模型评测--Gemini Flash3.7真香，迭代周期
实测3天，Gemini Flash真香了
距离3.6 Flash发布才3周，Google就推出了3.7 Flash。
智能指数达到56分，约为GPT-5.6 Terra的98%、Claude Fable 5的九成，同时反超Claude Sonnet 5。

一句话总结：快、智能、便宜！
高强度连续用了3天（都在加班）。
用完最大的感受是：我正在越来越依赖Flash模型。

过去一年的Vibe Work实践中，我最大的痛点之一就是“等待和不确定性”。

旗舰模型能力很强，但在已有架构和引擎中持续开发迭代时，模型容易跑偏、重复造轮子反复思考一些无用处理，需要更强的Harness约束和多轮对话纠正。
最终结果可能很准确，但Token开销、等待时间，以及整个团队的Framework维护成本都会被拉高。
而且额外的AI工具赋能和工作流赋能，很讲究反馈速度。

Flash响应快、修改快，可以随时介入和纠偏。在思路还没冷却的时候，就能完成“修改—验证—再修改”的循环。

以前的Flash是快，但不够聪明。随着GPT、DeepSeek和Gemini接力迭代，现在的轻量模型已经越过了生产可用线。对于有经验、能快速判断方向的开发者来说，Flash很可能会成为首选工作模型。

回到Gemini 3.7 Flash：
支持1M上下文和全模态输入，限时价格还直接减半。btw:GPT-5.6 subagent的梦中模型（新模型开发导致上下文已经缩水256k了）

使用场景：工具赋能场景、vibe coding重场景、多模态

「模型大评测」会长期更新。关注我，了解更多AI生产实测；也欢迎在评论区点名，下一个模型我来测。

模型大评测 Gemini AI编程 大模型ai vibecoding