2611 - iPon Black Friday - All-in

Rövid időn belül újra arról számolhatunk be, hogy a Google kiadott egy új Gemini Flash verziót. Nagyon szépen fejlődik a hatékonyságra kihegyezett nyelvi modell, mely elsősorban az olcsó kínai alternatívák ellenfeléül szolgál. Az utóbbi időben nagy figyelmet kaptak a jó potenciállal bíró távol-keleti fejlesztések, ezért fókuszál a Google is a Flash modellre.

Májusban rántotta le a leplet a Google a Gemini 3.5 Flash-ről, majd július végén jelent meg a Gemini 3.6 Flash, három héttel később pedig már a Gemini 3.7 Flash került a terítékre. A fejlődés pedig drámai a vállalat által közzétett mérési adatok alapján; vannak területek, ahol közel háromszor jobb eredményt képes elérni az újdonság, mint a közelmúltban megismert elődje. 

A Terminal-bench új, 3.0-s kiadásában a korábbi modell 5,4%-ot ért el, míg a Gemini 3.7 Flash neve mellett már 14,9%-os sikerarány szerepel. A népszerű DeepSWE teszben is remekel a friss nyelvi modell, a korábbi 48,6%-os eredményét sikeresen tudta feltornászni egészen 65,3 százalékra. Ezzel már magabiztosan übereli a lényegesen drágább Claude Sonnet 5-öt és a GPT-5.6 Terrát is.

Galéria megnyitása

A költségek szempontjából a “nyugati nyelvi modellek” között a Meta által frissen létrehozott Muse Spark 1.2 az egyedüli érdekes versenytárs. Az csak egy árnyalatnyival kerül többe, de azért általában így is a Gemini 3.7 Flash mögött végez, néhány kivételtől eltekintve. Ilyen például a GDPVal-AA (v2), ahol a Muse Spark 1.2 már 1628-as Elo-val szerepel a Google modelljével szemben, ami csak 1525 Elo pontra képes. Viszont a Terminal-bench, a Code Arena vagy a DeepSWE már a Gemini terepe, hiába alkalmazható olcsóbban.

Galéria megnyitása

A Google minden jel szerint most arra fókuszálja az erőforrásait, hogy a hatékonyságot a csúcsra járassa, miközben persze azokra a területekre igyekszik kihegyezni a modellt, amik igazán népszerűek. Ennek köszönhető, hogy a programozást és az ügynöki munkavégzést tűzte a zászlajára a Gemini 3.7 Flash.

Napjainkban a legtöbb fizető felhasználó azért ad ki súlyos összegeket a mesterséges intelligencia alkalmazására, hogy a programozási feladatokat megoldja. Ezeknek a felhasználóknak igyekszik kedvezni a Google. Közvetlenül a fejlesztői visszajelzéseknek, valamint az algoritmikus újításoknak köszönhetően jött az új modell. A Gemini 3.7 Flash nagyon sokat erősít a szoftverfejlesztés, a tudásalapú munka és a webfejlesztés munkafolyamataiban. 

A Google a Gemini Sparkot is azonnal megtolja a Gemini 3.7 Flash modellel. A vállalat testre szabható MI ügynökei, amik szünet nélkül képesek éjjel-nappal dolgozni a nekik kiadott feladatokon, már érezhetően jobban teljesíthetnek bizonyos feladatok megoldása során. Ez a modellfrissítés hatékonyabbá teszi a Sparkot, mivel ügyesebb lesz a Workspace alkalmazások használatában, így nagyobb pontosságot és jobb minőséget biztosíthat a komplex, többféle program használatából álló kihívásokban.

Galéria megnyitása

A Gemini 3.7 Flash feleannyiba kerül, mint amennyibe a megjelenésekor a 3.6 Flash került, noha azt látni kell, hogy időközben annak is megfelezte az árát a Google. Mindössze 0,75 dollárért cserébe megoldja 1 millió tokennyi információ feldolgozását, ugyanennyi adatot pedig 3,75 dolláros tarifa mellett állít elő.

Hírlevél feliratkozás
A feliratkozással elfogadom a Felhasználási feltételeket és az Adatvédelmi nyilatkozatot.

4 hozzászólás

A komment írásához előbb jelentkezz be!
Supra
Supra
2026. aug. 18. 14:57
#3

Nagyon szépek ezek a számok, de egy óra után visszamantem 3.1-re. Lehet tévedek, de mintha a 3.1 is gyengébb lett volna, néha többször vissza kell kérdezni, mire arra válaszol, ami a kérdés volt.
Lehet programkódot jobban ír - de nekem olyan érzésem van ezzel a tesztel, mint az IQ tesztekkel: igaából nem intelligenciát mér, csak azt hogy mennyire jól tud IQ teszteket kitölteni...

patrik2991
patrik2991
2026. aug. 17. 20:07
#2

Szerintem bevezethetnék már a google féle "jó napom van" megoldást, csak ezesetben egy random promptra adna választ az ai. :)
Ezek a modellek hasznosságban már közel állnak, mert a luna is imád olyan dologra visszakérdezni, ami benne volt a 2 mondatos promptban...

Geralt_of_Trivia
Geralt_of_Trivia
2026. aug. 17. 16:42
#1

Kezdem unni, hogy böngésző frissítés léptékkel és gyakorisággal ugrik egyet a verziószám.

A benchmark eredményeket meg eddig is leszartam, mert nem érdekel, hogy szintetikus teszten mennyivel érződik jobbnak egy olyasvalami, amit ingyen el lehet érni neten és bedobni neki valami olyan dolgot, amivel van saját viszonyítási alapod korábbról.

Rhynmei
Rhynmei
2026. aug. 24. 14:12

@Geralt_of_Trivia Kicsit olyanok ezek a posztok, mint az ez dárgul, az drágul, minden drágul a memóriakrízis miatt.... nem is kell már a cikket sem elolvasni, csak vállat vonni és tovább görgetni :)

Vissza az oldal tetejére