发布背景与市场反响
四天前，Google正式发布了Gemini 3.7 Flash。尽管作者曾误以为是3.5 Pro，但这款新模型自发布以来便收获了来自可信评测人士的高度评价。与以往相比，社区对该模型的反馈呈现出明显的正面趋势。作者指出，近期大模型迭代速度显著加快，短短三周内便能看到同一实验室推出的新模型在性能上超越前代产品。这种高频次的迭代刷新了行业节奏，使得Gemini 3.7 Flash在能力上相比3.6 Flash有了显著提升。这种提升不仅体现在官方基准测试中，也反映在用户社区的普遍赞誉上。
价格策略与性价比分析
此次发布的一个重大亮点是大幅降低的使用成本。此前Gemini 3.5 Flash因价格过高而受到批评，而新版模型通过极具吸引力的定价策略改善了这一局面。目前存在一个为期四个月的促销期（至2024年12月31日），在此期间：输入价格为$0.75/百万token，输出价格为$3.75/百万token。作者强调这一价格处于图表的“理想区域”，即高性能与低价格的结合点。然而，需注意的是2025年1月1日后价格将翻倍：输入涨至$1.50/百万token，输出涨至$7.50/百万token。这一价格变动策略旨在短期内提升竞争力，但长期成本仍需用户考量。
技术规格与核心能力定位
从技术参数来看，Gemini 3.7 Flash是一个多模态模型，支持文本、图像、视频、音频和PDF输入，并输出文本。其上下文窗口长度超过100万token，但最大输出限制为65,536 token。虽然作者坦言Gemini系列以往在编码领域并非最强项，但其图像处理和通用知识能力一直令人印象深刻。作者个人长期使用Gemini 3.1 Pro处理非编码类工作，对其视觉能力和长上下文表现给予肯定。此次发布的3.7 Flash在保持这些优势的同时，进一步提升了整体性能。
实际测试：BrowserOS与游戏演示
在具体的功能演示中，作者使用Browser OS V2.7进行了测试。该环境要求生成带有动态效果的程序化壁纸和邮件客户端。模型响应速度极快，能够迅速输出大量文本段落。在界面交互方面，作者成功解锁了具有“合成波美学”风格的系统PIN码（1234），并调整了壁纸速度、Wi-Fi设置及主题。随后，作者测试了两个3D游戏：Grand City 3D和Aero Strike 3D。在Grand City中，模型成功启动了游戏并获得了五星评价；而在Aero Strike（小行星射击类）中，模型也顺利加载了游戏画面。这些演示证明了该模型在生成可玩3D内容和复杂UI交互方面的强大能力。
量子合成器与复古操作系统的交互测试
视频首先对名为“Quantum Synth”的生成应用进行了初步评估。作者指出，虽然该系统没有先前的类似案例作为参考（no prior art on this system for this to go off），但其视觉风格与某些已知事物高度相似，整体完成度约为 80%。在功能测试中，系统内置了邮件客户端、体育新闻推送以及战术警报通知。Spam mail from our games 这一细节被作者视为一种真实的交互反馈，尽管通知内容略显荒诞（如“Start send trash”）。
随后测试了名为“Snapshot OS”和“Rewind OS”的界面主题。作者特别赞赏其程序化壁纸（Procedural wallpaper）和神经网视觉效果，并对synthwave flow风格表示高度认可。系统提供了包括“Hyperspace”和“Matrix rain”在内的多种主题与配色方案。在终端应用“Cyber Deck”中，作者发现命令列表较为基础，缺乏如 NeoFetch 等高级功能，因此评价其表现“competent”但并非顶尖。然而，系统展示了丰富的交互性，包括可清除的通知堆栈和登录 PIN 码提示。作者指出，虽然not very good op sec（安全性不佳），但这种丰富的交互细节在同类生成结果中并不常见，体现了 UI 设计的趣味性。
3D 摔跤游戏：从物理缺陷到玩法改进
作者引入了一项在 GLM 5.3 视频中曾测试过的80s themed 3D wrestling game prompt，期望验证 Gemini 3.7 Flash 在此类复杂场景下的表现。初始生成的游戏名为“Slam Mania 85”，角色包括 Rowdy Roddick 和 Johnny Piper。经过快速浏览，作者认为实施计划尚可，但在实际运行中发现了严重的物理引擎问题。The sidewaysness 导致角色和擂台呈现异常的倾斜状态，且裁判模型出现位置错误。游戏陷入了死循环的“P I N F A L L attempt”判定中，缺乏正常的比赛逻辑。
在提供反馈并刷新后，作者观察到明显的改进。The mat isn't moving（擂台不再移动），物理稳定性得到修复。然而，新的问题随之出现：角色动作依然僵硬，且出现了针对观众的违规攻击动画（That's a lawsuit against the crowd）。作者对比了之前的 GLM 结果，认为虽然 Gemini 3.7 Flash 在“可玩性”（more playable in terms of just spam clicking and running around）和动作连贯性上有所提升，允许玩家看到一些招式表演，但整体沉浸感和场景独特性仍不及前作。GLM 生成的奇怪摔跤面具反而带来了一种独特的视觉记忆点，而 Gemini 的结果则显得较为平庸。
C++滑板游戏：视觉模仿与核心机制的权衡
最后一项测试聚焦于一个自包含的 C++ 滑板游戏，设定为早期 2000 年代纽约地图，并明确要求不使用 Raylib 库。作者指出该任务本身具有挑战性，且生成速度极快。It's just completely unnecessary 的复杂设定导致了初期的混乱。在修复过程中，作者发现虽然游戏添加了天际线和 HUD（抬头显示器）元素，但核心的 Ollie（豚跳）逻辑依然失效。The ollies work intermittently，导致操作体验极差。
为了进一步测试模型的多模态理解能力，作者提供了 Qwen 3.8 Max（2.4万亿参数开源模型）的成功截图作为参考，要求修复 Ollie 逻辑并模仿视觉风格。结果显示，模型在视觉上取得了显著进步。It definitely made it look more like the Quen result，成功捕捉了整体场景氛围。然而，这种视觉上的近似是以牺牲细节为代价的。It focused more on like the overall scene, and maybe not like the niche detail，如人行道纹理、垃圾袋和骑手模型的具体细节被简化或忽略。此外，虽然 Ollie 似乎得到了修复，但其他所有技巧（tricks）均无法使用，或者键位映射未能正确反映 Qwen 游戏的操作逻辑。作者总结认为，尽管视觉改进明显，但核心游戏机制的缺失使得最终结果not blown away。
3D CAD建模：RB26引擎的打印可行性测试
视频创作者首先对Gemini 3.7 Flash进行了复杂的3D CAD建模任务测试，要求模型为直列六缸RB26发动机内部需容纳微型N20 RC马达，并输出可直接3D打印的文件。在漫长的等待后生成的预览图中，模型展示了半切面视图、分离的组件以及用于对齐的定位销。整体外观在初步观察下显得相当不错，尤其是涡轮增压器的方向正确，这在以往的模型中较为罕见。然而，当深入检查单个部件时，问题显现出来。块状支架（block cradle）部分存在奇怪的几何结构，导致无法在不使用支撑的情况下进行打印。更致命的是，定位销的设计严重阻碍了模型的正常组装和打印可行性。尽管模型在整体结构上表现出一定的胜任能力，但未能满足“几乎无需支撑即可打印”这一核心测试标准。创作者评价该模型虽然不够精细，但在基础建模层面是合格的。
极客挑战：将Android电视盒刷入DOS系统
为了测试模型处理极端复杂任务的能力，创作者选择了一个极具挑战性的硬件改造项目：将一台名为T95 Super的Android电视盒（搭载Allwinner H3芯片）从安卓系统彻底擦除，并刷入一个基于文本的开源复古操作系统（类似FreeDOS）。创作者指出，这类任务比编写C++游戏要困难得多。起初尝试通过USB连接获取设备ID失败，随后切换至以太网连接。模型迅速识别到设备，并主动请求备份引导加载程序和启动分区软件数据。这一反应表明模型理解了底层硬件架构，并准备执行彻底的擦除操作。创作者提到，他拥有大量此类设备是因为2022年供应链短缺时，它们曾是构建社交机器人的低成本替代方案（约$20），但如今这些机器人已开源并转向使用Jetson Nano等更专业的硬件。
实施计划与底层逻辑分析
模型生成的实施方案详细描述了如何完全擦除现有的Android TV OS，并在裸机硬件上安装一个复古文本操作系统。该计划包括：构建最小的可引导文件系统、打包新的启动镜像、擦除安卓分区并刷入新镜像，最后进行重启验证。模型承诺将实现即时启动、HDMI全屏幕文本渲染引擎、完整的USB键盘支持以及经典的DOS实用程序。值得注意的是，模型提出将使用C语言编写FreeDOS风格的文本操作系统引擎或复用现有资源。这一计划展示了模型对底层硬件交互、文件系统构建及系统引导流程的深刻理解。尽管创作者坦言不确定该方案在物理层面是否完全可行，但模型展现出的逻辑连贯性和对硬件规格（如Allwinner H3 SoC架构）的检索能力令人印象深刻。整个过程速度极快，使得创作者能够迅速判断任务的潜在可行性。这种快速反馈机制让测试者能立即知晓模型是否能处理如此荒谬且高难度的指令。
利用AI自动化破解老旧电视盒子的系统刷机难题
视频创作者展示了一项极具挑战性的技术实验：将一台运行Android TV系统的廉价电视盒子（基于Allwinner A83芯片）刷入FreeDOS 1.3系统。起初，创作者尝试让AI模型直接指导这一过程，但遇到了硬件交互的复杂性。由于显示器需要额外供电且初始输出存在乱码，AI无法完全通过视觉反馈进行精确操作。创作者引入了一个辅助摄像头策略：让模型通过连接在电脑上的 webcam 实时观察显示器输出，从而实现对自身工作的自我检查。这种“视觉闭环”方法在解决硬件/软件故障排查时非常有用，因为它允许模型在不依赖人工逐帧发送图像的情况下持续监控状态。
"Hey, go wild. Like, point it at whatever is showing the actual like real output and then you give it the webcam... now you can check your own work without me needing to just send you images each time."
尽管AI成功生成了软件更新命令，但由于无法直接控制物理键盘输入（如确定哪个键是管道符），创作者不得不手动介入。然而，AI生成的自动化刷机脚本展现了其价值：它自动检测到了新插入的设备并执行了擦除和重启操作。这一过程证明了AI在生成底层系统脚本方面的能力，即使在人机协作的混合模式下也能显著降低操作门槛。
FreeDOS 1.3系统的成功部署与基础功能验证
经过多次尝试和硬件重置，电视盒子最终成功启动进入FreeDOS 1.3系统。屏幕显示清晰的欢迎信息："Welcome to FreeDOS 1.3 T95 Super Retro Console"。此时，系统界面不再出现之前的乱码问题。所有文本渲染正常，创作者通过连接的标准USB键盘成功运行了经典的Snake游戏。尽管存在轻微的按键读取延迟问题，但整体输入响应符合预期。
为了验证系统的完整性，创作者进一步测试了全屏编辑器和Unix Shell环境。虽然Shell部分出现了一些兼容性警告，但核心功能已确认可用。最关键的突破在于冷启动测试：创作者断开所有电源并重新连接，仅保留HDMI线。系统并未像预期那样回到Android TV的启动画面（Splash Screen），而是直接冷启动了FreeDOS系统。这一结果证实了定制的内核镜像能够完全接管硬件启动流程，实现了真正的“零臃肿”状态。
"It did. I completely booted back into this DOS little T95 Super Retro console... Instant cold boot, zero bloat."
底层技术架构：逆向工程与直接帧缓冲渲染
该项目的核心技术在于对Allwinner H3芯片Android启动链和显示管线的逆向工程。由于缺乏现成的开源解决方案，创作者必须彻底擦除专有Android层并构建定制的直接帧缓冲FreeDOS内核。具体技术实现分为三个关键阶段：
- 存储擦除与分区重用：Android TV盒子通常使用复杂的超级分区和DM线性挂载。创作者将所有Android分区清零，并将12GB的U盘分区格式化为干净的C:驱动器。
- 直接HDMI帧缓冲与CP437引擎：摒弃了沉重的显示服务器，DOS内核直接与硬件帧缓冲区内存通信。通过映射标准的8x16 IBM字体表，解决了初始的乱码问题。这种直接渲染方式实现了原生60 FPS的HDMI/VGA帧缓冲输出。
- USB事件子系统与热插拔支持：输入层主动拉取Linux设备节点并检测热插拔事件。任何插入的USB键盘都会立即绑定到标准DOS键码，确保了即插即用。
整个操作系统被压缩在一个紧凑的14.2兆字节（MB）Android启动镜像V2中。系统能够在不到2.5秒内冷启动进入FreeDOS Shell。这一架构专为复古爱好者和黑客设计，提供了一个高性能、无冗余的开源计算设备。通过逆向工程特定的芯片启动流程，创作者成功将廉价的电视盒子转化为专用的复古计算终端。
逆向工程：在封闭硬件上运行 Linux 的艰难突破
本次测试的核心亮点之一，是尝试在非标准的白标 Android TV 盒子（如 T95 Super）上运行 Linux。这类设备通常不公开主板原理图或存储映射，且其供应商引导程序拒绝标准的桌面 Linux 启动扇区。为了克服这一障碍，测试者必须从运行中的设备中检查并逆向工程闪存布局、供应商引导镜像结构以及设备树。这一过程极其复杂，因为FreeDOS 架构需要逆向工程未记录的分区表和存储体系结构。为了确保持续的硬件驱动兼容性，特别是 HDMI 输出功能，测试者选择保留供应商的内核二进制文件。这种策略虽然简化了流程，但也意味着必须深入理解Linux 4.9 Sun8i 内核与特定硬件的绑定关系。在供应链受限时期，许多技术爱好者曾致力于此类工作，但如今面对缺乏文档的定制硬件，逆向工程特定的引导链成为了关键挑战。这种对底层系统的深度干预展示了模型在处理非标准、无文档硬件环境时的实际应用能力。
游戏测试：Subway FPS 的功能性与交互性惊喜
在简单的地铁第一人称射击（FPS）游戏测试中，模型生成了一些有趣但存在瑕疵的功能。虽然初始版本中存在点击进入车站无效的问题，但在修复后，游戏环境得以呈现。场景设定在一个室内下雪的简单车站，尽管视觉表现并非顶级，但物理交互细节令人意外。测试者发现，子弹击中地铁车厢和墙壁后留下的弹孔效果准确反映了所选武器的特性。最引人注目的是武器切换功能的存在，这在同类生成内容中较为罕见。尽管音频输出出现故障（扬声器开启但无声），且角色移动时出现奇怪的旋转动作，但游戏在失败后能正确重生玩家。这些细节表明，模型不仅生成了静态场景，还构建了具备基本逻辑反馈的交互式环境。尽管存在音频和视觉上的小缺陷，这种基于特定武器生成不同破坏效果的能力显示了其在游戏逻辑构建方面的进步。
3D 模型生成：奢华手表网站的交互体验升级
在网页设计测试中，要求创建一个展示 3D 手表模型的豪华网站。与之前的 Gemini 模型相比，新模型在功能丰富度和交互性上有了显著提升。生成的手表模型不仅包含表盘、表带和表冠，还增加了30 分钟和 60 秒的额外小表盘。更令人印象深刻的是其交互功能：用户可以实时更改手表颜色（如“北极镜钢”、“DLC 隐形黑曜石”），甚至查看爆炸视图（Exploded View）以展示内部结构。此外，还启用了夜光模式，模拟发光效果。尽管页面布局存在缺陷——例如为了突出主展示区而忽略了下方模型列表的完整性，且部分组件位置略显怪异——但这种集展示、定制和结构拆解于一体的交互体验是前所未有的。测试者指出，虽然模型精度并非完美，但功能的全面性和用户参与度远超以往版本。
极具竞争力的价格与质量平衡
Gemini 3.7 Flash在定价策略上展现出了极高的性价比，其价格水平与许多更便宜的模型相当。然而，在质量层面，评测者认为该模型在当前价格点上具有极强的竞争力，足以对部分其他提供商构成挑战。尽管Sonic 5的测试已经过去一段时间，但评测者确信该模型在市场中占据着重要地位。需要特别注意的是，这仍然是一个Flash版本的模型，这意味着它在追求速度与效率的同时，并未牺牲核心的智能表现。这种在成本与性能之间的精准平衡，使其成为当前市场中一个不可忽视的选项。
填补Pro模型空窗期的市场定位
由于Google近期没有更新Pro版本的模型，用户群体自然会将目光转向最新的Flash系列。在这种背景下，许多用户倾向于认为这些新的Flash模型就是Google目前绝对的最先进顶级模型。评测者指出，这是一种非常合理且公平的市场评估。因此，尽管部分用户可能因为缺乏前沿竞品而对Gemini 3.7 Flash在编程方面的表现持保留态度，但考虑到当前Google产品线的实际情况，该模型实际上承担了旗舰级替代者的角色。这种市场认知的转变，使得Flash系列在高端应用场景中的接受度大幅提升。
编程能力与竞品对比的客观视角
针对近期关于Gemini 3.7 Flash在编程性能方面表现不佳的负面评价，评测者提供了更为全面的视角。虽然Google目前缺乏直接的前沿竞品（Frontier Competitor），但这并不意味着该模型在整体生态中毫无价值。事实上，Gemini 3.7 Flash拥有一些中等层级的竞争对手（Mid-tier Competitors），这表明其在特定任务上仍具备相当的实力。评测者强调，不能仅因缺乏顶级对标产品就全盘否定其表现，而应将其置于更广泛的竞争格局中进行考量。这种客观的分析有助于用户更全面地理解该模型的实际能力边界。
视频总结与互动引导
随着对Gemini 3.7 Flash的综合分析结束，评测者对本期视频内容进行了总结。对于观众提出的任何与声音无关的问题，鼓励大家在评论区自由留言交流。评测者特别感谢观众的观看与支持，并期待在未来的内容中继续探讨相关话题。
"it's comparable to like a lot of cheaper models in price, but quality-wise... something to cause problems for maybe some other providers."
"I think that's a fair assessment to make... there are some mid-tier competitors in Gemini 3.7 flash."
结论
Gemini 3.7 Flash凭借极具竞争力的促销定价（至2024年底输入$0.75/百万token）和显著优于前代的响应速度，确立了高性价比的市场定位。在通用交互、视觉生成及UI设计方面表现卓越，能稳定输出具备复杂逻辑的3D游戏场景、可交互网页及多模态内容，填补了Google Pro系列更新空窗期的旗舰需求。
然而，其短板同样明显：在精密工程领域（如3D CAD建模）存在几何缺陷导致打印不可行；在游戏核心机制上，虽视觉模仿能力强于竞品Qwen 3.8 Max，但物理引擎和交互逻辑仍不稳定；底层系统刷入等极端任务需依赖人工闭环验证。总体而言，它是当前Google生态中最先进的通用模型，适合创意与快速原型开发，但不适用于高精度工程或无需人工介入的自动化底层操作。