A Google augusztus 13-i hivatalos bejelentése szerint megérkezett a Gemini 3.7 Flash, amelyet a vállalat kifejezetten kódolásra, ügynöki feladatokra és összetettebb munkafolyamatokra szán. A friss modell három héttel a Gemini 3.6 Flash után érkezik, és a Google szerint nem egyszerű sebességnövelésről van szó: a cél az, hogy kevesebb javítással és újrapróbálkozással lehessen végigvinni egy feladatot.
A Flash név továbbra is a gyorsabb, költségtudatosabb modellcsaládot jelzi, de a 3.7-es változatnál a Google már egyértelműen „workhorse”, vagyis mindennapi munkára bevethető modellként beszél róla. Ez fontos irányváltás: a hangsúly nem azon van, hogy egy chatbot mennyire látványosan válaszol, hanem azon, hogy végigvisz-e egy hosszabb fejlesztési, dokumentumkezelési vagy automatizálási folyamatot.
Jobb első próbálkozás, kevesebb kör
A Google saját mérései szerint a Gemini 3.7 Flash több fejlesztési feladatban is előrelépett a 3.6 Flashhez képest. A FrontierCode 1.1 Main teszten 43,6 százalékos eredményt ért el a korábbi 34,4 helyett, a DeepSWE v1.1-en pedig 65,3 százalékot a 49,0-val szemben. A webes felületépítési feladatokat vizsgáló WebDev Arenában az Elo-érték 1538-ról 1588-ra nőtt.
Dokumentumoknál a GDP.pdf benchmarkon 34,0 százalékot hozott a 3.6 Flash 22,0 százalékával szemben. Az AutomationBenchen, amely valós üzleti munkafolyamatokat modellez, 30,4 százalékos eredményt közölt a Google a korábbi 17,0 helyett. Ezek Google által közölt számok, ezért nem érdemes őket automatikusan minden más modell független rangsoraként értelmezni, de az irány világos: a vállalat az ügynöki használatot akarja erősíteni.
A Spark már a Google-alkalmazásokban dolgozik
A frissítés leglátványosabb része a Gemini Spark integrációja. A Google I/O-n bemutatott személyes ügynök a Pro és Ultra előfizetők számára készül, és a vállalat szerint több mint 160 országban érhető el. A 3.7 Flashre váltva a Spark összetettebb, több lépésből álló feladatokban is használható: fájlokat rendezhet össze, e-mailek vázlatát készítheti el, és állapotjelentéseket frissíthet a Google Workspace alkalmazásaiban.
Ez továbbra sem azt jelenti, hogy a rendszer önállóan, korlátok nélkül intézkedik. A Google megfogalmazása szerint a Spark a felhasználó irányítása mellett dolgozik, vagyis az ügynöki működésnél a jóváhagyások és a hozzáférések kérdése legalább olyan fontos, mint maga a modell. A vállalat a 3.7 Flashhez frissített, visszaélések ellen védő korlátozásokat is beépített, többek között a kiberbiztonsági és CBRN-területeken.
Olcsóbb belépő, később magasabb ár
Fejlesztőknek a Gemini API-ban, a Google AI Studióban, az Android Studióban és az Antigravity környezetben jelenik meg a modell, vállalati ügyfelek pedig a Gemini Enterprise Agent Platformon és a Gemini Enterprise alkalmazásban férhetnek hozzá. Az év végéig bevezető árat kínálnak: egymillió bemeneti token 0,75 dollárba, ugyanennyi kimeneti token 3,75 dollárba kerül. Ez 2027. január 1-jétől 1,50, illetve 7,50 dollárra változik.
A Gemini 3.7 Flash így elsősorban nem újabb látványos chatbotként érdekes, hanem azért, mert Google egyre több konkrét munkafolyamatot akar rábízni. A kérdés most az, hogy a jobb benchmarkeredményekből a hétköznapi használatban is kevesebb félbehagyott feladat és kevesebb kézi ellenőrzés lesz-e. Ha igen, a Flash-vonal a Google egyik legfontosabb ügynöki építőeleme lehet.
