谷歌Antigravity+Gemini 3.7 Flash：AI从写代码到自主交付的质变

从「写代码」到「干完活」的质变

长期以来，AI编程工具给人的印象是：它能帮你生成一段看起来不错的代码，然后就「跑路」了——测试要你自己跑，Bug要你自己修，浏览器里能不能正常显示也要你自己验证。据B站UP主Peep的实测演示，Google发布的新模型 Gemini 3.7 Flash，正试图打破这一局面。

它的核心定位不再是聊天陪伴，而是一个「主力干活模型」，专门面向编程和Agent（智能体）场景。更关键的是，Google没有把它孤立地塞进对话窗口，而是直接集成进了一个名为 Antigravity 的开发平台中。用去掉术语的白话说：AI能自己去把项目里的活干完——写代码、跑测试、遇到Bug读错误信息自动修复，还会在真实浏览器里再验证一遍结果，全程不需要你盯着。

这种「端到端交付」的能力，才是本次更新真正被低调隐藏、却极具分量的升级点。

Gemini 3.7 Flash性能实测：三周迭代带来多大提升

有意思的是，Gemini 3.7 Flash 距离上一代 3.6 Flash 的发布仅隔了三周——这个迭代节奏快得有些惊人。那么它到底是真升级，还是只换了个好看的版本号？基准测试给出了答案。

编程能力大幅提升

• 在 Frontier Code 编程基准上，旧模型得分 34.4%，新模型提升至 43.6%；
• 在 Deep Squeeze 测试中，旧模型仅 49%，新模型跃升至 65.3%。

这样的跨度，考虑到仅隔三周，确实相当罕见。Google强调，这种提升体现在每天真正重要的事情上：修复Bug、解决真实问题、以及写出第一次就能跑通的代码。

文中提到的几个基准测试名称对普通读者可能较为陌生。Frontier Code 是衡量模型解决复杂、前沿编程问题能力的基准，题目通常涉及算法设计、系统级代码或真实工程场景，得分从 34.4% 跃升至 43.6% 意味着模型在最难的一批题目上通过率提高了近三成。Automation Bench 则更接近真实办公场景，考察模型能否独立完成多步骤的业务流程任务，例如解析表格、填写表单、触发工作流等——这类任务既需要理解上下文，也需要稳定地操作外部工具，是衡量「实用性」而非单纯「智力」的指标。30.4% 的得分看起来绝对值不高，但相较旧模型 17% 的基线，已是质的飞跃，也说明这类任务对当前所有模型而言仍然极具挑战性。

知识工作同样受益

更容易被忽略的是，这次升级并不局限于编码领域。在衡量真实业务流程任务的 Automation Bench 上，旧模型仅 17%，新模型达到 30.4%，几乎翻倍。这一点很重要——真实工作并不全是写代码，还有大量阅读、整理文档、处理工作流这类「不起眼却悄悄占掉你整个下午」的琐事。一个更擅长处理文档与流程的模型，能实打实帮你省回时间。

AI Agent核心机制：从「卡住就停」到「调整再试」

对Peep而言，Agent部分才是本次更新最精彩之处。Gemini 3.7 Flash 的工作节奏是这样一个闭环：

1. 接到任务后先做规划；
2. 编辑文件、运行代码、测试代码；
3. 一旦出问题，不直接放弃，而是调整、修复错误、确认最终结果；
4. 如果没成功，就再来一次。

关键词是 Adjust（调整）。老模型一碰到坎就会直接停住，留下一个半成品，你甚至不知道它哪里坏了。而新模型会持续尝试——先修，再检查是否生效，没成就再来。这正是「只会给你布置作业的AI」与「能直接交付成品的AI」之间的本质区别。

据演示，用户只需给出一行提示，比如「给某个页面做一个简洁的资源页，写清楚会员能得到什么，并保证在手机上运行流畅」，Agent就会自动梳理需求、搭建页面、在浏览器里测试，用户最后只需回头审查最终版本即可。

「Agent（智能体）」这个词在文中频繁出现，值得单独说清楚。AI Agent 是指能够感知环境、自主规划步骤、并采取一系列行动以完成目标的 AI 系统，区别于普通聊天模型「一问一答」的被动模式。普通模型的工作方式是：你给一个输入，它返回一个输出，然后等待下一条指令。Agent 则不同——它拿到目标后，会自己分解步骤、调用工具（例如执行代码、读写文件、打开浏览器）、观察执行结果，再决定下一步怎么做，整个过程形成一个持续的「感知—决策—行动—反馈」闭环。这也解释了为什么文中强调「调整（Adjust）」如此关键：只有具备自我纠错能力的闭环，才能真正把一件事从头做到尾，而不是在第一个障碍前停下来把球踢回给用户。

Antigravity平台详解：一个「Agent团队指挥室」

Antigravity 并不是一个孤立的应用。回顾 Google I/O，它作为 Antigravity 2 发布，由多个部分组成，可以理解为一个控制室，让你一次运行并指挥整支Agent小队：

• 桌面应用：统一调度多个Agent；
• 终端运行：可直接在命令行里跑Agent；
• SDK：开发者可自建定制Agent；
• 编程环境：内置Agent管理器。

三个真正实用的新能力

除了主体框架，几个新功能尤其值得关注：

• Sub-Agents（子智能体）：主Agent可以把部分任务分派给助手Agent，实现并行工作——比如一个负责搭建页面、另一个负责检查页面，避免单个Agent闷头做完所有事而拖慢整体；
• 定时任务：让Agent在后台自动运行，无需人工时刻盯着；
• 语音指令：可以直接对Agent说话下达任务，不必逐字打字。

当Google把 Gemini 3.7 Flash 这样更强的大脑，装进这套专为「让Agent真正干活」而设计的系统时，你得到的就不再是一个更聪明的聊天机器人，而是一支可以被你指挥的小团队。

文中提到的 SDK（Software Development Kit，软件开发工具包）是指 Google 提供的一套编程接口和库，允许开发者在 Antigravity 的基础上构建自定义 Agent，而不必从零设计底层调度逻辑。Sub-Agents（子智能体）的概念同样值得展开：这是一种「主从协作」架构，主 Agent 负责整体规划和任务拆分，将子任务分发给多个专职 Agent 并行处理，最后汇总结果。这与软件工程中的「微服务」思路颇为相似——每个 Agent 只负责自己最擅长的那一块，系统整体的可靠性和速度因此得以提升。对于非开发者用户而言，这意味着复杂任务（比如同时搭建页面、检查兼容性、生成文档）不再需要排队串行，而是可以由多个 Agent 分头同步推进。

理性看待：AI Agent的能力边界在哪

尽管能力惊人，Peep也坦诚给出了理性的边界：现在还没到「把整个项目丢给AI就能走人」的阶段。

你依然需要：检查结果、制定计划、清楚这件事是为谁而做。AI能让整个流程快很多，但它不能替你思考——它是一个很强的工具，而非你的替身。

上手建议

对于想尝试的用户，给出几点实用心态：

• 从小任务开始：别一上来就拿最大的项目试手，先让它做一个单页面或一个具体修复，结果一眼就能判断成没成；
• 观察它的思路：不要只看结果，要看它是怎么一步步推进的，你会逐渐了解它擅长什么、哪里需要更明确的提示；
• 把它当新队友磨合：别指望它第一次就把所有事做对，给它一个有明确「结束标准」的任务。

真正能用好这些工具的人，不是那些配置最花哨的人，而是学会了如何把任务清楚地交出去、并快速检查结果的人。这种「布置—检查」的反馈循环，才是AI Agent时代最核心的工作方式。

结语

Gemini 3.7 Flash 与 Antigravity 的组合，标志着AI从「代码补全助手」向「自主任务执行者」的关键一步。三周一迭代的节奏、翻倍的基准分数、以及Sub-Agents与定时任务等系统级能力，共同指向一个方向：AI正在从被动应答，走向主动交付。但技术越强，越需要人类保持清醒——决定「做什么」和「为谁做」，始终是无法外包的部分。