Gemini 3.7 Flash vs Claude vs GPT：开发者该选用哪款 API？

Google 于 2026 年 8 月 13 日发布了 Gemini 3.7 Flash，距离 3.6 Flash 发布仅过了三周，并称其为“我们最智能的实用主力模型”。基准测试的增幅印证了这一信心：DeepSWE 评分从 49.0% 跃升至 65.3%，AutomationBench 从 17.0% 攀升至 30.4%，而且每 100 万输入 Token 仅 0.75 美元的首发促销价仅为 3.6 Flash 发布时价格的一半。

这一组合迫使每个 API 团队在这个季度面临一个问题：一款快速且廉价的 Gemini 模型，现在是否已经能处理你原先路由给 Claude 或 GPT 的工作负载？本次对比将紧扣你可以验证的指标：上下文窗口、多模态支持、工具支持、价格结构以及你要集成的请求数据模型。在竞争对手的数据不具备可比性的地方，我们会予以说明。并且，由于“你应该使用哪款 API”的真实答案取决于“哪款模型在你的实际工作负载中表现最佳”，因此最后一部分将展示在做出决定之前，如何在 Apifox 中并排运行这三款模型进行对比。

如果你最终选择了 Gemini 并需要配置步骤，Gemini 3.7 Flash API 快速入门涵盖了密钥、接口以及首次请求的相关内容。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

TL;DR

Gemini 3.7 Flash：100 万 Token 上下文，64k 输出限制，支持文本、图像、视频、音频和 PDF 的原生输入，此外还支持函数调用、搜索工具和计算机使用（computer use）。
首发价格：截至 2026 年 12 月 31 日，价格为每 100 万输入 Token 0.75 美元，每 100 万输出 Token 3.75 美元；2027 年 1 月 1 日起价格将翻倍至 1.50 美元和 7.50 美元。
相比 3.6 Flash 的编程能力提升：DeepSWE v1.1 从 49.0% 提升至 65.3%，FrontierCode 1.1 Main 从 34.4% 提升至 43.6%，AutomationBench 从 17.0% 提升至 30.4%。
Claude Fable 5 和 GPT-5.6 Sol 在前沿编程深度和智能体（Agent）一致性方面依然领先，但单 Token 价格是其数倍。
这三家供应商使用互不兼容的请求数据模型：Google 的 contents、Anthropic 的 Messages 以及 OpenAI 的 messages。
基准测试仅能预测平均表现，并不代表你的具体工作负载；在做决定前，建议针对三款 API 进行一次包含 20 个提示词的横向评测。

如何解读本次对比

这 spinal 不是一场前沿旗舰模型之间的对决。Claude Fable 5 和 GPT-5.6 Sol 是旨在实现极致能力的旗舰模型；而 Gemini 3.7 Flash 则是一款高性价比的实用模型，定价更适合高吞吐量场景。谷歌在其旗舰模型还在等待上线之际率先推出了它：据 Axios 报道，Gemini 3.5 Pro 依然延期，而 Flash 的更新版本则抢先落地。

但这次对比依然很有必要：3.7 Flash 发布时的评分已经达到了几周前前沿旗舰模型所在的水平，即使旗舰模型依然保持领先，这也改变了工作负载路由的考量。

在此有两点需要注意。首先，这里的每个数字都是发布周由厂商报告的数据；在独立评估结果出炉之前，请仅将其视为趋势参考。其次，基准测试的变体版本非常重要。谷歌报告的是 FrontierCode 1.1 Main 的数据，而 Claude 和 GPT 在发布时公布的数据来自 Extended 分支，因此这些列在此处不会共存于同一个表格中。

编码与 Agent 任务

AutomationBench 上的大幅提升是 Agent 构建者们应该重点关注的。在三周内让 Agent 相关基准测试的成绩几乎翻倍，这表明“在工具调用上思考更严谨”的说法绝非仅仅是营销噱头。

这与 Claude 和 GPT 相比如何？在 DeepSWE v1.1 上，前沿梯队中 GPT-5.6 Sol Max 在发布时取得了 73.0% 的成绩，而 Grok 4.6 为 65.9%；我们的 Grok 4.6 vs GPT-5.6 Sol vs Claude Fable 5 对比分析深入涵盖了这些结果。Sol Max 在仓库级 Bug 修复方面保持着明显的领先优势，而 Claude Fable 5 的强项在于代码编写和智能体评估方面的一致性，在这些评估中它很少跌出前两名。Gemini 3.7 Flash 尚未缩小这一差距。它以极低的成本达到了近在咫尺的水平，这与“分数最高者胜出”有着不同的价值主张。

另外两个专业领域的数字让这一图景更加完整：在用于法律推理的 Harvey LAB-AA 上达到 90.7%，以及在 128k 针尖检索上达到 97.0%，这一分数让 1M 窗口在实际应用中变得值得信赖。

多模态输入

这是这三个 API 之间最清晰的结构性差异。Gemini 3.7 Flash 在同一个接口的 contents 数组中同时接受文本、图像、视频、音频和 PDF。Claude 和 GPT 能很好地处理文本和图像，但在文本到达模型之前，视频和音频工作负载通常需要通过单独的转录或预处理步骤。

如果您的产品涉及文档，那么 GDP.pdf 从 22.0% 跃升至 34.0% 就是一个值得关注的信号：该基准测试衡量的是对包含表格、扫描件和排版破损的真实 PDF 的推理能力。直接将合同或发票输入模型而无需 OCR 流水线，从而在您的架构中省去了一个极易出错的环节。

实用规则：对于文本和图像对话，模态差异并不明显。对于视频帧、通话录音或成堆的文档，Gemini 是这三者中唯一一个能将输入流水线简化为单次 API 调用的模型。

定价理念

这三家厂商采取了不同的定价策略，其中的差异揭示了每个模型的适用对象。

谷歌对 3.7 Flash 的定价旨在抢占市场。每 100 万输入 Token $0.75 和每 100 万输出 Token $3.75 的推广费率将持续到 2026 年 12 月 31 日，这是 3.6 Flash 发布时价格的一半。2027 年 1 月 1 日起，标准费率将调整为 $1.50 和 $7.50，正好翻了一倍。这个截止日期是一个强力推手：谷歌希望在价格调整之前锁定您的流量。完整的 Token 费用计算，以及针对聊天机器人和智能体循环的实用示例，已包含在我们的《Gemini 3.7 Flash 定价详解》中。

Anthropic 和 OpenAI 将其旗舰模型定位为高端能力。费率因层级而异且经常变动，但大体趋势一致：前沿模型的输出 Token 成本是 Flash 模型的数倍，而且这两家厂商的溢价优势在于减少运行失败的次数，而不是提供更便宜的 Token。Anthropic 添加了一个 effort parameter，用于在单个模型内部权衡成本与能力；而 OpenAI 则通过区分不同的模型大小来进行分层。

哪种理念能胜出取决于你的失败经济学。一个在任务中失败的廉价模型所产生的修复工作，其成本远高于节省下来的 Token；而一个高端模型只有在成功避免这些失败时，其溢价才物有所值。对比每个已完成任务的成本，而非每个 Token 的成本，并在 2027 年 1 月 1 日 Gemini 费率翻倍后重新评估价格。

API 易用性

数据模型差异是你在切换服务商或在它们之间路由时付出的代价。以下是三种形式下相同的单轮请求。

Google 的 Gemini API 将对话轮次封装在 contents 的 parts 中，而生成设置则位于 generationConfig 中：

{
  "contents": [
    { "role": "user", "parts": [{ "text": "Summarize this changelog." }] }
  ],
  "generationConfig": { "temperature": 0.3, "maxOutputTokens": 1024 }
}

Anthropic 的 Messages API 将模型和必填的 max_tokens 放在最外层，并将系统提示词作为一个独立的字段：

{
  "model": "claude-fable-5",
  "max_tokens": 1024,
  "system": "You summarize changelogs in three bullets.",
  "messages": [{ "role": "user", "content": "Summarize this changelog." }]
}

OpenAI 则将系统提示词直接折叠到 messages 数组本身中：

{
  "model": "gpt-5.6-sol",
  "messages": [
    { "role": "system", "content": "You summarize changelogs in three bullets." },
    { "role": "user", "content": "Summarize this changelog." }
  ]
}

仅看文本用例，它们似乎足够接近，完全可以通过适配器来抹平差异。但工具调用才是抽象出现泄漏的地方：Google 在 tools 数组中使用 functionDeclarations 声明函数，并通过 toolConfig 控制调用；Anthropic 使用其专属的工具数据模型以及不同的响应块；而 OpenAI 则又有一套自己的函数格式。尽管这三者都基于服务器发送事件（server-sent events），但流式传输的 chunk 结构也各不相同。网关和兼容接口虽然规范化了基本的聊天格式，但多模态部分和工具调用在转换过程中很少能完好无损地保留下来；我们在 DeepSeek V4 Pro 的 API 格式对比中也记录了不同厂商之间存在的相同问题。

关于集成的建议其实朴实无华：在你的产品与模型之间保持一个轻量级的服务商抽象层。照此实践的团队可以在几天内完成服务商的切换，而不是耗费数个季度。

何时选择哪一个

将基准测试和数据模型浓缩为一个决策清单：

选择 Gemini 3.7 Flash，用于高流量的 Agent 访问、摄取视频、音频或 PDF 的多模态流水线，以及任何单次调用成本会限制产品利润率的工作负载。它也是计算机操作（computer-use）实验的天然沙盒；我们关于计算机操作与结构化 API 的对比分析详细介绍了该功能在何时能发挥其价值。
选择 Claude Fable 5，用于长周期的自主任务：持续数小时的 Agent 会话、单步出错就会导致一小时的进度付诸东流的任务，以及那些能够通过调节 effort parameter 的成本/能力平衡来获得高回报的工作负载。
选择 GPT-5.6 Sol，用于在几乎无需监管的情况下跨大型现有代码库运行的仓库级代码 Agent，以及希望围绕该 API 获得最深厚第三方生态支持的团队。
尽可能选择路由（router）。大多数生产团队最终都会采用这样一种模式：由一个便宜的默认模型处理绝大部分流量，而最难的 10% 则升级路由给前沿模型。Gemini 3.7 Flash 发布的数据表明，它在这一架构中是一个非常可靠的默认模型，而 3.6 Flash 则并非如此。

在同一个 Apifox 工作区中测试这三家服务商

真正有价值的对比，是用你自己的提示词进行的实际运行对比。Apifox 在单个项目中管理 Google、Anthropic 和 OpenAI 的集合，因此你可以用一下午的时间完成这场同台竞技，而不是耗费整个迭代周期（sprint）：

创建三个环境，每个服务商各一个，每个环境都包含其特有的前置 URL 和 auth header：Gemini 为 x-goog-api-key，Anthropic 为 x-api-key，OpenAI 为 Bearer Token。这样，切换服务商只需要通过下拉菜单选择，而不需要修改代码。
从你的产品中收集 20 个真实提示词。包括你的系统提示词、如果你使用了函数调用（function calling）则包含你的工具定义，以及至少五个已知的疑难用例。
为你关心的指标添加断言：响应的有效性、各服务商使用量数据块中的 Token 数量、延迟阈值。对于工具调用（tool-calling）的工作负载，断言工具调用的 JSON 能够正常解析并匹配你的数据模型；模型在这一步出错的概率要远高于纯文本生成。
每个套件针对每个模型运行三次。 LLM 的输出存在随机性；运行三次可以暴露单次演示所隐藏的偏差。对比成功率和每个成功任务的成本。
保留这个测试套件。 现在的模型发布间隔仅有数周；3.7 Flash 与 3.6 仅相隔三周发布。拥有现成测试套件的团队可以在一下午的时间内重新做出决策，而不是凭经验猜测。

FAQ

在编程方面，Gemini 3.7 Flash 是否优于 Claude 或 GPT？

在顶尖水平上并非如此。GPT-5.6 Sol Max 在 DeepSWE v1.1 上取得了 73.0% 的成绩，而 3.7 Flash 为 65.3%，且 Claude Fable 5 在编程和 Agent 基准测试的稳定性上处于领先地位。改变的是性价比（price-to-score ratio）：3.7 Flash 在达到几周前还属于前沿模型水平的分数的同时，收费却仅为实用型模型的费率。

Gemini 3.7 Flash 比 Claude 或 GPT 便宜多少？

在 2026 年 12 月 31 日之前，Gemini 3.7 Flash 的价格为每 100 万输入 Token 0.75 美元，每 100 万输出 Token 3.75 美元。前沿的 Claude 和 GPT 模型每 Token 的收费要高出数倍；在您估算成本前，请先查看实时的价格页面。请注意，首发优惠价格将于 2027 年 1 月 1 日翻倍。

我可以通过 OpenAI SDK 调用 Gemini 3.7 Flash 吗？

Google 提供了一个兼容 OpenAI 的接口，可以处理基本的聊天格式，因此通过替换 base_url 就能实现文本输入和文本输出。但多模态部分和工具调用（tool calls）无法完美映射，因此对于纯文本聊天之外的任何内容，请使用原生的 contents 数据模型。针对 Gemini 3.7 Flash 的函数调用（function calling）教程完整展示了原生工具的格式。

Gemini 3.7 Flash 支持电脑操作和搜索 Grounding 吗？

是的。它内置了函数调用、搜索工具和电脑操作功能，并更新了 CBRN（化学、生物、放射性核和核）和网络安全防护栏。其在 AutomationBench 上的表现从 17.0% 提升至 30.4%，这是已公布的能代表其 Agent 循环（agentic loop）性能提升的最直接指标。

哪里可以使用 Gemini 3.7 Flash？

它在 160 多个国家/地区均可使用，包括使用 AI Studio 密钥的 Gemini API、Google AI Studio、Gemini 应用、面向 AI Pro 和 Ultra 订阅者的 Gemini Spark、Google Antigravity、Android Studio 以及 Gemini Enterprise。生产环境中的 GCP 团队可以通过 Vertex AI，使用 OAuth 代替 API 密钥进行调用。

3.7 Flash 在您技术栈中的定位

从这次对比中得出“Gemini 已追平最前沿水平”的结论是错误的。它还没有；Sol 在项目仓库级（repo-scale）的代码深度上仍然独占鳌头，而 Fable 5 在长时程（long-horizon）可靠性上依旧领先。正确的启示是“基准线下移了”：现在以主力模型的价格，就能买到一季度前只有高端模型才能达到的分数，这重新定义了任何路由架构的默认选择。Flash 级别的模型处理大部分常规任务，旗舰模型处理升级后的复杂任务。

决策是可衡量的，所以请去实际衡量。将所有三个服务商接入同一个工作区，结合断言（assertions）运行您的真实 Prompt，让每个已完成任务的成本来决定胜负。免费下载 Apifox，配置这三个环境，您就能在首发特惠窗口期结束前获得供应商级的验证数据。