Gemini 3.7 Flash：对 AI 股票研究意味着什么

Google 于 2026 年 8 月 13 日发布了 Gemini 3.7 Flash，仅在 Gemini 3.6 Flash 发布后三周。头条是一个为编码、知识工作和多步骤代理而构建的更强大、更经济的模型。对于投资者来说，有趣的问题不是 Gemini 是否能写出更好的代码，而是文档理解、工具使用、规划和成本方面的改进能否使股票研究在现实世界规模下更有用。

简短回答是肯定的——但有一个重要的限定条件。

Gemini 3.7 Flash 可以接受文本、图像、音频、视频和 PDF 输入，支持高达一百万个标记的上下文窗口，生成多达 64,000 个输出标记，并可使用函数、基于搜索的 grounding、文件搜索、代码执行及其他工具。这些能力自然对应于阅读年报、比较财报电话会、提取关键绩效指标以及在新证据中监控投资论点等研究任务。

但更强的模型并不等同于可靠的投资流程。它仍可能产生虚构或错误信息（hallucinate）、遗漏脚注、混淆报告数字与调整后数字，或从不完整证据中生成有说服力的叙述。谷歌自己的模型说明书明确列出了幻觉问题作为模型已知的限制之一。因此，实用的结论更为精确：Gemini 3.7 Flash 提高了 AI 辅助金融研究的上限，同时使研究设计、来源控制、验证和人工判断变得更加重要。

谷歌实际发布了什么

Gemini 3.7 Flash 是谷歌 Gemini 3 Flash 系列的下一代版本。谷歌将其描述为用于编码和代理任务的最智能的“主力”模型。它已通过 Gemini API 和 Google AI Studio 以及若干谷歌应用和企业产品向公众提供。

该模型针对质量必须与速度和运行成本并存的市场部分而设计。这个定位很重要。投资研究很少只靠一个精彩的提示完成。严肃的工作流程可能需要打开数十份文件、检索最新信息、提取数百个数据点、运行计算、比较多个时期、检查引文，并在有新文件时重复这一过程。当这些操作在多家公司和多个研究周期上被放大时，成本、延迟和工具可靠性上的小差异就会变得重要。

谷歌的官方文档列出了以下核心规格：

介绍性价格需有背景说明。它在 2026 年 12 月 31 日到期；谷歌列出了从 2027 年 1 月 1 日起的价格为输入每百万令牌 $1.50，输出每百万令牌 $7.50。生产研究平台还需为检索、数据库、市场数据、编排、监控、存储和质量控制付费——不仅仅是模型令牌。

模型说明卡还指出 Gemini 3.7 Flash 基于 Gemini 3.6 Flash，并在其推理基础上增加了算法改进。这是一次迭代发布，并不意味着所有金融分析问题都已被解决。谷歌强调在软件工程、知识工作、网络开发、指令遵循、规划和工具调用方面的改进。

最后一类对投资者最为相关。金融研究是一个知识工作与代理执行的问题：找到正确的证据，使用合适的工具，保留推理链，并且判断何时可用信息不足。

对投资者最重要的改进

在复杂知识工作上的更好表现

谷歌强调了一个名为 GDP.pdf 的专家级 PDF 理解基准。谷歌报告称 Gemini 3.7 Flash 的得分为 34.0%，而 Gemini 3.6 Flash 为 22.0%。在另一个名为 GDPval-AA v2 的知识工作评估中，谷歌报告 3.7 Flash 的 Elo 得分为 1,525，而 3.6 Flash 为 1,422。发布材料还显示在部分编程和代理基准上有改进。但并非所有公布的结果都提高：例如在 CharXiv 推理上，3.7 Flash 在无工具和有工具情况下都略低于 3.6 Flash。该混合结果提示我们应在重要任务上评估模型，而不是把一次发布的总体平均视为普遍证明。

该百分比不应被解读为“在股票研究中准确率为34%”。GDP.pdf 不是投资基准、回报预测，也不是更好选股能力的证据。它是 Google 在特定条件下对某项专家文档理解评估所报告的结果。

尽管如此，方向很重要。股票研究包含许多相同的基础操作：阅读复杂材料、遵循多部分指令、综合证据、生成结构化工作成果、并在证据变化时修订结论。能够更稳定地执行这些操作的模型可以减少分析师在做出实际投资判断前所需的手工修正量。

更有纪律的多步骤执行

Google 表示 Gemini 3.7 Flash 在遇到障碍时适应性更强，必要时会澄清意图，更忠实地遵循指令，并在多步骤规划和工具调用上投入更多努力。

这比一个看起来完善的答案更具意义。考虑一个评估软件公司增长是否正在改善的请求。一个有用的智能代理可能需要：

1. 检索最近的 10-Q、业绩发布、投资者演示文稿和电话会议记录。
2. 识别已报告的收入、按不变汇率计算的增长、剩余履约义务、净留存率、客户数和指引。
3. 对已更改的指标定义进行标准化。
4. 计算环比和同比比较。
5. 区分管理层评论与已报告的事实。
6. 将新证据与投资者的原始论点进行比较。
7. 为每一项重要结论附上引用来源。
8. 将未解决的不一致之处标注以供人工审查。

在第二步失败的系统仍可能在第六步生成流畅的报告。这就是为什么工具纪律很重要。更好的规划和更少的工具错误可以在语言质量变得相关之前提升流程的完整性。

多模态输入正成为实用的研究输入

财务信息并非只以纯文本形式存储。季度演示文稿可能以堆叠图展示业务构成。银行演示可能包含作为图像嵌入的表格。会议视频可能包含转录本未描述的产品演示。年报可能将文本、表格、图示和脚注组合在一个布局中，直接转换为文本时会丢失含义。

Gemini 3.7 Flash 接受文本、图像、视频、音频和 PDF。Google 还演示了该模型如何将复杂的年报转变为交互式数据故事。该演示并不能证明财务准确性，但它展示了研究应用现在可用的格式覆盖范围。

多模态可以减少提取过程中丢失的信息。理论上，AI 系统可以在评估图表时同时参考其标题和脚注，而不是收到互不相连的 OCR 碎片。它可以将首席执行官的书面发言与产品演示中的视觉证据进行比对。当转录不完整时，它还可以检查财报电话的音频文件。

“可以”一词很重要。多模态输入并不能保证被正确解读。图表可能使用被截断的坐标轴。幻灯片可能省略定义，视频既带来信息也带来噪音。每一项提取出的断言仍然需要权威来源，并且对于重要数字，需要与备案文件或公司披露进行核对。

现代的金融研究涵盖文本、表格、图表、音频、视频和 PDF，而不只是单一的财报公告。

一百万令牌的上下文窗口改变了工作空间的规模

一百万令牌的上下文窗口足以容纳大量的申报文件、会议记录、演示文稿和笔记。这带来了短上下文系统难以实现的可能性。分析师可以比较数年的年报、通读一整套季度电话会议录音，或在不将每个问题拆分为孤立提示的情况下，将一家公司与一个小型同行组进行对比。

长上下文并不等同于完美记忆。模型在非常大的提示中可能注意力分配不均。重复的文档可能导致矛盾。旧数据和新数据可能被混淆。检索（retrieval）仍然可能优于不加区分的填充输入，因为检索可以选择最相关的段落并保持证据集的可管理性。

因此，对大上下文窗口的最佳利用并不是“上传一切并信任答案”。而是在研究系统已经知道要寻找什么时，保留更多相关的上下文证据。例如，在分析毛利率变化时，系统可以同时包含当前的脚注、以往的指引、历史的细分构成以及管理层的解释，而不是只依赖一条提取出的句子。

更低的成本使持续分析更可行

Flash 模型的实际价值一直在于规模化。在谷歌的入门价格下，一个工作流程可以以低于许多高端前沿模型选项的模型成本处理大量输入。这使得以前昂贵的做法变得更现实：在每次申报后重新检查关注名单、运行独立的多头与空头分析、对提取的指标进行双重验证，或监测新证据是否与投资论点相抵触。

如果将节省下来的成本用于验证，更低的成本可以提升质量。若仅用于生成更多报告，则也可能增加噪音。相关的商业问题不是一次回答的成本，而是一次经过验证、对决策有用的研究更新的成本。

Gemini 3.7 Flash 在股票研究工作流程中的改进点

在不丢失问题焦点的情况下阅读申报文件

年报内容详尽，但不会自动解释其含义。模型可以在几秒钟内总结一份 10-K，然而通用性的摘要可能很少提供对投资者真正重要的信息。更有用的任务应当以问题为驱动：收入模型发生了哪些变化？哪些费用是真正的可变成本？营运资金的改善是来自业务运营，还是时间性因素？以股票为基础的薪酬如何影响摊薄？公司在非 GAAP 报表中嵌入了哪些假设？

Gemini 的长上下文和 PDF 支持可以帮助将原始研究问题与文档保持关联。设计良好的工作流可能会将会计政策、分部业绩、风险因素变化和脚注提取到一致的模式中。然后由代码执行来计算比率，而不是让语言模型在对话中执行算术。结构化输出可以强制每个指标都带有期间、单位、定义和来源位置。AlphaVue 的 关于备案和已报告事实的公司单页概览 说明了在更深入分析开始之前证据层级为何重要。

这种分工至关重要。模型负责识别和解读证据。确定性代码负责计算。研究应用负责核对数字与引用是否一致。

跨期比较业绩，而不是仅总结单季

市场对变化作出反应，而非孤立的数据点。如果超过预期是来自一次性利好、指引质量恶化或增长转向低利润率业务，公司虽然业绩超预期，但长期论点仍可能被削弱。相反，表面上的业绩不及可能掩盖了留存率改善或有意的投资周期。

AI 代理可以将最新季度与管理层先前的预期以及投资者的论点进行比较。它可以识别语言上的变化、指引区间、分部优先级、资本配置和风险披露的变动。在有足够上下文的情况下，它还能追溯管理层首次引入某个指标的时间，以及该指标的定义是否发生了变化。

输出不应当是二元的“好”或“坏”评分。它应当是一个变更日志：

• 在公布前的预期是什么？
• 实际报告了什么？
• 哪些证据支持原始论点？
• 哪些证据与之相矛盾？
• 哪些方面仍不明确？
• 哪些未来的观察可以解决该不明确性？

这种结构把盈余摘要转变为研究更新。

构建更严谨的竞争对手比较

同行比较常常失败，因为输入不可比。一家公司报告年度经常性收入，另一家报告剩余履约义务，第三家则两者皆不披露。毛利率的定义各不相同。财政年度日历不一致。分部边界会发生变化。

Gemini 3.7 Flash 的工具调用能力和大上下文可以支持标准化工作流：检索每家公司披露的内容，将指标映射到共享分类法，标记定义差异，并仅在证据允许的情况下计算可比趋势。随后由人工分析师决定剩余差异是否具有经济意义。

有价值的结论有时可能是“这些数据不应进行比较”。当 AI 研究被允许拒绝虚假的精确性时，其可信度会提高。

将新闻作为证据而非情绪来监控

搜索溯源和 URL 上下文使得纳入近期信息更容易，但新闻工作流的质量取决于来源层级。企业备案文件通常应优于转发的摘要。监管机构的命令应优于关于该命令的评论。有署名且在案的声明与匿名市场传闻是不同的。

代理可以按来源、日期、主题及其与论点的关系对新信息进行分类。供应商公告可能支持需求情景，但削弱利润情景。监管变动可能仅影响某一地区。竞争对手的产品发布可能对定价具有实质性影响，但与近期收入无关。

目标不是把每个头条标注为看涨或看跌，而是将一个新事实与它改变的假设连接起来。

生成能够揭示假设的情景分析

当情景分析使不确定性可见时它是有用的。当模型虚构出精确预测并用自信的措辞掩盖背后的假设时，它就是危险的。

Gemini 可以帮助生成情景结构、识别变量并解释因果关系。代码执行可以应用明确的公式。健全的输出会将假设与计算分开，并将计算与解释分开。

最高价值的工作流程将检索、提取、计算、解释与最终投资决策分离开来。

Gemini 3.7 Flash 无法解决的问题

幻觉（虚构信息）仍然是首要风险

谷歌的模型说明书直接指出，Gemini 3.7 Flash 可能表现出基础模型的局限性，例如幻觉。在金融领域，哪怕是一个小的幻觉也可能产生不成比例的影响。捏造的指引数字可以改变估值；并不存在的高管引述可以使论点看似被证实；单位错误可以把数百万变为数十亿。

问题并不总是明显的捏造。模型可能将两个真实事实合并成一个错误陈述、附上错误的引用，或在未提示已存在更新披露的情况下使用较旧的数据。流畅的语言使这些错误更难被发现，因为输出看起来很完整。

因此，每一项重要的财务声明都应保留指向基础证据的链接。数值字段应包含单位和期间。系统应区分直接事实、计算、管理层声明、分析师推断与未解决的问题。

较大的上下文窗口并不保证完整关注

一百万个标记扩大了容量，但也可能扩大搜索空间。向模型输入十年的文档可能会引入过时的定义、重复发布、经修订的申报文件以及相互矛盾的指引。如果应用不按日期和权威性对证据进行排序，模型可能会用错误版本生成连贯的答案。

优秀的研究系统仍需检索、文档标识、去重、版本控制和时间逻辑。最新的备案不应默默地覆盖历史记录，历史证据也不应冒充当前指引。

基准测试无法衡量投资回报

谷歌公布的评估涵盖编码、推理、代理、多模态能力、多语言表现和长上下文等方面。这些结果帮助开发者理解模型的相对行为，但并不能证明市场时机、超额收益、预测校准或识别被错误定价证券的能力。

这种区别很重要，因为投资具有对抗性且路径依赖。公开信息已被众多市场参与者处理。更好的摘要可能提高分析师的速度，但并不会带来优势。即便业务预测正确，如果估值已将其折现，也可能导致糟糕的投资结果。

没有一篇负责任的文章应该将基准测试的收益解读为 Gemini 可以“击败市场”的论断。相关的检验是：某个应用是否能帮助投资者构建更完整、一致且可审计的决策。

当前信息仍然需要工具和时间戳

模型说明将 Gemini 3.7 Flash 的知识截止时间设为 2026 年 3 月，同时指出某些领域的信息可能仅覆盖到 2025 年 1 月。模型可以通过诸如搜索接地（search grounding）等工具访问更新信息，但仅凭内部模型本身不应被视为实时的市场数据库。

对于股票研究，每个时间敏感的答案都应注明其信息日期。价格、预估、指引、持股情况，甚至公司的报告结构都可能发生变化。没有时间戳却称“当前”的研究报告已经难以审计。

提示不能替代访问权限或数据质量

模型无法分析其在法律或技术上无法访问的数据。付费市场数据源、完整文字记录、共识预期和替代数据集可能受许可限制。免费网络来源可能存在延迟、不完整，或在无背景的情况下被转载。

研究应用必须尊重数据权利并披露其数据来源范围。再复杂的提示也无法弥补缺失的证据。

模型并不拥有投资决策权

AI 系统可以组织事实并挑战假设。但若未将这些约束明确定义，AI 并不知道投资者的完整流动性需求、税务状况、集中度、时间跨度或对回撤的容忍度。即便如此，适合性和受托责任的考量也超出模型生成的叙述范围。

人类投资者仍对决策负责。这并非形式上的免责声明，而是一项设计要求：工作流程应揭示不确定性与备选方案，而不是人为制造自信。

使用 Gemini 进行股票分析的实用方法

最安全的起点是一个范围明确且有可见证据链的窄任务。不要从“我应该买这只股票吗？”开始。应从可以通过已定义来源回答的问题着手。

例如：

使用公司的最新业绩公告、10-Q 报表和财报电话会议记录，将报告的收入增长、毛利率、营业利润率、自由现金流和指引与上一季度进行比较。对于每一项数据，返回期间、单位、来源文件以及确切的来源位置。将报告事实与您的解读分开。列出各文件之间的任何冲突，且未经证据不要解决这些冲突。

该提示有用，因为它指定了来源、字段、出处和在不确定情况下的行为。生产系统应进一步加强，强制执行输出模式、用代码验证计算并自动检查链接。

有纪律的工作流程可遵循六个阶段。

1. 在收集证据之前定义论点

以可证伪的方式写出主张。“这是一家很棒的公司”无法检验。“随着企业业务规模扩大，收入增长可保持在20%以上且经营利润率扩张”则包含可观测的变量。

定义哪些情况会加强、削弱或使论点失效。这能阻止模型对每一项新发展都进行合理化论证。

2. 建立来源层级

将 SEC 备案文件、公司投资者关系资料、监管机构发布和原始会议记录作为主要证据。使用高质量报道作为背景资料。将社交帖子和无来源的评论视为线索而非证据。

记录发布时间、事件时间、报告期和文档版本。当修订后的备案或更新指引取代早期信息时，这一点尤为重要。

3. 提取到结构化模式

要求字段例如指标名称、报告值、单位、货币、期间、GAAP 状态、来源、页码或章节以及置信度。结构化提取比段落式更易于验证。

当两家公司对某项指标有不同定义时，应存储两者的定义，而不是强行进行比较。

4. 在外部（非正文层）进行计算

对增长率、利润率、估值情景和敏感性分析使用代码或电子表格进行计算。保留公式。应要求模型解释结果，而不是作为一个看不见的计算器。

5. 进行反驳性检查

让一个独立流程对初步结论提出反驳。查找遗漏的脚注、基数效应、并购、会计变更、客户集中度、摊薄、营运资本时点以及管理层激励等问题。

在这方面，低成本的代理执行可能特别有价值。更多独立的核查可以在相同的运营预算内进行，前提是它们确实使用不同的证据或承担不同的角色，而不是重复相同的提示。AlphaVue 在其 多代理研究系统 的概述中对这一差异有进一步阐述。

6. 保存论点版本并关注下一个触发事件

当研究报告具有记忆时更有用。保存投资者的信念、支持该信念的证据、未解决的风险以及应触发审查的事件。下一次业绩发布应更新该记录，而不是在没有任何背景的情况下重新开始一次新的对话。

投资论点应通过明确的证据更新来演进，而不是在每一次股价变动后重写。

更大的转变：模型正在成为组件，而非独立产品

发布节奏与单个模型同样重要。Gemini 3.7 Flash 在 Gemini 3.6 Flash 之后三周发布。价格、能力和模型名称可能比投资流程应有的变化速度更快。

这意味着需要一种对模型灵活的研究架构。持久的价值不是绑定到某一模型版本的提示词，而是围绕模型的证据系统：来源摄取、文档版本控制、结构化指标、计算、评估集、引用、论点历史和用户控制。

一种模型可能最擅长大规模文档抽取。另一种可能更适合对抗性审查。更小的模型可以廉价地处理分类。确定性的工具应该执行算术运算。人类应当决定哪些假设重要。

对于评估 AI 公司的投资者来说，同样的观察具有战略意义。模型质量仍然重要，但分发能力、基础设施成本、工具生态、企业集成、专有数据访问和工作流所有权可能决定谁能获取经济价值。基准领先可能是暂时的，而深度嵌入的工作流更具韧性。

Gemini 3.7 Flash 强化了谷歌在高流量代理层的地位。其多模态、长上下文、工具支持和引导性定价的组合可能鼓励开发者构建更有野心的应用。然而，分析 Alphabet 的投资者应避免直接将模型能力与收益影响划等号。财务影响取决于采纳情况、引导期后的定价、推理成本、竞争响应以及新用例是增量性的还是替代现有产品。

因此，该公告对投资研究的双方都有相关性。它改变了分析师可用的工具，并提供了关于 AI 平台市场竞争的新证据。

从能干的模型到可靠的研究工作流

这正是一套专用研究系统与通用聊天机器人的不同之处。

聊天机器人旨在优化对当前提示的回答。投资工作流必须保留已有的过程并为接下来的变化做好准备。它需要知道使用了哪些文档、哪个论点版本处于活动状态、哪些假设发生了变化，以及哪些投资组合头寸可能受到影响。

AlphaVue 的设计围绕该工作流层展开。它帮助投资者组织 AI 辅助的公司研究，从多个角度审视投资论点，将结论与证据连接，跟踪在新事件发生后论点如何变化，并考虑对投资组合的影响。想了解更广泛方法的读者可以使用 AlphaVue 的 AI 股票研究完整指南 以及关于 证据链如何使 AI 分析可验证 的解释。其价值并不依赖于声称某一通用模型可以预测股价，而在于使研究过程更加结构化和可审查。

这种区分也解释了为什么本文并不声称 AlphaVue 使用 Gemini 3.7 Flash。模型发布可以影响市场对 AI 研究的看法，但并不意味着具体产品的整合。对投资者而言，重要的是研究环境是否提供来源可识别的分析、揭示分歧并保留论点的历史。

最强大的未来系统很可能将不断改进的基础模型与应用层控制相结合：

• 以原始来源检索为主，而非仅凭记忆回答。
• 采用多种分析角色而非单一的说服性叙述。
• 可复现的计算。
• 同时展示支持性和相互矛盾的证据。
• 保留超出一次聊天会话的论点版本。
• 监控能将新事件与其影响的假设联系起来。
• 提供投资组合背景，避免将公司分析误认为完整的配置决策。

Gemini 3.7 Flash 可以让选择使用它的开发者加速并降低该系统部分功能的成本，但这并不消除对系统本身的需求。AlphaVue 最近的 投资决策系统和论点监控更新 展示了在首次报告之后如何将研究工作延续下去。

基础模型负责生成与推理；研究系统则增加来源、验证、论点记忆和投资组合背景。

投资者接下来应关注的事项

最有用的后续证据不会是另一个宣传性基准测试。投资者和开发者应观察模型在重复的生产任务中的表现。

首先，注意引文的准确性。系统能否始终将某一论断与正确的段落关联起来，包括正确的日期和单位？能够检索到正确文档但引用错误章节的模型，会产生额外的隐性审核工作。

其次，关注工具调用的可靠性。代理可能需要数十个成功步骤才能完成一项研究任务。即便小幅的失败率在长工作流中也会累积。恢复行为——识别错误、选择另一条路径并请求澄清——与第一次尝试同样重要。

第三，评估每个经验证输出的总成本。谷歌的入门代币价格很有吸引力，但生产成本还包括重试、长时间推理、检索、数据访问、存储和人工审查。最便宜的代币不一定能产生最便宜且值得信赖的报告。

第四，测试长上下文的准确性，而不是上下文容量。开发者应衡量随着文档增加关键事实是否仍可检索、近期信息是否得到正确优先级，以及系统是否能检测到冲突的版本。

第五，将领域性能与通用性能分开评估。模型在编程上可能表现出色，但仍需对财务表格、会计定义和时间性问题进行专门评估。有效的金融评估应包括修订、非公认会计准则（non-GAAP）调节、分部变更、单位不一致，以及故意诱导但缺乏依据的结论。

最后，关注产品生态系统。当应用将能力转化为可靠的结果时，基础模型才会创造价值。控制数据、分发、评估和工作流的公司，可能会获得与提供模型的公司不同的那部分价值。

最终要点

Gemini 3.7 Flash 对于 AI 股票研究具有重要意义，因为它同时改进了多个构建模块：多模态文档处理、长上下文分析、结构化工具使用、多步骤执行，以及大规模运行代理的经济性。

它并未解决投资中最困难的部分。模型不能保证证据是完整的、论点是恰当构建的、估值有吸引力，或市场会认同。谷歌自己的文档也承认存在幻觉和知识限制风险。负责任的做法不是否定模型，而是把模型置于可以检测并控制这些弱点的流程中。

AI 辅助研究的竞争优势将来自将强大的模型与更好的问题、更高质量的来源、明确的计算、对抗性审查、论点记忆和有纪律的人类判断相结合。更快的阅读有用，但更快且可追溯的学习更有价值。

使用 AlphaVue 构建并跟踪基于证据的投资论点。