查，对后端加入契约、迁移与失败测试。

用小修复、跨文件重构、模糊 issue、冲突测试和恶意仓库文本组成数据集。评分正确性、无关改动、工具轨迹、恢复与人工返工，不只看最终代码是否“像真的”。

多模态与 grounding 分开验收

PDF、图像、音频和视频进入同一模型不代表解析质量相同。分别建立 OCR、小字、图表、时间序列和跨页引用测试，并要求答案带证据位置。搜索 grounding 提供外部材料，仍需检查来源是否直接支持结论、日期是否符合任务。

结构化输出通过 schema 后继续做领域验证。工具结果与网页可能含提示注入，不能改变工具集合、权限或审批。模型能够调用很多工具，不代表一次任务应该暴露全部工具。

采用门槛

与当前生产模型在同一 fixture、预算和工具上比较：任务成功、事实错误、越权调用、首次 token、总延迟、输入/输出与 thinking token、工具费用、人工修复。按任务类型报告，避免平均值掩盖视频、代码或长 PDF 的弱项。

先做 shadow traffic，再对低风险任务小流量启用；保存快速回退。模型 alias、价格与 preview 状态会变化，能力表和评测都有日期版本。

Gemini 3.7 Flash 的官方能力组合让它成为值得测试的通用候选，特别是编码、多模态和工具型工作流。我的结论仍是“候选工作马”，不是默认胜者：只有当它在你的任务上通过安全、质量、延迟与成功成本门槛，才应替代现有配置。