背景：Pro 缺席時，Google 先拿 Flash 補位
Gemini 3.7 Flash 推出得很快。三週前 Google 才放 Gemini 3.6 Flash，這次直接升到 3.7，並把 API 定價砍半到 2026 年底。表面是模型升級，背後是補位：旗艦 Gemini 3.5 Pro 延遲，但開發者與企業不會等。coding、agent、文件處理這些高頻工作流，已經開始決定誰能先嵌入生產環境。Google 選擇先把夠用、便宜、能跑的 Flash 推進去，讓團隊先接上 prompt、工具呼叫與評測流程。
急著推 Flash，是因為 Pro 還在補課
我比較在意的是時間點。Google 沒有把這次發布包裝成「新一代旗艦」，而是直接說它是 coding 與 agent 的 workhorse。這很務實，因為企業現在不是只看誰的模型最聰明，而是看誰能把任務穩定做完，同時把成本壓下來。
Gemini 3.5 Pro 之前被期待在五月後推出，後來變成 partner testing，再變成沒有明確時間表。Reuters 提到它曾因為 coding 表現未達內部目標而延後，Google 也開始訓練更激進的 Gemini 4。同一時間，Google DeepMind 也出現人事大變動：Demis Hassabis 轉任 Chairman 與 Alphabet chief scientist，Koray Kavukcuoglu 接手 DeepMind 日常營運，Jeff Dean、Oriol Vinyals、Quoc Le、Sanjay Ghemawat 離開成立 Discovery Loop。這一串消息放在一起，意思很簡單：Google 的 AI 組織正在重組，而產品線不能停。
所以 Flash 這條線變成急先鋒。它不需要等到所有 frontier 能力都到位，只要能在高頻工作流裡比上一版更可靠、比對手更便宜，就有機會把開發者綁進 ecosystem。
真正的痛點：Agent 不是跑一次模型，是一整條生產線
很多 benchmark 看起來像比「誰更會寫程式」，但真正落地的痛點不是單次生成。一個 coding agent 要讀 repo、改檔案、跑測試、修 bug、再重新執行；一個 business agent 要讀 PDF、抓欄位、呼叫工具、更新系統、再產出給人工複核的文件。任何一步失誤，都會把成本放大。
Google 對 Gemini 3.7 Flash 的重點，不是「少思考」，而是「更認真地規劃」。3.6 比較像降低 reasoning steps、conversational turns、tool calls，避免 execution loop 失控；3.7 則是把 effort 放回 planning，再提高執行品質。這個轉向很關鍵，因為 agent 的問題不是步數越少越好，而是每一步都要更值得。
Google 真正想賣的不是「更聰明一點」，而是「每完成一次任務更便宜」。
這也解釋為什麼價格是核心。2026 年底前，Gemini 3.7 Flash 的 API 定價是 $0.75 per million input tokens、$3.75 per million output tokens，context caching 則是 $0.075 per million tokens。2027 年 1 月 1 日起，輸入回升到 $1.50，輸出到 $7.50，cache 到 $0.15。對高頻 agent 來說，一個使用者請求可能觸發一串模型呼叫、reasoning tokens、tool interactions。如果模型便宜但重試多，總成本不一定低。Google 現在是想用「低價 + 首通成功率提升」這個組合，讓企業有理由先跑量測試。
| 模型 | 輸入價格 | 輸出價格 | FrontierCode 1.1 Main |
DeepSWE v1.1 |
Code Arena Elo |
AutomationBench |
GDP.PDF |
|---|---|---|---|---|---|---|---|
Gemini 3.7 Flash（2026 年底前） |
$0.75 / M tokens | $3.75 / M tokens | 43.6% | 65.3% | 1588 | 30.4% | 34.0% |
Gemini 3.6 Flash |
$1.50 / M tokens | $7.50 / M tokens | 34.4% | 49.0% | 1538 | 17.0% | 22.0% |
Claude Sonnet 5 |
$2 / M tokens | $10 / M tokens | 42.7% | — | 1541 | 10.7% | 28.0% |
GPT-5.6 Terra |
$2 / M tokens | $12 / M tokens | 41.3% | 69.6% | 1523 | 23.6% | 24.7% |
表格裡可以看出，Gemini 3.7 Flash 的進步不是全面壓倒。GPT-5.6 Terra 在 DeepSWE v1.1、Terminal-bench 等項目仍佔優，Claude Sonnet 5 在多模態 desktop 與 OS 任務上也比較強。Artificial Analysis 的整體 index 也把 Claude Opus 5 放在前面，Gemini 3.7 Flash 是 56，比 3.6 的 52 高，但沒有回到第一線。但 Google 抓的是 coding、web development、document comprehension、workflow automation 這些比較容易變成規模化場景的項目。對企業來說，這比「總榜第一」更有用。
未來一到兩年：Flash 會變成企業流水線規格，Pro 決定品牌天花板
我預測未來一年到兩年，AI 模型競爭會更明顯分成兩層。
第一層是 Flash / workhorse 層。這層拼的是延遲、價格、工具呼叫穩定度、與既有系統整合。Google 有 Gemini Enterprise Agent Platform、Gemini Enterprise、Spark，再加上 Workspace、Android、Cloud、custom AI chips，它很適合把模型塞進日常工作流。開發者會先問：我能不能用更便宜的 token 跑更多 agents？能不能把文件整理、email 草稿、status update、code review 這些事先自動化？
第二層是 Pro / frontier 層。這層拼的是最難的推理、最複雜的 coding、最長程的規劃，以及品牌聲量。Gemini 3.5 Pro 的延遲與人事變動，讓 Google 在這一層暫時比較被動。SemiAnalysis 認為 Google 可能更重視向 AI 公司賣雲與基礎設施，而不是死守模型前端；The Verge 則認為 Google 仍有很深的分發與平台優勢。Google 也強調 Gemini app 月活躍用戶已超過 950 million，這讓它有分發優勢。我的看法是，兩者都在說同一件事：Google 短期內不會因為一個 Pro 缺席就掉隊，但如果 Gemini 4 再慢下來，市場對它「前沿領導者」的敘事會更冷。
對開發團隊而言，真正該做的不是追著 leaderboard 換模型，而是建立自己的 task-level benchmark。你的 repo、prompt、tool schemas、failure modes 跟公開測試集不一定一樣。我建議至少測三件事：
- 每成功完成任務的成本：包含 retries、人工修正、工具呼叫失敗與重跑。
- 首通穩定度：第一次生成結果能直接用多少，需要多少 human oversight。
- 跨文件工作流：PDF、表格、email、ticket、code 之間能不能串起來，而不是只測單一 prompt。
Gemini 3.7 Flash 的折扣期，就是用來跑這類測試的窗口。如果 2027 年回升到全價後，它的 cost per task 仍然比對手低，或者至少穩定度足以抵銷價格差，Google 就能把 Flash 變成企業 agent 流水線的預設選項。
延伸思考與常見問題
點選問題可展開答案
Q1：為什麼 Google 會在三週內就推出 Gemini 3.7 Flash，而不是等下一代 Pro？
因為 Flash 是企業大量跑 agent 與 coding 的主力，低延遲、低成本與快速迭代能直接搶下開發者與工作流；Pro 還在內部調整，Google 先讓可量產的模型落地。
Q2：所謂的入門優惠到 2027 年會怎樣？
2026 年底前輸入 $0.75、輸出 $3.75 每百萬 token，2027 年 1 月 1 日起回升到 $1.50 與 $7.50，這代表折扣是導入測試期，不是永久定價。
Q3：企業該看 token 價格，還是看跑分？
單一指標都不夠，真正該測的是每成功完成任務的成本，包含重試、人工修正、工具呼叫失敗與文件處理穩定度。