Gemini 3.7 Flash ha creato un gioco browser giocabile da un singolo prompt in 2 minuti e 13 secondi, un compito che il suo predecessore, Gemini 3.6 Flash, non era riuscito a svolgere tre settimane prima.

Ha fallito il nostro rompicapo logico sul ponte con la stessa risposta sbagliata di Claude Fable 5, e si è fermato prima di calcolare davvero il problema matematico che aveva impostato correttamente.

Il modello costa 75 centesimi per milione di token di input fino al 31 dicembre, la metà del prezzo di 3.6 Flash, prima di raddoppiare a $1.50 il 1° gennaio.

Google ha lanciato Gemini 3.7 Flash il 13 agosto, disponibile in generale in oltre 160 Paesi dal primo giorno. Accetta fino a un milione di token in input, restituisce 64.000 token, legge immagini, video, audio e PDF e può usare strumenti e controllare un computer.

Flash non è mai stato il modello a cui ci si rivolge quando un problema è difficile. È quello che si usa per ordinare testo, compattare sessioni agent prima che collassino sotto il proprio contesto e riassumere documenti per cui non si vuole pagare un modello di punta. Valutato per questo tipo di compiti, 3.7 Flash rappresenta un vero miglioramento. Valutato per tutto il resto, è un modello competente che viene superato da software scaricabile gratuitamente.

Il foglio di benchmark di Google colloca 3.7 Flash davanti a Claude Sonnet 5 e GPT-5.6 Terra in 11 delle 18 categorie testate. I numeri principali sono 1,588 Elo nella board di web development di Code Arena e 30.4% su AutomationBench. Entrambi derivano dalla metodologia di Google, quindi vanno considerati come affermazioni dell’azienda e non come fatti consolidati.

Abbiamo testato il modello per verificare se fosse all’altezza delle affermazioni di Google. Questi sono i nostri risultati.

Coding: riesce a costruire qualcosa che funzioni al primo tentativo?

Questo test misura la generazione di codice zero-shot: se un modello trasforma una sola istruzione in software funzionante, senza esempi da copiare e senza possibilità di correggersi. Gli passiamo un singolo prompt per un gioco browser e pubblichiamo ciò che torna indietro, bug compresi. Nessun follow-up, nessun report di errore, nessun secondo tentativo.

Gemini 3.7 Flash ha superato la prova in 2 minuti e 13 secondi. Il gioco era giocabile al primo avvio, la sintassi era pulita, la logica di collisione e punteggio reggeva e la qualità visiva era superiore a quanto suggerisca la fascia di prezzo.

Il confronto davvero rilevante qui non è un modello di punta. È Gemini 3.6 Flash, rilasciato il 21 luglio, che non è riuscito a produrre affatto un file funzionante. Il suo HTML era malformato, gli elementi non venivano renderizzati e i prompt successivi che gli chiedevano di riparare l’output non portavano a nulla.

Alla fine abbiamo passato quel disastro a DeepSeek, che ha trovato 11 bug e distribuito 8 correzioni per renderlo giocabile. Tre settimane dopo, la stessa linea di prodotto non ha bisogno di soccorsi e il risultato è vicino a quello prodotto da GPT-5.6 Sol nella nostra recensione di luglio.

Gemini 3.7 Flash vince nettamente questa prova, ed è il motivo più forte per passare. Il limite è che esegue specifiche invece di inventarle, quindi un prompt vago produce un gioco vago.

Puoi provare il gioco di Gemini 3.7 Flash qui.

Scrittura creativa: riesce a reggere un paradosso e a scrivere una frase?

Questa sezione valuta due aspetti insieme: la qualità letteraria e la capacità di un modello di rispettare una regola strutturale per migliaia di parole. Il prompt manda Jose Lanz dal 2150 all’anno 1000 e richiede un ciclo causale chiuso: il suo intervento deve essere proprio ciò che crea il futuro che è partito per impedire.

La regola che decide il test è l’ultima clausola: non può capire ciò che ha fatto finché non torna a casa.

Gemini 3.7 Flash ha generato un risultato discreto. Jose spara un cannone entropico in una fessura pirenaica, forgia accidentalmente un obelisco che schiavizza l’Iberia del XXII secolo e comprende l’intero ciclo mentre è ancora nel fango mille anni prima: "It was the base of the Cinder Spire."

La meccanica della trama è in realtà piuttosto solida. La storia menziona una stella cadente osservata da antichi monaci e chiarisce che si trattava del lampo della stessa arrivata di Jose; inoltre, l’arma che porta per cancellare l’anomalia è ciò che la forgia. La frase finale—"It had simply been waiting for him to complete it"—centra il determinismo richiesto dal prompt.

Ma per chi è abituato a questo tipo di scrittura, la storia urla “AI”. Quasi ogni sostantivo arriva con due aggettivi attaccati: "hyper-luminescent towers", "damp, moss-choked earth", "thick, obsidian hair". È la trama di un modello che sceglie la parola successiva più probabile invece di sceglierne una, e produce collisioni come un monolito che "humming with a low-frequency hum".

Abbiamo confrontato il risultato con Qwopus3.5-27B-v3, un fine-tuning comunitario di Qwen3.5-27B che distilla un ragionamento in stile Claude Opus e gira su una singola GPU consumer senza costi per query. Ha rispettato la regola che Gemini ha infranto.

Jose uccide un monaco a San Millán de la Cogolla, un vero monastero della Rioja che contava davvero attorno all’anno 1000, e capisce ciò che ha fatto solo dopo essere tornato al 2150 e aver trovato il proprio DNA in un codice sigillato con cera.

Qwopus non è del tutto pulito nemmeno lui. Ha scaricato l’intero scratchpad di pianificazione sopra la storia, refusi inclusi, e la sezione finale rompe il ciclo chiuso che aveva costruito in otto sezioni lasciando Jose tornare indietro e sistemare le cose.

Ma nel complesso Qwopus vince. Gemini ha consegnato il pacchetto più ordinato e il finale più disciplinato, ma ha fallito l’unica istruzione attorno a cui il prompt era costruito, e un modello gratuito su una GPU da gaming ha scritto la storia migliore.

Pensiero associativo: una metafora può sostenere un argomento?

Questo test misura il ragionamento associativo: se un modello riesce a creare collegamenti tra concetti non correlati senza doverli spiegare. Il prompt chiede la descrizione di un rametto, usa quella descrizione per spiegare lo sfruttamento dei lavoratori e l’adorazione dei ricchi, poi richiede che l’argomento si dissolva in una descrizione di una lattuga.

Il problema è la segnalazione esplicita. Dare un nome alla metafora la uccide.

Gemini la nomina nella prima riga del secondo paragrafo: "This is the precise mechanics of the modern proletariat." Tutto ciò che veniva prima funzionava.

Alcune immagini hanno una loro forza. Il lavoratore riceve "just enough bark to stay rigid for another week of output", e i rametti caduti vengono condizionati a credere che, con abbastanza rigidità, uno di loro possa diventare un tronco. Il paragrafo che contiene la prima di queste immagini include anche un lavoratore "bound to an vast, top-heavy corporate hierarchy." Non male in termini di logica e struttura.

La dissolvenza è il vero crollo. Gemini narra il passaggio invece di farlo accadere—le gerarchie "crumble, dissolving into the quiet, humble reality of the organic world underneath"—e poi una lattuga appare semplicemente, scollegata da tutto ciò che precede.

GPT-5.6 Sol fa marcire il rametto fino a terra e fa crescere da lì la lattuga: "Rain enters the grain. Fibers loosen, darken." Anche l’argomento viene sepolto nell’oggetto, con la ricchezza riformulata come un linguaggio della virtù in cui "The mansion signifies intelligence.".

GPT-5.6 Sol vince nettamente. Gemini ha prodotto una singola bella linea, ma ha spiegato la propria metafora e poi ha saltato la transizione che il prompt stava testando in modo specifico.

Logica: legge il prompt o riconosce l’enigma?

Questo test misura il ragionamento non matematico e, in particolare, se un modello legge la domanda davanti a sé o associa schemi a una versione che ha memorizzato. Il nostro prompt sul ponte dà a quattro persone una torcia e tempi di attraversamento di 1, 2, 5 e 10 minuti, poi chiede quanto velocemente possano attraversare tutti.

Il trucco è ciò che il prompt non dice. Non specifica mai che sul ponte possano trovarsi solo due persone alla volta, quindi la risposta è 10 minuti: tutti attraversano insieme al passo della persona più lenta.

Gemini ha risposto 17 minuti, ripetendo il cinque-passaggi memorizzato dalla versione da manuale del rompicapo. Ha affermato il vincolo come fatto senza mai verificare se fosse stato scritto.

Il suo ragionamento visibile è peggiore della risposta. La traccia sostiene che far attraversare insieme i due più lenti sarebbe inefficiente perché qualcuno dovrebbe riportare indietro la torcia—e poi la risposta finale li manda comunque ad attraversare insieme. Si contraddice dentro una singola risposta e riporta il risultato con assoluta sicurezza.

Claude Fable 5 era arrivato allo stesso numero sbagliato già a luglio. Aveva aperto dichiarando ciò che stava assumendo, "assuming the classic constraint that the bridge holds only two people at a time", che è la differenza tra una risposta sbagliata che puoi individuare e una che non puoi.

Non vince nessuno. Fable si porta a casa il punto solo per trasparenza, e la falsa sicurezza delle esecuzioni agent di Gemini emerge qui in un rompicapo verificabile a mano.

Matematica: porta a termine il compito?

Questo test misura la matematica simbolica ben oltre l’uso consumer, oltre a qualcosa di più semplice: se il modello fa ciò che gli è stato chiesto. Il prompt richiede un polinomio monico dispari di grado 19, con coefficienti reali e coefficiente lineare -19, la cui curva si separi in almeno tre componenti irriducibili, e poi chiede p(19).

Entrambi i modelli hanno trovato la stessa porta. Gemini e Qwen 3.7 Max Preview hanno identificato il polinomio di Dickson, risolto il vincolo fissando il parametro a 1 e derivato correttamente la forma chiusa.

Poi Gemini si è fermato. Ha stampato p(19) come espressione non valutata che coinvolge la 19ª potenza di una radice quadrata, non ha mai prodotto il numero e non ha mai dimostrato il conteggio delle componenti richiesto dal prompt. Ha consegnato tutto questo dentro una pagina HTML stilizzata con CSS e un’ombra che nessuno aveva richiesto.

Qwen ha concluso. Ha fornito la fattorizzazione completa in 10 componenti—una lineare e nove quadratiche—ha portato la ricorrenza fino a 1,876,572,071,974,094,803,391,179 e ha verificato modularmente il risultato. Abbiamo controllato indipendentemente quel valore in SymPy e torna.

Qwen vince sull’unico criterio che contava. Gemini è partito bene e ha deciso di saltare l’aritmetica, che è un punto piuttosto strano in cui fermarsi.

Conclusione

Gemini 3.7 Flash vale il passaggio se sei già dentro l’ecosistema Google. È nettamente migliore nel codice rispetto al modello che sostituisce, abbastanza veloce da contare per il lavoro agent e abbastanza economico da rendere trascurabile l’uso su larga scala.

I suoi punti forti sono esecuzione e struttura. Dagli una specifica dettagliata e costruirà il risultato, terrà insieme una trama e manterrà coerente la logica causale per migliaia di parole.

I suoi punti deboli sono creatività e ragionamento. La scrittura è abbastanza prevedibile da risultare chiaramente generata da una macchina, e il modello afferma risposte sbagliate senza segnalare l’assunzione che le rende tali.

Il prezzo è il suo argomento più forte. A 75 centesimi per milione di token di input e $3.75 in output, sottocosta GPT-5.6 Sol del 85% sul prezzo di input di $5 e costa la metà di quanto faceva 3.6 Flash al lancio.

L’argomento contro di lui è un modello 27B gratuito su una GPU da gaming che ha scritto una storia migliore e non ha chiesto nulla per farlo. La tariffa introduttiva di Google scade il 31 dicembre, quando l’input raddoppia a $1.50 e l’output a $7.50.