2026 Gemini 3.7 Flash是什么：AA-AnalystAgent第一与pass^5全解析

8月19日 Google 转发独立表格分析榜。下文按 AA 榜、AA 评测文与 Google 博文分开能核对的数字。

2026 年 8 月 19 日，Google 官方账号转发一份独立评测：自家定位为「更快更便宜」的 Flash 档，在表格与文档分析代理基准上排到第一，压过若干被当作旗舰的闭源模型。

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 日评测文、Google 8 月 13 日产品博文与 OfficeChai 转述，不写成「Flash 已全面超过 Opus / GPT」。

测的是什么

AA 写：基准针对业务/数据分析师日常会碰到的定量问题，共 80 题、14 个商务与科学域，每题绑一文件夹真实表格与文档，而不是洗过的干净数据集。题集和标准答案除少量示例外不公开，以降低训练污染；成绩单独成榜，不并入 Intelligence Index。

能核对的几条口径

1. 1

   产品日是 8 月 13 日，传播高峰在 19 日

   Google 博文 Introducing Gemini 3.7 Flash 写 8 月 13 日发布，称距 3.6 Flash 约三周，定位「coding and agents」的 workhorse。AA 同日文已写 AnalystAgent (high) 60%。NewsFromGoogle 8 月 19 日发帖称榜首，并写比其他头部模型快 60%–90%、比「最接近的准确率对手」快 2.4 倍。

2. 2

   这张榜上 Flash 高于若干旗舰

   AA 榜写 Flash (high) 60.0%，随后是 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%。这是该基准，不是总榜翻盘。

3. 3

   总智力指数上它并不是第一

   AA 8 月 13 日文：Flash (high) 的 Intelligence Index 为 56，落后 GPT-5.6 Terra (max) 与 Muse Spark 1.2 (xhigh) 的 57，略高于 Claude Sonnet 5 的 55。同文写平均 Time per Task 1.7，比 Terra (max) 快约 40%，落在「智力对耗时」帕累托前沿。

OfficeChai 写：Flash 在 Intelligence Index 上不是领袖，但在「从messy文档里五次抽出同一个站得住的数字」上目前公布成绩最强。这是评论，不是 AA 把 AnalystAgent 并进总指数。

# 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%

读法与边界

单项代理榜 ≠ 旗舰已被取代

3.7 Flash 在命名上仍低于 Pro。Google 博文也把它写成 workhorse，不是下一版前沿总模型。AnalystAgent 第一不自动等于编码、网络或聊天总榜第一。

pass^5 高，仍有四成题五次里至少错一次

60% 意味着约 32/80 题五次全对。AA 没有在公开页把「一次做对率」写成同一主指标。不宜读成「分析师工作已有六成可无人值守」。

速度数字有两套口径

Google 社媒写 60%–90% 更快与 2.4×。AA 写相对 Terra 的 Time per Task。两者都不是现场秒表对同一套 80 题的第三方公证赛。

还想核对的问题