Кодчилол ба Agent-д зориулсан шинэ хүч: Google "Gemini 3.7 Flash"-ийг зах зээлийн хамгийн хямд үнээр танилцууллаа

Хиймэл оюуны хөгжүүлэлтийн салбарт "Flash" эсвэл "хурдан" ангиллын загварууд ихэвчлэн гүн гүнзгий эргэцүүлэл (deep reasoning) болон нарийн төвөгтэй кодчиллын даалгавар дээр том загваруудаасаа хоцордог гэсэн тогтсон ойлголт бий. Гэвч Google энэ хэвшмэл ойлголтыг эвдэж, программ хангамжийн инженерчлэл болон бие даасан Agent-уудын ажиллагаанд тусгайлан оновчилсон Gemini 3.7 Flash загвараа албан ёсоор худалдаанд гаргалаа.

Шинэ загвар нь өмнөх 3.6 Flash хувилбарын үнийг даруй 50% бууруулж, нэг сая input токеныг ердөө $0.75-оор санал болгож байгаа бөгөөд гарсан даруйдаа GitHub Copilot зэрэг томоохон хөгжүүлэгчийн хэрэгслүүдэд шууд нэгдэж эхэллээ.

---

Архитектурын шинэчлэл: "Customizable Thinking" тохиргоо

Gemini 3.7 Flash нь цоо шинэ pretraining хийлгүйгээр үндсэн reasoning алгоритм болон multi-step шийдвэр гаргах логикийг сайжруулсан суурь дээр бүтээгджээ.

Энэхүү загварын хамгийн онцлох боломжууд:

• 1,048,576 Context Window & 64K Output: Нэг сая токены өгөгдлийг (бүхэл бүтэн репозитори, техникийн баримт бичиг, өгөгдлийн бааз) нэг дор уншиж, 65,536 токен хүртэлх хэмжээний код болон дүн шинжилгээг нэг дуудалтаар (single request) буцаана.
• Тохируулж болох Эргэцүүлэл (Thinking Levels): Хөгжүүлэгчид API дуудахдаа өөрийн хэрэгцээнээс хамааран thinking_level параметрийг low, medium, high гэсэн түвшнээр зааж өгч болно. Хурд болон латент чухал үед low, харин системийн архитектурын шийдвэр, рефакторинг зэрэг нарийн ажилд high түвшинг сонгох уян хатан боломжийг олгож байна.
• Multimodal чадвар: Текстээс гадна зураг, аудио, видеог нэгтгэн ойлгох бүрэн чадвартай хэвээр үлдсэн.

// Gemini API дуудалтын жишээ
{
  "model": "gemini-3.7-flash",
  "contents": [{ "role": "user", "parts": [{ "text": "Refactor this distributed cache implementation..." }]}],
  "generationConfig": {
    "thinking_config": {
      "thinking_level": "high"
    }
  }
}

---

Бенчмарк: Бодит кодын даалгавар дээрх огцом үсрэлт

Хиймэл оюуны бодит инженерчлэлийн чадварыг шалгадаг гол сорилууд дээр Gemini 3.7 Flash өмнөх хувилбараасаа үлэмж давуу үр дүн үзүүлжээ:

1. DeepSWE v1.1 (Бодит GitHub Issue-үүдийг шийдвэрлэх): Өмнөх 3.6 Flash хувилбар 48.6% амжилт үзүүлж байсан бол Gemini 3.7 Flash дээр энэ үзүүлэлт 65.3% болж өссөн байна.
2. FrontierCode 1.1: Кодын логик ба олон файлын уялдааг шалгах бенчмарк дээр 34.4%-иас 43.6% болж ахижээ.
3. Web Development & Agentic Planning: Вэб хөгжүүлэлтийн архитектур гаргах, шаардлагатай сангуудыг сонгох, терминал команд биелүүлэх урсгалууд илүү найдвартай болсон байна.

Эдгээр оноонууд нь зах зээл дээрх зарим үнэтэй, аварга том "Frontier" загваруудын түвшинд тун дөхөж очсон нь Flash түвшний жижиг, хурдан загварын хувьд том ололт юм.

---

GitHub Copilot болон IDE-үүдтэй шууд нэгдлээ

Google зөвхөн өөрийн платформ дээр загвараа хадгалсангүй. GitHub Copilot багтай хамтран уг загварыг шууд дэмжиж эхэлснээ зарлав.

Одоогийн байдлаар Gemini 3.7 Flash нь:

• Visual Studio Code болон Visual Studio
• JetBrains IDE-үүд (IntelliJ, PyCharm, WebStorm г.м.)
• Copilot CLI болон GitHub Copilot Cloud Agent
• Android Studio болон Google Antigravity

дээр загвар сонгогч (model picker) дотор сонголт болон орж ирсэн бөгөөд аажмаар бүх хэрэглэгчдэд нээгдэж байна. Хөгжүүлэгчид кодын бааз дээрээ хайлт хийх, bug илрүүлж засах, CLI дээрээс агент дуудахад энэхүү хямд атлаа ухаалаг моделийг шууд ашиглах боломжтой.

---

Хөгжүүлэгчид болон Стартапуудад яагаад чухал вэ?

Өнөөгийн зах зээлд олон мянган бие даасан Agent-уудыг зэрэг ажиллуулах, өдөрт сая сая токен эргэлдүүлэх нь стартапуудын хувьд санхүүгийн асар том дарамт (API cost) болдог.

Gemini 3.7 Flash нь:

• 1 сая Input токен: $0.75
• 1 сая Output токен: $3.75

үнэтэй байгаа нь Claude Sonnet эсвэл бусад топ загваруудын дундаж өртгөөс даруй 3 дахин хямд өртөг юм. Энэ нь production түвшний Agentic workflow, автоматжуулсан тест бичигч, PR reviewer, дотоод баримт бичгийн RAG системийг өртөг багатайгаар өргөтгөх (scale хийх) боломжийг инженерүүдэд олгож байна.

---

Эх сурвалж: Google Blog, Google DeepMind Model Card, GitHub Copilot Changelog.