Gemini 3.7 Flash alza la posta in gioco per AI Mode di Google

Google ha integrato Gemini 3.7 Flash in AI Mode appena un giorno dopo aver pubblicato il modello il 13 agosto, alzando nuovamente il livello di intelligenza di Search. Le ultime notizie su Google sono rilevanti perché non si tratta di un esperimento limitato di chatbot. Google sta inserendo un modello di ragionamento più recente all’interno di un prodotto di ricerca progettato per una domanda globale enorme.

Il cambiamento immediato sembra semplice. AI Mode può ora utilizzare un modello che Google presenta come più rapido, più capace e più efficace nel completare attività in più fasi. Tuttavia, la vera sfida non è Gemini 3.7 Flash contro il suo diretto predecessore. È l’esperienza delle risposte generate da Google contro i tradizionali risultati web su cui Search è stato costruito.

Questa tensione va oltre Google. OpenAI, Microsoft, Perplexity e altri fornitori di ricerca AI devono competere con un’azienda che controlla sia una grande superficie di scoperta sia la famiglia di modelli sottostante. Gli editori affrontano un’altra questione. Risposte generate migliori possono soddisfare gli utenti, rendendo però più incerti la visibilità delle fonti, il traffico di riferimento e l’attribuzione.

Le notizie su Google portano Gemini 3.7 Flash dentro AI Mode

Google ha trasformato il rilascio di un modello in un aggiornamento diretto di Search, riducendo la distanza tra i progressi di laboratorio e la scoperta quotidiana delle informazioni.

Google DeepMind ha pubblicato Gemini 3.7 Flash il 13 agosto 2026. La sua scheda del modello descrive miglioramenti algoritmici alla base di ragionamento ereditata da Gemini 3.6 Flash.

Il modello accetta testo, immagini, audio, video e documenti. Supporta una finestra di contesto fino a un milione di token e può produrre fino a 64.000 token in output. Una finestra di contesto è la quantità di input che un modello può considerare durante una singola interazione.

Queste specifiche contano perché AI Mode gestisce più che brevi domande fattuali. Un utente potrebbe fornire una foto, allegare un file, descrivere diversi vincoli e aspettarsi che Search componga una risposta utile. Il modello deve interpretare ogni input recuperando al contempo materiale aggiornato dal web.

Gemini 3.7 Flash supporta anche configurazioni di ragionamento regolabili. Questi controlli permettono a un sistema di bilanciare qualità della risposta, tempo di risposta e lavoro computazionale in base al compito. Google può quindi applicare un ragionamento più approfondito in modo selettivo, anziché trattare ogni query come ugualmente difficile.

Questa flessibilità si adatta particolarmente bene a Search. Una richiesta sul meteo di domani non dovrebbe richiedere lo stesso lavoro di una domanda di ricerca comparativa. La seconda query potrebbe coinvolgere più fonti, dettagli in conflitto e una raccomandazione plasmata da vincoli personali.

Google afferma che il modello è stato progettato per attività agentiche, programmazione e lavoro della conoscenza. Le attività agentiche sono incarichi in più fasi nei quali un modello sceglie strumenti, esamina i risultati e adegua il proprio piano. In Search, questo schema può trasformare una query in un piccolo flusso di lavoro di ricerca.

Il rilascio prosegue un rapido ciclo di sostituzione. Google ha reso Gemini 3.5 Flash l’impostazione predefinita globale di AI Mode durante gli annunci su Search del maggio 2026. Gemini 3.7 Flash porta ora avanti quella strategia meno di tre mesi dopo.

Questo ritmo suggerisce che Search non attenda più restyling occasionali e molto visibili. Google può rivedere il livello di ragionamento sotto AI Mode ogni volta che un modello più recente offre un utile equilibrio operativo. Gli utenti potrebbero sperimentare cambiamenti sostanziali senza cambiare prodotto né imparare una nuova interfaccia.

La distinzione tra AI Mode e AI Overviews resta importante. AI Overviews compaiono sopra i risultati convenzionali per query selezionate. AI Mode è una destinazione più conversazionale che supporta domande successive e attività più ampie.

Gemini 3.7 Flash è particolarmente rilevante per questa seconda esperienza. AI Mode invita gli utenti a restare all’interno di una conversazione generata anziché tornare a un elenco di link dopo ogni domanda. Un modello predefinito più potente rende questo comportamento più interessante.

Il deployment offre inoltre a Google un vantaggio di distribuzione che pochi sviluppatori di modelli possono eguagliare. Gli sviluppatori devono scegliere attivamente un modello tramite un’interfaccia di programmazione delle applicazioni. Gli utenti di Search possono incontrare lo stesso modello semplicemente selezionando AI Mode.

Questo cambia la rapidità con cui un miglioramento del modello raggiunge le persone comuni. L’aggiornamento non dipende soltanto dagli sviluppatori che realizzano nuove applicazioni. Google può distribuirlo attraverso un prodotto che già si trova all’inizio di molti percorsi online.

Perché Google sta aggiornando la ricerca AI così rapidamente

L’aggiornamento mira a mantenere l’utilità di Search mentre le query evolvono da parole chiave brevi a richieste complesse con più risultati desiderati.

La strategia di Search di Google si è orientata con costanza verso input più lunghi e conversazionali. Durante il suo aggiornamento Search di I/O, l’azienda ha dichiarato che AI Mode aveva superato un miliardo di utenti mensili. Google ha anche affermato che, dal lancio, le query nell’esperienza sono più che raddoppiate ogni trimestre.

Si tratta di dati dichiarati dall’azienda, non di una misurazione indipendente della soddisfazione o della fidelizzazione. Tuttavia, spiegano perché Google continui ad assegnare modelli più recenti al prodotto. Anche un miglioramento modesto può influenzare un numero elevato di ricerche.

Google ha inoltre riprogettato la casella di ricerca per accettare testo, immagini, file, video e schede Chrome. Questa interfaccia crea un carico tecnico più impegnativo. Il sistema deve comprendere input misti, recuperare informazioni aggiornate, preservare il contesto e presentare rapidamente una risposta organizzata.

Il ranking tradizionale della ricerca non scompare da questo processo. Il recupero continua a determinare quali pagine, prodotti, luoghi o record supportino la risposta. Il modello aggiunge un ulteriore livello che interpreta la richiesta e compone la presentazione finale.

Questa combinazione rende la latenza cruciale. Gli utenti tollerano più facilmente attese più lunghe per uno strumento di ricerca occasionale che per Search di routine. Google ha bisogno di un ragionamento che sembri utile senza far percepire ogni query come una lunga esecuzione agentica.

La linea Flash risponde a questa esigenza. Google posiziona questi modelli tra sistemi piccoli ottimizzati per attività di base e modelli più grandi riservati al ragionamento più difficile. Gemini 3.7 Flash è progettato per portare maggiori capacità nella categoria più rapida.

I risultati di benchmark del modello mostrano perché Google lo ritenga pronto per un lavoro più ampio. Secondo l’azienda, ha ottenuto il 65,3% su DeepSWE v1.1, che testa l’ingegneria del software a lungo orizzonte. Gemini 3.6 Flash aveva ottenuto il 48,6% nella stessa valutazione dichiarata.

Su AutomationBench, un set interno di flussi di lavoro aziendali, il modello più recente ha ottenuto il 30,4%. Il suo predecessore aveva ottenuto il 17%. Questi risultati indicano un miglioramento significativo nelle condizioni di test di Google, anche se un benchmark interno merita un’interpretazione prudente.

Il modello ha inoltre ottenuto il 97% nel test di recupero su contesto esteso di Google a 128.000 token. Le prestazioni su contesto esteso misurano se un modello riesce a individuare e utilizzare dettagli rilevanti all’interno di un input di grandi dimensioni. Questa capacità è utile quando Search deve confrontare documenti o mantenere una conversazione lunga.

Tuttavia, le prestazioni di Search non possono essere ridotte ai benchmark dei modelli. I test su programmazione e flussi di lavoro non misurano direttamente la qualità delle citazioni, l’accuratezza della ricerca locale o la diversità delle fonti mostrate agli utenti. Non rivelano neppure come Google instradi query diverse in produzione.

La motivazione più profonda dell’azienda è strategica. Gli utenti iniziano sempre più spesso le attività informative dentro assistenti AI che forniscono spiegazioni dirette. Google deve fare in modo che Search appaia altrettanto capace, preservando al contempo l’indice web aggiornato, i sistemi commerciali e i dati locali che la distinguono.

Google aveva già posto le basi con Gemini 3 Flash nel dicembre 2025. In quell’occasione, aveva reso il modello un’opzione predefinita in AI Mode e descritto un’esperienza che combinava ricerca e azione immediata. Il rilascio precedente ha stabilito che Flash fosse più di un modello per sviluppatori.

Gemini 3.7 Flash porta avanti lo stesso modello operativo. Google non chiede agli utenti di scegliere tra un motore di ricerca rapido e un assistente di ragionamento. Cerca di far sì che AI Mode soddisfi entrambe le aspettative in un’unica interfaccia.

AI Mode ora mette sotto pressione i motori di risposta indipendenti

Il principale vantaggio di Google non è una singola vittoria nei benchmark. È la capacità di combinare un nuovo modello con la distribuzione di Search e sistemi di informazioni in tempo reale.

I motori di risposta indipendenti hanno costruito il proprio fascino attorno a una semplice critica della ricerca tradizionale. Gli utenti spesso desiderano una risposta sintetizzata, non dieci link da leggere separatamente. AI Mode offre ora questo formato direttamente all’interno di Google.

OpenAI può collegare ChatGPT alla ricerca web e a flussi di lavoro agentici più ampi. Microsoft può combinare modelli con Bing e i suoi prodotti di produttività. Perplexity ha incentrato la propria identità su risposte con citazioni e funzionalità di ricerca.

Questi rivali possono ancora differenziarsi attraverso il design dell’interfaccia, la scelta dei modelli, il comportamento delle citazioni e flussi di lavoro specializzati. Tuttavia, devono convincere gli utenti ad abbandonare un’abitudine consolidata. Google può collocare la ricerca conversazionale accanto ai suoi risultati convenzionali.

Questa differenza nella distribuzione aumenta il valore degli aggiornamenti frequenti dei modelli. Un’impostazione predefinita Gemini più potente può migliorare la posizione competitiva di Google senza richiedere il lancio di un prodotto separato. AI Mode resta la destinazione, mentre il suo sistema di ragionamento cambia sotto la superficie.

Google controlla inoltre diversi sistemi di dati che possono arricchire una risposta. Il suo annuncio di maggio ha evidenziato informazioni in tempo reale provenienti da Maps, shopping, finanza, sport e altri servizi di Search. Un modello può organizzare questo materiale, ma sono i dati sottostanti a conferire alla risposta rilevanza pratica.

Si consideri un utente che sta pianificando un viaggio all’ultimo minuto. La richiesta potrebbe includere preferenze meteorologiche, tempi di viaggio, disponibilità di ristoranti e un programma fisso. Un chatbot generico può ricercare questi vincoli. Google può collegare il livello di ragionamento alle informazioni aggiornate di Search e Maps.

Lo stesso meccanismo si applica allo shopping, ai servizi locali e alla pianificazione di eventi. L’utente non ha bisogno soltanto di una spiegazione. Ha bisogno di una risposta collegata a inventario, disponibilità, località o opzioni di prenotazione aggiornati.

Gemini 3.7 Flash è progettato per coordinare tali attività in più fasi. Google afferma che la sua migliore esecuzione agentica aiuta il modello a superare ostacoli e risolvere problemi del mondo reale. Questa affermazione richiede ancora prove in produzione all’interno di AI Mode.

Per i lavoratori della conoscenza, il cambiamento modifica la forma della ricerca. Una risposta generata può raccogliere più fonti, confrontarne i contenuti e preservare i vincoli dell’utente. Il risultato assomiglia più a un assistente di ricerca leggero che a una pagina di risultati convenzionale.

Questo flusso di lavoro aumenta anche l’importanza della gestione delle fonti. Gli utenti che raccolgono risultati generati hanno comunque bisogno di accedere al materiale originale. Un processo personale di knowledge blending può aiutare a collegare la ricerca esterna alle note private, ma non può correggere citazioni mancanti o deboli.

Gli editori affrontano l’altro lato di questa comodità. Quando AI Mode risolve direttamente una domanda, l’utente ha meno ragioni per aprire ogni pagina di supporto. Una sintesi migliore può quindi migliorare l’esperienza di ricerca, indebolendo al contempo le opportunità di referral.

La questione non è semplicemente se Google mostri i link. La loro posizione, specificità e rilevanza determinano se gli utenti li notino o li seguano. Una citazione che appare dopo una risposta completa potrebbe non generare lo stesso comportamento di un risultato organico in evidenza.

Google afferma che AI Mode utilizza link utili provenienti da tutto il web. Questo principio è importante, ma gli editori osserveranno il traffico misurabile piuttosto che il linguaggio di prodotto. Devono sapere se un uso più approfondito di AI Mode genera visite significative e scoperta del brand.

La pressione competitiva ha quindi due direzioni. I motori di risposta devono eguagliare la distribuzione e le connessioni ai dati di Google. Google deve dimostrare che la sua esperienza generata continua a sostenere il web aperto che fornisce gran parte delle sue informazioni.

Gemini 3.7 Flash intensifica questo conflitto perché risposte migliori aumentano la possibilità di completare una query all'interno di Search. Il modello può rendere AI Mode più utile e, allo stesso tempo, rendere meno necessarie le visite esterne.

Il modello più veloce ha ancora un problema di verifica

Gemini 3.7 Flash migliora i meccanismi di AI Mode, ma non elimina il rischio fondamentale di risposte sicure di sé costruite su prove incomplete.

La documentazione di Google sul modello afferma che Gemini 3.7 Flash può generare allucinazioni. Un'allucinazione si verifica quando un modello produce informazioni non supportate o errate presentandole come una risposta plausibile.

La documentazione rileva anche occasionali rallentamenti e timeout. Queste limitazioni sono rilevanti per la ricerca agentica perché un'attività in più passaggi può fallire in più punti rispetto a una query semplice. Recupero delle informazioni, selezione degli strumenti, interpretazione e sintesi devono funzionare tutti insieme.

Anche la conoscenza sottostante del modello ha un limite. Google indica marzo 2026 come data di cutoff della conoscenza, con alcuni domini potenzialmente limitati a gennaio 2025. Il recupero dal web può fornire fatti più recenti, ma non garantisce un'interpretazione corretta.

Una query recente illustra il problema. Supponiamo che un utente chieda informazioni su una policy annunciata dopo il cutoff dell'addestramento. AI Mode deve trovare fonti aggiornate, distinguere le regole definitive dalle proposte precedenti ed evitare di fondere versioni in conflitto.

Un modello con capacità di ragionamento migliorate può eseguire meglio questa sequenza. Può comunque selezionare una pagina obsoleta, fraintendere una condizione o citare una fonte che supporta solo parzialmente la sua conclusione. Recupero aggiornato e affidabilità fattuale sono correlati, ma non identici.

Anche il quadro dei benchmark presenta un quadro misto. Gemini 3.7 Flash è migliorato sostanzialmente in molti test di programmazione, flussi di lavoro e contesti lunghi. Tuttavia, ha ottenuto un punteggio leggermente inferiore a Gemini 3.6 Flash nel test di ragionamento sui grafici senza strumenti di Google.

Quel singolo risultato non dimostra una debolezza generale. Mostra però perché le affermazioni ampie su un miglioramento universale meritino cautela. Un modello può avanzare nell'esecuzione agentica pur restando stabile o peggiorando in una valutazione specifica.

I confronti esterni richiedono una cautela analoga. Le classifiche dei benchmark dipendono da prompt, impostazioni del modello, controlli sulla contaminazione dei test e procedure di valutazione. La ricerca aggiunge un ulteriore livello produttivo che le valutazioni pubbliche dei modelli raramente riproducono.

La panoramica di Gemini di Google include commenti favorevoli di primi partner nei settori del software aziendale, del lavoro legale, dello sviluppo e della ricerca. Queste testimonianze offrono esempi utili, ma non sono verifiche indipendenti di AI Mode.

Gli utenti di Search dovrebbero quindi considerare la visibilità delle citazioni come parte della qualità della risposta. Una risposta è più facile da fidarsi quando ogni affermazione rilevante rimanda chiaramente a una fonte pertinente. Un gruppo di link generici non offre la stessa garanzia.

Gli utenti dovrebbero inoltre separare la sintesi fattuale dalle raccomandazioni. Un modello potrebbe recuperare correttamente orari di apertura e riepiloghi delle recensioni, per poi formulare una cattiva raccomandazione perché ha frainteso le priorità. L'accuratezza in una fase non convalida l'intera risposta.

Le domande ad alto rischio richiedono ancora più attenzione. Decisioni mediche, legali e finanziarie non dovrebbero dipendere da un solo riepilogo generato. Gli utenti hanno bisogno di documenti primari e consulenza qualificata quando un errore può avere conseguenze gravi.

La scheda del modello di Google afferma che team specializzati hanno svolto red teaming manuale. L'azienda ha riferito di non aver rilevato criticità gravi e ha dichiarato che il modello soddisfa le soglie di lancio richieste per la sicurezza dei minori. Ha inoltre riconosciuto che il lavoro sulla resistenza ai jailbreak e sulle mitigazioni di sicurezza continua.

Queste salvaguardie affrontano gli usi dannosi, ma non risolvono l'affidabilità fattuale ordinaria. Una risposta sicura può comunque essere sbagliata. Una risposta ben citata può comunque omettere un'importante fonte contraria.

Questo è il compromesso centrale del lancio. Gemini 3.7 Flash può far sembrare la ricerca complessa più rapida e coerente. La sua fluidità rende anche più facile trascurare prove deboli.

Google dovrà misurare più del coinvolgimento. Indicatori utili includono la frequenza delle correzioni, la qualità delle citazioni, il completamento delle attività e il comportamento di ritorno degli utenti. Gli editori cercheranno inoltre prove che il loro lavoro resti visibile e prezioso.

Cosa riveleranno i prossimi segnali da Google News

Tre segnali determineranno se Gemini 3.7 Flash rappresenta un miglioramento duraturo di Search o un'altra rapida rotazione di modelli.

Il primo segnale è la qualità delle citazioni in AI Mode. Google deve dimostrare che un modello più capace collega affermazioni specifiche a pagine pertinenti. Elenchi ampi di fonti non soddisferanno i lettori che ricercano temi rilevanti.

La qualità delle citazioni comprende diverse domande distinte. La pagina collegata supporta l'affermazione adiacente? AI Mode mostra fonti primarie quando disponibili? Rappresenta il disaccordo invece di fondere affermazioni conflittuali in un falso consenso?

I test indipendenti saranno particolarmente utili in questo caso. I benchmark dei modelli descrivono il ragionamento in condizioni controllate. Gli audit della ricerca possono esaminare query reali, risultati web mutevoli, dati locali e diversità delle citazioni.

Se la precisione delle citazioni migliora insieme alla qualità delle risposte, l'argomentazione di Google diventa più forte. Suggerirebbe che l'azienda può aumentare le capacità di AI Mode senza rendere più difficile la verifica. Fonti deboli o incoerenti comprometterebbero questa conclusione.

Il secondo segnale è il traffico degli editori. Google ha affermato che le esperienze AI possono incoraggiare ricerche più ampie e complesse. Gli editori hanno bisogno di dati che mostrino se queste ricerche si traducono in visite qualificate.

Le impressioni grezze non risponderanno alla domanda. Una pagina citata può apparire all'interno di una risposta AI senza ricevere un clic. Gli editori osserveranno il volume dei referral, il coinvolgimento dei visitatori, il comportamento di ricerca del brand e le conversioni dalle superfici AI.

Un calo delle visite acuirebbe il conflitto tra qualità delle risposte e struttura degli incentivi del web. Google dipende da editori, aziende, forum e istituzioni per produrre gran parte del materiale recuperato dai suoi sistemi.

L'azienda non deve preservare ogni modello storico di traffico. I prodotti di ricerca sono sempre cambiati. Tuttavia, un livello di risposta che assorbe più valore di quanto ne restituisca potrebbe indebolire nel tempo la base delle fonti.

Se gli editori ricevono traffico utile e attribuzione più chiara, il lancio rafforza la posizione di Google. Se la visibilità cresce mentre le visite diminuiscono, l'azienda dovrà affrontare domande più difficili su come AI Mode distribuisce il valore.

Il terzo segnale è la prossima sostituzione di modello di Google. Gemini 3.5 Flash è diventato il modello predefinito di AI Mode a maggio. Gemini 3.7 Flash è seguito ad agosto. Questa cadenza suggerisce che il livello di ragionamento predefinito possa cambiare più volte nello stesso anno.

Gli aggiornamenti frequenti possono favorire gli utenti, ma complicano anche la valutazione. I ricercatori potrebbero completare i test su un modello in produzione dopo che Google lo ha già sostituito. Le aziende non possono presumere un comportamento identico da un mese all'altro.

Google dovrebbe fornire registri delle modifiche più chiari per le transizioni significative tra modelli. Gli utenti devono sapere quando cambiano il comportamento delle risposte, l'elaborazione multimodale o la selezione delle citazioni. Gli editori hanno bisogno di date comparabili per l'analisi del traffico.

Il ritmo delle sostituzioni influisce anche sugli sviluppatori. Gemini 3.7 Flash è disponibile tramite Google AI Studio, Gemini API, Gemini Enterprise e Google Antigravity. Una distribuzione in Search può esporre il comportamento del modello su larga scala prima che i team esterni completino le proprie valutazioni.

Un successore rapido suggerirebbe che Google privilegia guadagni continui di efficienza rispetto a generazioni di modelli di lunga durata. Una distribuzione più lunga darebbe ai ricercatori più tempo per misurare affidabilità e risultati per gli utenti.

La storia più ampia di Google News non è quindi soltanto che AI Mode abbia ricevuto un altro modello. Google ha costruito un sistema di distribuzione in grado di portare rapidamente nuove capacità di ragionamento in Search, a livello globale e con poco sforzo da parte degli utenti.

Questo sistema mette pressione su ogni motore di risposta che compete per l'inizio di un'attività informativa. Mette inoltre pressione su Google affinché dimostri che una sintesi più veloce non indebolisce la verifica o la scoperta delle fonti.

I lettori dovrebbero testare AI Mode con domande le cui risposte possano verificare in modo indipendente. Chiedetele di confrontare diverse fonti attuali, identificare i disaccordi e collegare ogni affermazione rilevante. Poi verificate se quei link supportano la risposta.

Per ricerche che devono restare utili in seguito, salvate le pagine originali insieme al riepilogo generato. Annotate le date di pubblicazione, le qualificazioni importanti e i conflitti irrisolti. Una risposta rifinita dovrebbe essere l'inizio della verifica, non la sua conclusione.

Gemini 3.7 Flash aumenta le capacità disponibili all'interno di Google Search. Il risultato più importante emergerà al di fuori dei benchmark dei modelli. AI Mode aiuta le persone a giungere a conclusioni solide preservando al tempo stesso un percorso visibile di ritorno al web?

Questo è il prossimo segnale di Google News che vale la pena osservare.