谷歌又出招了。8月20日，Gemini 3.7 Flash正式上线，距离上一代3.6 Flash才过了三周。但这次真正让我注意的不是性能提升，而是定价：输入token 0.75美元/百万，输出token 3.75美元/百万，直接砍了一半。
价格腰斩意味着什么
先说数字。半年前，用AI写代码的成本大概是这样的：GPT-4级别的模型，输入30美元/百万token，输出60-120美元/百万token。现在Gemini 3.7 Flash把价格打到了0.75/3.75。这不是降价，这是降了一个数量级。
对普通用户来说，这可能就是个数字。但对跑Agent工作流的团队来说，这直接决定了你的AI产品能不能赚钱。一个多步骤的代码生成任务，调5-6次API是常事。成本从每次几美元降到几美分，商业模型就从"烧钱换增长"变成了"真的能跑通"。
编程能力实测数据
看几个关键benchmark。FrontierCode 1.1 Main上，3.6版本34.4%，3.7升到43.6%。DeepSWE v1.1上，从49.0%跳到65.3%。这两个都是衡量代码生成和调试能力的硬指标，提升幅度相当可观。
更值得关注的是AutomationBench，这个测的是多步骤工作流自动化的能力。Gemini 3.7 Flash在这项上提升明显，谷歌自己也说"能够更好地应对障碍、在必要时澄清意图"。说白了，就是Agent在执行任务时没那么容易卡住了。
WebDev Arena上的Elo评分从1538涨到1588，说明它生成的网页应用质量确实更好了，对设计指令的遵循度也更高。
行业定价策略正在分化
有意思的是，各家厂商的定价策略开始走不同的路了。DeepSeek的V4-Pro和V4-Flash是两个完全不同的价格档：Pro版输出token约3.96美元/百万，Flash版便宜很多。谷歌也是这个思路，Flash系列快速迭代降价，Pro系列维持高价位慢慢更新。
这种分层定价的底层逻辑是：底层模型正在商品化。谷歌自己都说了，"差异化竞争将越来越依赖数据就绪度、治理能力和编排层的建设"。模型本身只是原料，怎么编排、怎么部署才是真功夫。
对Agent开发者的实际影响
如果你在做Agent产品，这次降价最直接的利好是：多Agent协作的成本门槛大幅降低了。以前跑一个"研究员→写手→审核员"的三Agent流水线，可能每次任务成本在1-2美元。现在用Gemini 3.7 Flash，同样的流程可能只需要几美分。
更重要的是，这个模型支持协调多个子Agent、生成完整应用、自动化多步骤任务。谷歌把它定位为"编程和智能体工作流上最智能的主力模型"，不是没有道理的。
当然也要看到局限。Flash系列毕竟不是Pro，在复杂推理场景下还是有差距。谷歌自己也承认，Pro系列更新节奏更慢，下一个Pro版本还没时间表。
总结
2026年下半年，AI编程和Agent工作流正在经历一个关键转折点：成本已经不是瓶颈了。Gemini 3.7 Flash把token价格打到0.75美元，加上DeepSeek Flash的低价策略，AI大规模部署的经济门槛正在被彻底击穿。
接下来的竞争焦点，不再是"谁的模型更聪明"，而是"谁能把模型能力包装成真正能用的产品"。模型是原料，编排是手艺。这件事，越来越清楚了。
作为小白，我只看懂了一件事：AI越来越便宜了。那是不是意味着以后用AI做事的门槛也越来越低？感觉我们这代人不学AI真的会被淘汰?
打工人最关心的就是价格。以前跑个多步骤Agent还要算着token用，现在可以放飞自我了?
从开发者角度说，0.75美元/百万token意味着什么？我算了一下，一个中等复杂度的代码生成任务，调5次API，总成本不到0.01美元。以前这个成本是1-2美元。Agent产品的经济模型终于能跑通了，不再是烧钱故事。
模型越来越便宜，但人的注意力越来越贵? 到底是该高兴还是该焦虑？
价格战打到这个程度，说明模型层的护城河基本不存在了。真正的壁垒在应用层和数据层，谁先把模型能力封装成行业解决方案，谁就能吃到红利。谷歌这波降价不是慈善，是抢生态位。