3.7 Flash muestra grandes avances con respecto a 3.6 Flash en tareas de codificación como depuración y resolución de problemas. También logra una mayor precisión del código de primer paso y ha mejorado el rendimiento en la generación de código listo para producción, como se ve en FrontierCode 1.1 Main (43,6 % frente a 34,4 %) y DeepSWE v1.1 (65,3 % frente a 49,0 %).
En el desarrollo web, 3.7 Flash genera diseños más funcionales y aplicaciones con funciones completas en menos indicaciones. Para la generación de UI, el modelo muestra una alta adherencia y paridad del diseño según una entrada de referencia, ya sea una captura de pantalla, una imagen o un sistema de diseño completo. Supera a 3.6 Flash en WebDev Arena de Arena.ai con una puntuación Elo de 1588 frente a 1538.
Para campos con gran densidad de conocimiento, como finanzas, derecho y biociencias, 3.7 Flash ofrece razonamiento y precisión mejorados. Supera significativamente a 3.6 Flash en el punto de referencia GDP.pdf (34,0% frente a 22,0%), una evaluación para probar la capacidad de un modelo para procesar documentos complejos. También supera 3.6 Flash en AutomationBench, lo que demuestra que puede completar de manera más efectiva flujos de trabajo empresariales del mundo real (30,4 % frente a 17,0 %).