Gemini 3.7 Blitzbewertung: Googles günstiges Modell ist nicht mehr dumm

Google hat am 13. August Gemini 3.7 Flash veröffentlicht, das am ersten Tag in mehr als 160 Ländern allgemein verfügbar ist. Es verarbeitet bis zu eine Million Eingabetokens, gibt 64.000 zurück, liest Bilder, Videos, Audios und PDFs und kann Werkzeuge aufrufen und einen Computer steuern.

Flash war nie das Modell, auf das man zurückgreift, wenn ein Problem schwierig ist. Es ist das, das man verwendet, um Text zu sortieren, kompakte Agentensitzungen zu erstellen, bevor sie unter ihrem eigenen Kontext zusammenbrechen, und Dokumente zusammenzufassen, die man nicht für die Lektüre eines Flaggschiffs bezahlen möchte. Myriad: Wann wird OpenAI GPT-6 veröffentlichen? Klicken Sie, um Ihre Vorhersage abzugeben.

Im Vergleich zu diesen Arten von Aufgaben ist 3.7 Flash ein echtes Upgrade. Im Vergleich zu allem anderen ist es ein kompetentes Modell, das von Software übertroffen wird, die man kostenlos herunterladen kann.

Die eigene Benchmark-Tabelle von Google platziert 3.7 Flash in 11 von 18 getesteten Kategorien vor Claude Sonnet 5 und GPT-5.6 Terra. Die Hauptzahlen sind 1.588 Elo auf Code Arenas Webentwicklungsboard und 30,4 % auf AutomationBench. Beide stammen aus Googles Methodik, daher sollte man die Führung als Anspruch des Unternehmens und nicht als feststehende Tatsache betrachten.

Wir haben das Modell getestet, um zu sehen, ob es Googles Ansprüche erfüllt. Das sind unsere Ergebnisse.

Codierung: Kann es etwas erstellen, das beim ersten Versuch funktioniert?

Dieser Test misst die Zero-Shot-Code-Generierung – ob ein Modell eine Anweisung in funktionierende Software umsetzt, ohne Beispiele zum Kopieren und ohne Möglichkeit, sich selbst zu korrigieren. Wir geben einen einzigen Prompt für ein Browserspiel und versenden, was zurückkommt, Bugs inklusive. Keine Nachfragen, keine Fehlermeldungen, kein zweiter Versuch.

Gemini 3.7 Flash bestand in 2 Minuten und 13 Sekunden. Das Spiel war beim ersten Durchlauf spielbar, die Syntax war sauber, die Kollisions- und Punktelogik hielt, und die visuelle Qualität lag über dem, was die Preiskategorie vermuten lässt.

Der Vergleich, der hier zählt, ist nicht ein Flaggschiff. Es ist Gemini 3.6 Flash, das am 21. Juli veröffentlicht wurde und überhaupt keine funktionierende Datei erzeugen konnte. Sein HTML war fehlerhaft, Elemente wurden nicht gerendert, und Nachfragen, die es aufforderten, seine eigene Ausgabe zu reparieren, führten ins Leere.

Wir haben dieses Wrack an DeepSeek weitergegeben, das 11 Bugs fand und 8 Fixes lieferte, um es spielbar zu machen. Drei Wochen später benötigt die gleiche Produktlinie keine Rettung mehr, und das Ergebnis liegt nahe dem, was GPT-5.6 Sol in unserer Juli-Bewertung produziert hat.

Gemini 3.7 Flash gewinnt dieses Mal eindeutig, und es ist der einzige stärkste Grund, zu wechseln. Der Vorbehalt ist, dass es Spezifikationen ausführt, anstatt sie zu erfinden, sodass ein vager Prompt Ihnen ein vages Spiel liefert.

Sie können das Spiel von Gemini 3.7 Flash hier ausprobieren.

Kreatives Schreiben: Kann es ein Paradoxon halten und einen Satz schreiben?

Dieser Abschnitt testet zwei Dinge gleichzeitig: literarische Qualität und ob ein Modell eine strukturelle Regel über Tausende von Wörtern hinweg befolgen kann. Der Prompt schickt Jose Lanz aus dem Jahr 2150 zurück ins Jahr 1000 und verlangt eine geschlossene kausale Schleife – sein Eingreifen muss das sein, was die Zukunft schafft, die er zu verhindern kam.

Die Regel, die den Test entscheidet, ist der letzte Satz: Er kann nicht verstehen, was er getan hat, bis er zu Hause ist.

Gemini 3.7 Flash erzeugte ein anständiges Ergebnis. Jose feuert eine entropische Kanone in einen pyrenäischen Riss, schmiedet versehentlich einen Obelisken, der das Iberien des 22. Jahrhunderts versklavt, und begreift die ganze Schleife, während er noch im Schlamm tausend Jahre zu früh steht: "Es war die Basis des Cinder Spire."

Der Plotmechanismus ist tatsächlich ziemlich solide. Die Geschichte erwähnt einen fallenden Stern, den alte Mönche beobachteten, und stellt klar, dass es der Blitz von Joses eigener Ankunft war, und die Waffe, die er mitbrachte, um die Anomalie zu beseitigen, ist das, was sie schmiedet. Der Schlussatz – "Es hatte einfach nur darauf gewartet, dass er es vollendet" – bringt den Determinismus, den der Prompt verlangte, auf den Punkt.

Aber für diejenigen, die daran gewöhnt sind, schreit die Geschichte "KI". Fast jedes Substantiv kommt mit zwei Adjektiven daher: "hyperlumineszente Türme", "feuchte, moosüberwachsene Erde", "dickes, obsidianfarbenes Haar". Das ist die Textur eines Modells, das das wahrscheinlichste nächste Wort auswählt, anstatt eines zu wählen, und es erzeugt Kollisionen wie ein Monolith, der "mit einem niederfrequenten Summen vibriert".

Wir haben es mit Qwopus3.5-27B-v3 verglichen, einer Community-Anpassung von Qwen3.5-27B, die das Claude Opus-ähnliche Denken destilliert und auf einer einzigen Verbraucher-GPU für nichts pro Anfrage läuft. Es hielt sich an die Regel, die Gemini gebrochen hat.

Jose tötet einen Mönch in San Millán de la Cogolla, einem echten Kloster in La Rioja, das um das Jahr 1000 tatsächlich von Bedeutung war, und versteht erst, was er getan hat, nachdem er 2150 zurückgekehrt ist und seine eigene DNA in einem wachsversiegelten Kodex gefunden hat.

Qwopus ist auch nicht ganz sauber. Es hat sein gesamtes Planungsscratchpad über die Geschichte gekippt, einschließlich Tippfehler, und sein letzter Abschnitt bricht den geschlossenen Kreis, den es in acht Abschnitten aufgebaut hat, indem es Jose erlaubt, zurückzugehen und Dinge zu reparieren.

Aber alles in allem gewinnt Qwopus. Gemini lieferte das ordentlichere Paket und das diszipliniertere Ende, aber es versagte bei der einen Anweisung, um die das Prompt aufgebaut war, und ein kostenloses Modell, das auf einer Gaming-GPU läuft, schrieb die bessere Geschichte.

Assoziatives Denken: Kann eine Metapher ein Argument tragen?

Dieser Test misst assoziatives Denken - ob ein Modell Verbindungen zwischen nicht verwandten Konzepten herstellen kann, ohne sich erklären zu müssen. Das Prompt fordert eine Beschreibung eines Zweigs, verwendet diese Beschreibung, um die Ausbeutung von Arbeitern und die Verehrung der Reichen zu erklären, und verlangt dann, dass das Argument in eine Beschreibung eines Salats übergeht.

Das Signalisieren ist der Fehler. Die Benennung der Metapher tötet sie.

Gemini benennt sie in der ersten Zeile seines zweiten Absatzes: "Das sind die genauen Mechanismen des modernen Proletariats." Alles davor hat funktioniert.

Einige der Bilder verdienen ihren Platz. Der Arbeiter erhält "gerade genug Rinde, um eine weitere Woche Output steif zu bleiben", und die gefallenen Zweige sind darauf konditioniert zu glauben, dass mit genug Steifigkeit einer von ihnen zu einem Stamm werden könnte. Der Absatz, der den ersten davon enthält, enthält auch einen Arbeiter, der "an einer riesigen, kopflastigen Unternehmenshierarchie gebunden ist".

Nicht schlecht in Bezug auf Logik und Struktur.

Die Auflösung ist der wahre Zusammenbruch. Gemini erzählt den Übergang, anstatt ihn auszuführen - die Hierarchien "zerfallen, aufgelöst in die ruhige, bescheidene Realität der organischen Welt darunter" - und dann erscheint einfach ein Salat, der mit nichts davor verbunden ist.

GPT-5.6 Sol verrottet den Zweig zu Erde und lässt den Salat daraus wachsen: "Regen dringt in das Korn ein. Fasern lockern sich, verdunkeln sich." Das Argument kommt auch im Objekt begraben an, wobei Reichtum als eine Sprache der Tugend umformuliert wird, in der "Das Herrenhaus Intelligenz bedeutet."

GPT-5.6 Sol gewinnt deutlich. Gemini produzierte eine schöne individuelle Zeile, erklärte aber seine eigene Metapher und übersprang dann den Übergang, den das Prompt speziell testete.

Logik: Liest es das Prompt oder erkennt es das Rätsel?

Dieser Test misst nicht-mathematisches Denken und speziell, ob ein Modell die Frage vor sich liest oder ein Muster abgleicht, das es auswendig gelernt hat. Unser Brückenprompt gibt vier Personen eine Fackel und Überquerungszeiten von 1, 2, 5 und 10 Minuten und fragt dann, wie schnell sie alle hinüberkommen können.

Der Trick ist, was das Prompt weglässt. Es sagt nie, dass nur zwei Personen gleichzeitig auf der Brücke sein können, also ist die Antwort 10 Minuten - alle gehen zusammen in dem Tempo der langsamsten Person.

Gemini antwortete mit 17 Minuten und führte den auswendig gelernten fünfstufigen Shuffle aus der Lehrbuchversion des Rätsels aus. Es stellte die Einschränkung als Tatsache fest, ohne jemals zu überprüfen, ob wir sie geschrieben hatten.

GPT-5.6 vs Fable 5 Bewertung: Welche Wahl Sie treffen, hängt von diesen Faktoren ab

Seine sichtbare Argumentation ist schlechter als seine Antwort. Die Argumentation besagt, dass es ineffizient wäre, die beiden langsamsten gleichzeitig über die Brücke zu schicken, da jemand die Fackel zurückbringen müsste - und dann sendet die endgültige Antwort sie trotzdem gemeinsam über die Brücke. Es widerspricht sich innerhalb einer einzigen Antwort und berichtet das Ergebnis mit totaler Zuversicht.

Claude Fable 5 landete im Juli bei der gleichen falschen Zahl. Es begann mit der Erklärung, was es annahm: "vorausgesetzt, die klassische Einschränkung, dass die Brücke nur zwei Personen gleichzeitig trägt", was der Unterschied zwischen einer falschen Antwort ist, die man erkennen kann, und einer, die man nicht erkennen kann.

Niemand gewinnt. Fable gewinnt nur aufgrund der Transparenz, und das falsche Vertrauen, das über den Gemini-Agenten gezeigt wird, zeigt sich hier in einem Rätsel, das man von Hand überprüfen kann.

Mathematik: Schafft es die Aufgabe zu beenden?

Dieser Test misst symbolische Mathematik weit über den Verbrauchereinsatz hinaus, plus etwas Einfacheres - ob das Modell das tut, was es gefragt wurde. Die Aufforderung verlangt ein Grad-19 ungerades monisches Polynom mit reellen Koeffizienten und einem linearen Koeffizienten von -19, dessen Kurve sich in mindestens drei irreduzible Komponenten aufspaltet, und fragt dann nach p(19).

Beide Modelle fanden die gleiche Lösung. Gemini und Qwen 3.7 Max Preview identifizierten beide das Dickson-Polynom, lösten die Einschränkung, um seinen Parameter auf 1 festzulegen, und leiteten die geschlossene Form korrekt ab.

Dann stoppte Gemini. Es druckte p(19) als eine nicht ausgewertete Expression aus, die die 19. Potenz einer Quadratwurzel beinhaltete, produzierte nie die Zahl und demonstrierte nie die Anzahl der Komponenten, die die Aufforderung ebenfalls verlangte. Es lieferte all dies innerhalb einer gestylten HTML-Seite mit CSS und einem Schlagschatten, den niemand angefordert hatte.

Qwen beendete die Aufgabe. Es gab die vollständige Faktorisierung in 10 Komponenten - eine linear, neun quadratisch - gab die Rekursion bis 1.876.572.071.974.094.803.391.179 aus und überprüfte das Ergebnis modular. Wir haben diese Zahl unabhängig in SymPy überprüft und sie hält.

Qwen gewinnt nach dem einzigen Kriterium, das zählte. Gemini begann gut und entschied sich, die Arithmetik zu überspringen, was ein seltsamer Ort ist, um aufzuhören.

Fazit

Gemini 3.7 Flash ist den Wechsel wert, wenn Sie bereits im Google-Ökosystem sind. Es ist dramatisch besser im Programmieren als das Modell, das es ersetzt, schnell genug, um für Agentenarbeit wichtig zu sein, und kostengünstig genug, dass der Betrieb in großem Umfang ein Rundungsfehler ist.

Seine Stärken sind Ausführung und Struktur. Geben Sie ihm eine detaillierte Spezifikation, und es wird das Ding bauen, die Handlung zusammenhalten und die kausale Logik über Tausende von Wörtern kohärent halten.

Seine Schwächen sind Kreativität und Argumentation. Das Schreiben ist vorhersehbar genug, um auf den ersten Blick als maschinell hergestellt identifiziert zu werden, und das Modell behauptet falsche Antworten, ohne die Annahme zu kennzeichnen, die sie falsch gemacht hat.

Der Preis ist das stärkste Argument dafür. Bei 75 Cent pro Million Eingabetokens und 3,75 $ Ausgabe unterbietet es den Eingabepreis von 5 $ für GPT-5.6 Sol um 85 % und kostet die Hälfte von dem, was 3.6 Flash bei der Einführung gekostet hat.

Das Argument dagegen ist ein kostenloses 27B-Modell auf einer Gaming-GPU, das eine bessere Geschichte geschrieben hat und dafür nichts verlangt hat. Der Einführungspreis von Google läuft am 31. Dezember ab, wenn sich der Preis für Eingaben auf 1,50 $ und für Ausgaben auf 7,50 $ verdoppelt.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.