AX 严选 · 2026-08-14

Gemini 3.7 Flash 开始向付费用户推送，Google 主打的卖点是多步推理和准确性，给的例子是把几十个文件和邮件合并成一份主文档——这场景挺实际，但正文没给任何基准测试或对比数据，所以“准确性改进”到底多大，现在只能看 Google 自己怎么说。 另一个值得注意的点是个人助手 Spark 也切到了 3.7 Flash，对 Workspace 应用的工具调用更准了。这说明 Google 在推“让模型进业务流程干活”的路线，但同样没披露具体指标，比如工具调用成功率提升了多少、延迟有没有变化。 免费用户的时间线完全没提，这点对想试用的开发者来说是个信息缺口。另外，Pro 和 Ultra 的体验差异也没说，不知道 Ultra 用户是不是只是多了配额，还是模型响应质量有区别。整体看，这次更新更像是付费功能的常规迭代，实际效果还得等用户自己测。

Qwen3.8-27B 用 27B 参数在基准测试上全面超过 Qwen3.7-Plus，说明模型效率有明显提升，不是靠堆参数硬拉分数。原生多模态意味着看图、读文档不用外挂插件，部署链路更短。262K 原生上下文窗口已经很大，用 YaRN 技术能拉到 1M tokens，相当于一次能处理三体三部曲的量，对长文档分析、代码库理解这类场景很实用。许可证是 Apache 2.0，商用没有太多顾虑。 不过正文没披露训练数据构成、推理成本和延迟，也没说什么时候正式放出权重。27B 模型虽然比千亿级模型轻，但本地部署对显存要求还是不低，实际跑起来成本多少得自己测。Max 版 Qwen3.8-2.4T-A95B 也开放了权重，但 MoE 架构的推理优化和部署复杂度比稠密模型高，这点先别太激动。 还缺的是多模态能力的细粒度评测，比如复杂图表理解、多图推理这些实际业务中容易翻车的场景，光看基准总分不够。另外 1M 上下文在实际使用中的注意力质量如何，正文也没给数据。