Google DeepMind的Gemini 3.7 Flash已升至Agent Arena排行榜第20位。Agent Arena是由arena.ai运营的实时排名系统，根据AI模型在真实世界中的任务表现进行评估。该模型录得3.4%的分数提升，跻身这一旨在反映模型在实际工作流中行为而非静态基准测试中表现的排行榜。

Agent Arena如何评估模型

与依赖常识问答或标准化测试的传统排行榜不同，Agent Arena根据真实世界的工具编排和任务完成效果对AI模型进行排名。该平台基于超过170万次用户会话的数据，监控工具幻觉等指标——即模型自信地尝试使用不存在的工具或误用可用工具的情况——以及整体成功率。

由于排名基于实时使用数据，变化的意义远超单次分数更新：它们可以反映模型在选择工具、从错误中恢复以及在更接近实际智能体部署环境而非考试式提示的场景中完成任务时的表现。

Flash模型代际对比

Google Flash系列内部的演进突显了模型迭代的速度。Gemini 3.5 Flash目前排名第27位，净提升0.39%，而Gemini 3.6 Flash排名更靠后，约在第34位。

Gemini 3.6 Flash于2026年7月21日发布。该代模型专注于将输出token数量较前代减少17%。

在Google Python GenAI SDK中发现的引用表明，3.7版本旨在进一步提升token效率，同时整合多模态智能体性能。这将使模型能够在单一智能体工作流中处理文本、图像以及潜在的其他数据类型。截至2026年8月中旬，Gemini 3.7 Flash尚未正式发布。

竞争地位

Gemini 3.7 Flash排在第20位，目前有19个模型在真实世界智能体任务上表现优于它。关于3.4%提升数据的具体计算方法尚未有官方说明予以披露。Agent Arena的评分是动态的——随着新竞争者加入和更多用户会话数据的收集，模型的排名可能上升或下降。