Gemini 3.7 Flash a 3.5 Transcribe: co Google oznámil vývojářům

Srpnový souhrn Googlu míchá modely, telefony, spotřebitelské funkce i statistiky používání. Pro vývojáře jsou z něj podstatné hlavně dvě položky: Gemini 3.7 Flash určený pro kódování a agenty a speech-to-text model Gemini 3.5 Transcribe.

Google popisuje Gemini 3.7 Flash jako svůj dosud nejchytřejší „workhorse“ model pro coding a agentní úlohy. Zároveň ho rámuje jako nákladově úspornější variantu a uvádí zlepšení v softwarovém inženýrství, znalostní práci a webovém vývoji. Souhrnný článek však neobsahuje benchmarky, cenu ani srovnání latence, podle kterých by šlo tato tvrzení posoudit. Je to rozcestník k produktovým oznámením, ne nezávislý test.

Gemini 3.5 Transcribe je zaměřený na průběžný přepis pro voice agenty, živé titulky a analýzu hovorů. Google tvrdí, že lépe pracuje s hlukem, odborným slovníkem a kontextem než běžné přepisovací modely. Ani zde srpnová rekapitulace neříká, na jakých datech bylo srovnání provedeno nebo jak se model chová v češtině. Pro rozhodnutí o nasazení tak chybějí minimálně word error rate podle jazyka, latence streamingu, cenový model a pravidla práce se zvukovými daty.

Co je pouze firemní kontext

Do stejného přehledu Google zařadil telefony Pixel 11 s čipem Tensor G6, roční AI plán pro vybrané studenty a údaj o více než miliardě měsíčních uživatelů aplikace Gemini. Tyto informace popisují rozsah produktového portfolia, ale samy nic neříkají o kvalitě obou vývojářských modelů. Počet uživatelů aplikace například nelze převést na důkaz přesnosti API nebo vhodnosti pro produkčního agenta.

Z oznámení tedy plyne, které dvě nové modelové řady má smysl samostatně otestovat. Neříká ale, zda se migrace vyplatí. U Gemini 3.7 Flash je potřeba ověřit cenu, latenci, spolehlivost tool callingu a výsledky na vlastních úlohách. U Transcribe navíc přesnost pro konkrétní jazyk, hlučné prostředí a oborový slovník. Bez těchto měření zůstávají formulace o lepším kódování a inteligentnějším přepisu tvrzeními Googlu.