Google julkaisi Gemini 3.7 Flashin torstaina. Yhtiö kuvaa mallia sarjansa älykkäimmäksi työjuhdaksi koodaukseen ja agentteihin. Julkaisu tuli vain kolme viikkoa Gemini 3.6 Flashin jälkeen. Väli on poikkeuksellisen lyhyt myös alan mittapuulla.
Tahti kertoo Flash-sarjan asemasta Googlen valikoimassa. Se ei ole yhtiön suurin malli, vaan se, jolla suurin osa tuotantokuormasta ajetaan. Siinä käytössä hinta ja nopeus ratkaisevat enemmän kuin huippupisteet yksittäisessä vertailussa. Uusi versio parantaa molempia.
Google perustelee nopeaa julkaisuväliä kehittäjäpalautteella ja algoritmisilla parannuksilla. Yhtiön mukaan samat opit siirtyvät myöhemmin muihin malleihin. Flash-sarja toimii siis myös koekenttänä isommille julkaisuille.
Koodausvertailut paranivat selvästi
Suurimmat harppaukset näkyvät ohjelmistotyössä. FrontierCode 1.1 Main -vertailussa tulos nousi 34,4 prosentista 43,6 prosenttiin. DeepSWE v1.1:ssä nousu oli 49,0 prosentista 65,3 prosenttiin. Molemmat mittaavat todellisten ohjelmistotehtävien ratkaisua, eivät irrallisia koodinpätkiä.
Google kertoo mallin osuvan koodiin useammin ensimmäisellä yrityksellä. Käytännössä se tarkoittaa vähemmän uudelleenajoja virheenkorjauksessa. Yhtiö nostaa esiin myös tuotantokelpoisen koodin generoinnin. Ero edeltäjään on suurin juuri monimutkaisissa vikatilanteissa.
Vaikutus kertautuu pidemmissä tehtäväketjuissa. Kun korjaus onnistuu kerralla, agentin ei tarvitse ajaa testejä uudelleen. Säästö näkyy sekä ajassa että laskutuksessa. Sadan askeleen ajossa muutaman prosentin osumatarkkuus muuttuu isoksi eroksi.
Blogikirjoituksen mukaan malli suunnittelee monivaiheiset tehtävät aiempaa huolellisemmin. Se pyytää tarkennusta epäselvissä kohdissa ja noudattaa ohjeita tarkemmin. Agenttiajoissa nämä ovat isompia tekijöitä kuin raaka pistemäärä. Vähemmän ohjausta tarkoittaa vähemmän keskeytyksiä kehittäjän työhön.
Verkkokehitys ja raskaat dokumentit
WebDev Arena -vertailussa 3.7 Flash sai Elo-luvun 1588, kun edeltäjä jäi 1538:aan. Google kertoo mallin tuottavan toimivampia asetteluja ja täydellisempiä sovelluksia harvemmilla kehotteilla. Ero näkyy erityisesti ensimmäisessä versiossa, joka ei vaadi yhtä montaa korjauskierrosta.
Käyttöliittymätyössä referenssin seuraaminen on ratkaisevaa. Malli tuottaa asettelun, joka vastaa annettua kuvakaappausta, kuvaa tai kokonaista designjärjestelmää. Yksityiskohtia ei tarvitse eritellä kehotteessa erikseen. Tämä siirtää mallin lähemmäs suunnittelijan työnkulkua.
Tiheän tiedon aloilla ero on jyrkempi. GDP.pdf-vertailu mittaa monimutkaisten dokumenttien käsittelyä, ja tulos nousi 22,0 prosentista 34,0 prosenttiin. Tyypillisiä käyttökohteita ovat rahoitus, juridiikka ja biotieteet. Näissä virhe maksaa enemmän kuin hidas vastaus.
AutomationBench mittaa oikeiden liiketoimintaprosessien läpivientiä. Siinä 3.7 Flash ylsi 30,4 prosenttiin, kun 3.6 Flash jäi 17,0 prosenttiin. Ero on lähes kaksinkertainen. Absoluuttinen taso kertoo silti, että kokonaisten prosessien automatisointi on yhä kesken.
Hinta puolittui vuodenvaihteeseen asti
Tutustumishinta on 0,75 dollaria miljoonalta syötetokenilta ja 3,75 dollaria miljoonalta ulostulotokenilta. Se on puolet siitä, mitä 3.6 Flash alun perin maksoi. Sama työkuorma siis halpenee ja paranee samalla kertaa.
Hinta on voimassa vuoden loppuun. Tammikuun 1. päivästä 2027 alkaen taksa nousee 1,50 dollariin syötteestä ja 7,50 dollariin ulostulosta. Kaksinkertaistuminen kannattaa huomioida budjeteissa jo nyt. Vuodenvaihde on luonteva hetki arvioida mallivalinta uudelleen.
Yhdistelmä on olennainen juuri agenttikäytössä. Pitkät ajot polttavat tokeneita nopeasti, joten yksikköhinta ratkaisee, mitkä työkuormat ovat ylipäätään kannattavia. Google markkinoi mallia nimenomaan tuotantoagenttien skaalaamiseen. Tutustumishinta tekee kokeiluista poikkeuksellisen halpoja.
Käytännön suositus on suoraviivainen. Loppuvuosi kannattaa käyttää oman kuorman mittaamiseen alennetulla hinnalla. Jos tulokset kestävät myös kaksinkertaisen taksan, siirtymä on turvallinen. Jos eivät, kevyempi malli tai oma ajo on syytä ottaa vertailuun.
Spark-agentti päivittyi samalla
Gemini Spark siirtyi käyttämään 3.7 Flashia julkaisupäivänä. Spark on Google AI Pro- ja Ultra-tilaajien henkilökohtainen agentti, joka toimii jatkuvasti taustalla yli 160 maassa. Se esiteltiin alun perin Googlen I/O-tapahtumassa.
Päivitys kohdistuu erityisesti työkalujen käyttöön Google Workspacen sovelluksissa. Google kertoo tarkkuuden ja tuotoksen laadun paranevan monivaiheisissa tehtävissä. Esimerkkeinä mainitaan tiedostojen koostaminen, sähköpostiluonnokset ja tilannedokumenttien päivitys.
Spark on samalla näyteikkuna siihen, mihin Flash-sarjaa on tarkoitettu. Jatkuvasti taustalla ajava agentti muodostaa kustannuksensa suuresta määrästä pieniä kutsuja. Halpa ja nopea malli sopii siihen paremmin kuin järein vaihtoehto. Sama logiikka pätee yritysten omiin agentteihin.
Kehittäjille malli on saatavilla Gemini API:ssa Google AI Studion ja Android Studion kautta sekä agenttipainotteisessa Antigravity-ympäristössä. Yrityskäytössä se löytyy Gemini Enterprise -alustalta. Mallikortti kuvaa myös päivitetyt turvarajoitteet.
Yhteenveto
Gemini 3.7 Flash on tyypillinen välipäivitys, jossa hyöty syntyy hinnan ja suorituskyvyn yhtälöstä eikä yksittäisestä uudesta kyvystä. Koodaus- ja dokumenttivertailujen nousut ovat silti riittävän suuria, jotta siirtymä 3.6:sta kannattaa testata omalla kuormalla.
Kolmen viikon julkaisuväli kertoo myös kilpailutilanteesta. Flash-luokan malleja julkaistaan nyt viikkojen välein, ja ero syntyy yhä useammin hinnasta eikä pelkästä kyvykkyydestä. Kehittäjän kannalta suunta on hyvä.
Hinnannousu vuodenvaihteessa on se kohta, joka kannattaa merkitä kalenteriin. Tammikuussa sama ajo maksaa kaksinkertaisesti, ellei mallivalintaa arvioida uudelleen.