Google’ın kendi paylaştığı benchmark sonuçlarına göre 3.7 Flash, özellikle kodlama ve agentic iş akışlarında 3.6 Flash’a göre ciddi bir sıçrama gösteriyor.
Production code quality testinde %43,6 ile Claude Sonnet 5 ve GPT 5.6 Terra’nın biraz önünde. Enterprise workflow automation testinde %30,4 ile karşılaştırılan modeller arasında ilk sırada. DeepSWE’de ise %65,3 alıyor, burada GPT 5.6 Terra %69,6 ile önde. Web geliştirmede de 1588 puanla karşılaştırılan modellerin üzerinde görünüyor.
