Gemini 3.7 Flash

看懂过程，再推进工作

Gemini 3.7 Flash 是 Google 的多模态推理模型，能接收文字、图片、音频、视频和 PDF，并输出文本结果。它适合处理包含过程信息的材料，例如产品演示、培训录像、会议记录和复杂操作录屏，把“发生了什么”进一步整理为“接下来应该做什么”。

视频分析是它的重要应用方向。可以要求模型沿着某个目标追踪事件：演示中哪一步引入了错误，用户在哪些环节停顿，讲解内容与画面是否一致。把视频和操作手册一并提供，还可以让它逐条比对实际流程与书面要求，列出差异及对应片段。结果需要便于复查时，应要求记录时间位置和画面依据。

它也能处理编程与企业流程任务。结合代码、需求文档和工具返回的信息，可以拆解实现步骤、定位问题或整理交付物。官方能力包括搜索辅助、代码执行、函数调用和结构化输出；在应用开放这些工具后，模型可以依据搜索结果、计算结果或业务接口反馈继续推理。

思考强度可按任务选择低、中、高。简单整理可以减少思考投入，跨视频与文档的复杂对照则适合增加推理空间。它输出的是文本分析，不直接生成音频或图片。对于细小文字、快速变化的画面和含糊的音频，补充清晰片段与背景说明，会更有利于得到可靠结论。

视频与手册对照

上传演示视频和操作手册，说明要检查的流程。

提示词示例： “请检查这段设备演示是否符合附件中的操作顺序。按手册步骤列出视频中的对应时间位置、实际动作和差异。画面无法确认的步骤标为待复查，最后生成一份供培训人员使用的修改清单。”

常见问题

• 视频很长，怎样避免只得到概述？指定事件清单和时间粒度，先建立片段索引，再深入分析有疑问的部分。
• 能一边分析一边算数据吗？应用启用代码执行后，可以让模型用计算结果支持判断，并保留输入数据与计算说明。
• minimal 思考设置报错怎么办？该模型支持低、中、高思考强度，选择其中一种。