Gemini 3.7 Flash
Google 모델 · 2026년 8월 13일 공개. 독립 벤치마크 점수, 종합 지수, 사람 투표 순위와 개발사 발표 점수를 그래프로 정리했습니다.
- 개발
- Google DeepMind
- 공개일
- 이용 방식
- API 제공
- 종합 능력 지수(ECI)
- 157.3신뢰구간 155.4~159.9
- Arena 점수(사람 투표)
- 148613위 · 투표 24,173표
영역별 강점
같은 시험을 치른 모델 가운데 어디쯤인지(백분위)를 영역별로 평균했습니다. 바깥일수록 상위권이고, 점수가 없는 영역은 가운데 빈 점으로 표시합니다.
Google 모델 흐름
큰 점이 이 모델입니다. 선은 그때까지의 최고 기록입니다.
독립 벤치마크 점수
- GPQA Diamond과학94.8%
94개 모델 중 5위. 대학원 수준의 생물·물리·화학 객관식 문제 198개. 검색으로 답을 찾기 어렵게 만든 문항이다. 생각 수준 '높음' 기준. 오차 ±1.4%.
- OTIS 모의 AIME수학97.2%
91개 모델 중 23위. OTIS의 경시대회형 수학 문제 45개. MATH Level 5보다 어렵고 FrontierMath보다 쉽다. 생각 수준 '높음' 기준. 오차 ±1.9%.
- FrontierMath 1~3단계수학71.6%
57개 모델 중 20위. 연구 수준의 매우 어려운 수학 문제(비공개) 2026년 판의 1~3단계. 생각 수준 '높음' 기준. 오차 ±2.7%.
- FrontierMath 4단계수학36.6%
48개 모델 중 20위. FrontierMath 2026년 판에서 가장 어려운 4단계 문제(비공개). 생각 수준 '높음' 기준. 오차 ±7.6%.
- SimpleQA Verified지식69.2%
52개 모델 중 9위. 정치·과학·예술·스포츠·지리 등 짧은 사실 질문 1,000개에 검색 없이 답한 정확도. 생각 수준 '높음' 기준. 오차 ±1.5%.
- 체스 퍼즐추론47%
60개 모델 중 12위. 체스 엔진으로 새로 만든 퍼즐 100개. 퍼즐마다 최선의 다음 수가 하나 있다. 생각 수준 '높음' 기준. 오차 ±5%.
- 미공개 게임 퍼즐추론37%
47개 모델 중 12위. 잘 알려진 게임을 퍼즐용으로 바꾼 변형판의 100개 국면. 어떤 게임인지는 일부러 밝히지 않았다. 생각 수준 '높음' 기준. 오차 ±4.9%.
- 가구 조립 검사공간·학습26.7%
27개 모델 중 23위. 가구 조립 사진을 보고 조립이 맞는지, 틀렸다면 어느 단계가 틀렸는지 찾는 공간 추론 시험. 생각 수준 '높음' 기준. 오차 ±5.6%.
세로선은 무작위로 찍었을 때 기대되는 점수입니다. 같은 벤치마크라도 평가 방식과 설정에 따라 점수가 달라지므로 개발사 발표 수치와 다를 수 있습니다.
개발사 발표 점수
개발사가 공식 페이지나 논문에 직접 밝힌 수치입니다. 평가 조건이 서로 달라 다른 모델과 바로 비교하기는 어렵습니다. 항목마다 원문에서 확인할 수 있습니다.
| 항목 | 발표 값 | 원문 |
|---|---|---|
| DeepSWE v1.1 Long-horizon software engineering | 65.3% | deepmind.google |
| Vals Finance Agent v2 Financial analyst tasks | 59% | deepmind.google |
| Harvey's Legal Agent Benchmark Complex legal workflows | 8.8% | deepmind.google |
| Terminal-bench 2.1 Agentic terminal coding | 85.8% | deepmind.google |
| Terminal-bench 4.0 General agent capabilities | 11.2% | deepmind.google |
| GDP.PDF Expert PDF document comprehension | 34% | deepmind.google |
| CharXiv Reasoning Information synthesis from complex charts | 84.5% | deepmind.google |
| LVBench Long video understanding | 85.4% | deepmind.google |
| HLE-Verified Multidisciplinary expert reasoning | 53.6% | deepmind.google |
| OSWorld-2.0 Agentic computer use | 50.6% | deepmind.google |
| FrontierCode 1.1 Main Production code quality | 43.6% | deepmind.google |
| Terminal-bench 3.0 General agent capabilities | 14.9% | deepmind.google |
| AutomationBench Enterprise workflow automation | 30.4% | deepmind.google |
| Harvey LAB-AA Complex legal workflows | 90.7% | deepmind.google |
| GDP.pdf Expert PDF document comprehension | 34% | deepmind.google |
| GDM-MRCR v2 (8-needle) Long context performance | 97% | deepmind.google |
함께 볼 모델
- Gemini 3.8 Flash Google · 2026-09-02
- Gemini 3.6 Flash Google · 2026-07-21
- Grok 4.6 xAI · 2026-08-12
- Claude Fable 5.1 Anthropic · 2026-09-01