2026 Gemini 3.7 Flash是什麼：AA-AnalystAgent第一與pass^5全解析

8月19日 Google 轉發獨立表格分析榜。下文依 AA 榜、AA 評測文與 Google 博文分開能核對的數字。

2026 年 8 月 19 日，Google 官方账号轉發一份獨立評測：自家定位為「更快更便宜」的 Flash 檔，在表格与文檔分析代理基准上排到第一，壓過若干被當作旗舰的闭源模型。

核心对象是 Gemini 3.7 Flash。Artificial Analysis 的 AA-AnalystAgent 用 pass^5：同一题跑五次，必须五次都对才算过。下文只整理 AA 榜、AA 8 月 13 日評測文、Google 8 月 13 日产品博文与 OfficeChai 转述，不寫成「Flash 已全面超过 Opus / GPT」。

測的是什麼

AA 寫：基准針對業務/數據分析師日常會碰到的定量问题，共 80 题、14 個商務與科學域，每题绑一文件夹真实表格与文檔，而不是洗過的乾淨數據集。題集和標準答案除少量示例外不公開，以降低訓練污染；成績單獨成榜，不併入 Intelligence Index。

能核對的幾條口徑

1. 1

   產品日是 8 月 13 日，傳播高峰在 19 日

   Google 博文 Introducing Gemini 3.7 Flash 寫 8 月 13 日發布，稱距 3.6 Flash 约三周，定位「coding and agents」的 workhorse。AA 同日文已寫 AnalystAgent (high) 60%。NewsFromGoogle 8 月 19 日發帖稱榜首，并寫比其他头部模型快 60%–90%、比「最接近的準確率對手」快 2.4 倍。

2. 2

   這張榜上 Flash 高於若干旗艦

   AA 榜寫 Flash (high) 60.0%，隨後是 Claude Opus 5（Adaptive Reasoning, Max Effort）53.8%、GPT-5.5 (xhigh) 50.0%。OfficeChai 另列 Claude Fable 5（fallback）48.8%、GPT-5.6 Sol (max) 47.5%、Grok 4.6 41.3%、Kimi K3 38.8%。這是該基準，不是總榜翻盤。

3. 3

   總智力指數上它並不是第一

   AA 8 月 13 日文：Flash (high) 的 Intelligence Index 為 56，落後 GPT-5.6 Terra (max) 与 Muse Spark 1.2 (xhigh) 的 57，略高於 Claude Sonnet 5 的 55。同文寫平均 Time per Task 1.7，比 Terra (max) 快約 40%，落在「智力對耗時」帕累托前沿。

OfficeChai 寫：Flash 在 Intelligence Index 上不是领袖，但在「从messy文檔里五次抽出同一个站得住的数字」上目前公布成绩最强。這是評論，不是 AA 把 AnalystAgent 併進總指數。

# AA-AnalystAgent (reported 2026)
80 tasks × 14 domains
pass^5 = correct on 5/5 runs
Gemini 3.7 Flash (high)  60.0%
Claude Opus 5 (max)      53.8%
GPT-5.5 (xhigh)          50.0%

讀法与边界

單項代理榜 ≠ 旗艦已被取代

3.7 Flash 在命名上仍低於 Pro。Google 博文也把它寫成 workhorse，不是下一版前沿總模型。AnalystAgent 第一不自動等於編碼、網路或聊天總榜第一。

pass^5 高，仍有四成題五次裡至少錯一次

60% 意味著約 32/80 題五次全對。AA 没有在公开页把「一次做对率」寫成同一主指标。不宜讀成「分析師工作已有六成可無人值守」。

速度數字有兩套口徑

Google 社媒寫 60%–90% 更快與 2.4×。AA 寫相对 Terra 的 Time per Task。兩者都不是現場秒表對同一套 80 題的第三方公證賽。

還想核對的問題