Sådan bruger du Gemini 3.7 Flash API: komplet udviklervejledning

TLDR: Gemini 3.7 Flash (model ID gemini-3.7-flash), udgivet 13. august 2026, er Googles mest kapable Flash-klasse arbejdshestemodel til kodning, agent-baserede arbejdsgange, webudvikling og videnstunge opgaver.

Den tilbyder et kontekstvindue på 1.048.576 tokens, op til 65.536 output-tokens, justerbare tænkeniveauer (low/medium/high), stærk multimodal understøttelse samt introduktionspriser på $0,75 per 1M input-tokens / $3,75 per 1M output-tokens frem til 31. december 2026. Få adgang via Googles Interactions API eller, mere bekvemt til multi-model stacks, gennem CometAPI's samlede endpoint. Denne guide dækker nyheder, API-parametre, trinvis brug med CometAPI, kodeeksempler, benchmarks og best practices.

Vigtigste pointer

• Gemini 3.7 Flash leverer markante forbedringer over 3.6 Flash inden for kodning (FrontierCode 1.1 Main: 43,6% vs 34,4%; DeepSWE v1.1: 65,3% vs ~49%), webudvikling (WebDev Arena Elo 1588 vs 1538), dokumentbehandling (GDP.pdf 34% vs 22%) og forretningsautomatisering (AutomationBench 30,4% vs 17%).
• Brug Interactions API (client.interactions.create) for de nyeste funktioner; thinking_level erstatter ældre budgetparametre.
• CometAPI giver én API-nøgle og OpenAI-kompatibel (eller native Gemini) adgang til Gemini 3.7 Flash plus 500+ andre modeller, hvilket forenkler fakturering, skift og omkostningskontrol.
• Multimodale input (tekst, billede, video, lyd, PDF) med tekstoutput; indbyggede værktøjer omfatter function calling, kodeeksekvering, search grounding, computerbrug (preview) og mere.
• $0,75 per 1M input-tokens og $3,75 per 1M output-tokens frem til 31. december 2026. Intropriserne udløber 31. december 2026; planlæg efter standardpriser på $1,50 / $7,50 derefter.
• Ideel til produktionsagenter, højpræcis kodegenerering og flertrins-arbejdsgange, hvor omkostningseffektivitet og pålidelighed er vigtige.

Google lancerede Gemini 3.7 Flash den 13. august 2026—kun tre uger efter Gemini 3.6 Flash—som deres hidtil mest intelligente arbejdshestemodel til kodning og agenter. Den sigter mod kompleks softwareudvikling, agent-baseret flertrins-eksekvering, web/UI-generering med stærk designoverholdelse og videnstunge domæner såsom finans, jura og biovidenskab.

Vigtigt: Gemini 3.7 Flash introducerer eller arver vigtige ændringer i Gemini 3.x API-adfærd. Særligt bør udviklere, der migrerer ældre Gemini-applikationer, fjerne temperature, top_p og top_k, erstatte thinking_budget med thinking_level, fjerne ikke-understøttet candidate_count og stoppe med at forhåndsudfylde model-ture.

Hvad er Gemini 3.7 Flash?

Gemini 3.7 Flash er Googles nyeste Flash-klasse generative AI-model, udgivet den 13. august 2026.

Google beskriver den som deres “mest intelligente arbejdshestemodel til kodning og agenter”. Lanceringen er bemærkelsesværdig, fordi den kom kun tre uger efter Gemini 3.6 Flash, hvilket antyder, at Google accelererer iterationscyklussen for udviklerorienterede Flash-modeller.

I stedet for blot at positionere Gemini 3.7 Flash som en hurtigere chatbot-model, målretter Google arbejdsbelastninger, hvor et AI-system skal:

• ræsonnere i flere trin;
• skrive og debugge software;
• bruge værktøjer;
• interagere med eksterne systemer;
• analysere store dokumenter;
• omsætte designs til fungerende interfaces;
• udføre forretningsprocesser;
• fungere som en del af en AI-agent.

Den forskel er vigtig.

En traditionel chatbot kunne svare:

“Hvordan implementerer jeg OAuth?”

En agent-orienteret kodningsmodel forventes at forstå repositoryet, inspicere filer, identificere afhængigheder, foreslå ændringer, eksekvere værktøjer, diagnosticere fejl og iterere, indtil implementeringen virker.

Gemini 3.7 Flash er i langt højere grad designet til det andet scenarie.

Gemini 3.7 Flash API: Centrale specifikationer

Den officielle Gemini API-dokumentation lister Gemini 3.7 Flash som generelt tilgængelig med følgende nøglespecifikationer.

Kontekstvinduet på 1M tokens er særligt nyttigt for store repositories, lange tekniske dokumentationer, enterprise-dokumenter og flertrins agent-baserede sessioner.

Hvad har Gemini 3.7 Flash API ændret?

Dette er en af de vigtigste sektioner for udviklere.

Gemini 3.7 Flash er ikke blot et spørgsmål om at ændre:

gemini-3.6-flash

til:

gemini-3.7-flash

Googles Gemini 3.x-generation introducerede API-adfærdsændringer, der kan bryde ældre applikationer. Gemini 3.7-migreringsdokumentationen fremhæver specifikt flere ændringer.

1. temperature, top_p og top_k er udfaset

Ældre Gemini-integrationer indeholder ofte konfigurationer som:

generation_config = {
    "temperature": 0.7,
    "top_p": 0.9,
    "top_k": 40
}

For Gemini 3.x bør disse sampling-parametre fjernes.

Google siger, at disse parametre er udfaset, og fremtidige modelgenerationer kan afvise dem i stedet for at acceptere dem stiltiende.

For Gemini 3.7 Flash skal du i stedet bruge tænke-kontroller:

generation_config = {
    "thinking_level": "medium"
}

Dette er en betydelig konceptuel ændring.

I stedet for primært at styre tilfældighed kan udviklere eksplicit styre mængden af ræsonnement.

---

2. thinking_budget bliver til thinking_level

Applikationer, der bruger en ældre ræsonnementskonfiguration, kan have noget som:

{
  "thinking_budget": 4096
}

Gemini 3.7 Flash bruger:

{
  "thinking_level": "medium"
}

De understøttede niveauer er:

• low
• medium
• high

Google beskriver low som nyttigt til latensfølsomme opgaver, medium som standard og generel indstilling samt high som passende til svære ræsonnementsopgaver, matematik, kodning og agent-baserede opgaver.

---

3. candidate_count bør fjernes

Googles migrerings-tjekliste siger også at fjerne candidate_count, som ikke understøttes i Gemini 3.x.

Derfor bør en legacy-konfiguration som:

{
  "candidate_count": 3
}

ikke blot tages med videre til Gemini 3.7 Flash.

---

4. Forhåndsudfyldte model-ture understøttes ikke længere

Ældre samtalearkitekturer slutter nogle gange en forespørgsel med en delvist forhåndsudfyldt model-tur.

Geminis nyere API-adfærd kræver, at udviklere gentænker dette mønster.

Google anbefaler at bruge server-side samtalestatus via previous_interaction_id til fler-turs interaktioner og at fjerne forhåndsudfyldte model-ture.

---

5. Function calling kræver ekstra opmærksomhed

Migreringsvejledningen fremhæver også ændringer i function calling.

For applikationer, der bruger værktøjer, bør udviklere være opmærksomme på:

• multimodale aktiver;
• inline-instruktioner;
• metadata for function-response;
• call_id;
• funktionsnavne;
• fejl ved fejlformede function calls.

For generateContent-API’et siger Google, at FunctionResponse-objekter bør inkludere både call_id og name.

Dette er særligt vigtigt for agent-applikationer, fordi function calling ikke længere er et valgfrit “nice-to-have.” Det er centralt for, hvordan kode- og workflow-agenter fungerer.

Sådan bruger du Gemini 3.7 Flash API med CometAPI

CometAPI er en samlet API-gateway, der tilbyder adgang til 500+ modeller (inklusive hele Gemini-familien) under én API-nøgle, OpenAI-kompatible endpoints, konkurrencedygtige priser og forenklet multi-leverandørstyring. Dette er især nyttigt, hvis din applikation allerede bruger OpenAI SDK’er, eller hvis du skal skifte mellem Gemini, Claude, GPT og andre modeller uden at omskrive auth- eller faktureringslogik.

Nedenfor er en komplet, produktionsorienteret gennemgang. Hvert hovedtrin er struktureret som en H2 for klarhed og SEO.

Opret konto hos CometAPI og få din API-nøgle

1. Besøg https://www.cometapi.com/ og opret en konto (Google, GitHub eller e-mail).
2. Gå til sektionen API Keys / Console: https://www.cometapi.com/console/token.
3. Klik på Create API Key, giv den et beskrivende navn (fx gemini-3.7-flash-prod), og kopier nøglen.
4. Opbevar den sikkert som en miljøvariabel:Bashexport COMETAPI_KEY="your-key-here"

Commit aldrig nøglen til versionskontrol eller eksponer den i klient-side kode.

CometAPI bruger pay-as-you-go-priser med satser, der typisk er konkurrencedygtige i forhold til direkte leverandørpriser og uden månedlige minimum.

Installer de nødvendige SDK’er

For native Gemini-stil (anbefalet for fuld funktionsparitet):

Bash
pip install google-genai

For OpenAI-kompatible kald (letteste migration):

Bash
pip install openai

Node.js-ækvivalenter er også tilgængelige (@google/genai eller OpenAI Node SDK).

Konfigurer klienten til CometAPI

Option A – Native Google GenAI-klient peget mod CometAPI (bevarer Interactions API og tænke-kontroller):

Python
import os
from google import genai

client = genai.Client(
    http_options={
        "api_version": "v1beta",
        "base_url": "https://api.cometapi.com"
    },
    api_key=os.environ.get("COMETAPI_KEY")
)

Option B – OpenAI-kompatibel klient (ideel, hvis din kodebase allerede er OpenAI-baseret):

Python
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ.get("COMETAPI_KEY"),
    base_url="https://api.cometapi.com/v1"
)

Begge tilgange sender trafikken gennem CometAPI, mens den underliggende model vælges via model-parameteren.

Lav dit første kald til Gemini 3.7 Flash

Ved brug af Interactions API-stil (via konfigureret GenAI-klient):

Python
interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input="Write a production-ready Three.js script that renders a realistic 3D black hole with accretion disk and gravitational lensing.",
    generation_config={
        "thinking_level": "medium"
    }
)
print(interaction.output_text)

OpenAI-kompatibel chat completions-stil:

Python
response = client.chat.completions.create(
    model="gemini-3.7-flash",  # Confirm exact model ID in CometAPI dashboard if aliased
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Write a Python function that safely handles concurrent payment retries with proper locking."}
    ],
    max_tokens=4096
)
print(response.choices[0].message.content)

cURL-eksempel (OpenAI-kompatibel):

Bash
curl https://api.cometapi.com/v1/chat/completions \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.7-flash",
    "messages": [
      {"role": "user", "content": "Explain the key improvements in Gemini 3.7 Flash in 3 bullet points."}
    ]
  }'

Bekræft altid den nøjagtige modelstreng i dit CometAPI Models-dashboard, da aggregatorer nogle gange bruger lidt forskellige identifikatorer eller aliasser.

Konfigurer tænkeniveau og avancerede genereringsmuligheder

Til kompleks kodning eller agent-opgaver skal du eksplicit angive tænkeniveauet:

Python
interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input="Analyze this payment processing pipeline for race conditions and rewrite the locks safely.",
    generation_config={
        "thinking_level": "high"  # or "low" / "medium"
    }
)

• low: Hurtigst, egnet til realtidschat eller simple udkast.
• medium (standard): Bedste balance for de fleste kodnings- og agent-opgaver.
• high: Maksimal ræsonneringsdybde og værktøjsbrug; højere token-/omkostningsforbrug.

Tilføj multimodale input (billeder, PDF, video, lyd)

Gemini 3.7 Flash accepterer naturligt blandede modaliteter. Eksempel med et billede + tekstprompt (ved brug af GenAI-klienten):

Python
from google.genai import types

# Assume image bytes or file path handled appropriately
response = client.models.generate_content(  # or interactions equivalent
    model="gemini-3.7-flash",
    contents=[
        types.Part.from_bytes(data=image_bytes, mime_type="image/jpeg"),
        "Describe the UI design system in this mockup and generate matching React + Tailwind code."
    ]
)

Lignende mønstre fungerer for PDF, video og lyd-input. Dette er kraftfuldt til design-til-kode, dokument-Q&A og videoanalyse-arbejdsgange.

Implementer function calling / værktøjsbrug

Deklarer værktøjer i forespørgslen og lad modellen beslutte, hvornår de skal kaldes. CometAPI videresender disse til den underliggende Gemini-backend. Følg den officielle Gemini function calling-schema (name, description, parameters som JSON Schema). Efter at have modtaget et function call, eksekvér værktøjet og returnér resultatet i en efterfølgende tur.

API-parametre for Gemini 3.7 Flash

Ved kald via Interactions API (anbefalet) omfatter nøgleparametre:

• model: "gemini-3.7-flash" (påkrævet)
• input: Streng eller struktureret indhold (tekst + multimodale dele)
• generation_config (valgfrit objekt):
  • thinking_level: "low" | "medium" | "high" (standard medium)
  • Andre understøttede konfigurationsfelter for strukturerede output, sikkerhed osv.
• tools / funktionsdeklarationer til værktøjsbrug
• system instructions (via system-rolle eller dedikeret felt afhængigt af klient)
• Miljø-/agent-indstillinger ved brug af managed agents (fx Antigravity)

Native generateContent-kald er fortsat tilgængelige, men Interactions API foretrækkes for fuld funktionsadgang og agent-orkestrering.

Tokenoptælling, caching (implicit + eksplicit), batch-inferens og priority/flex-muligheder understøttes.

De vigtigste parametre og konfigurationskoncepter er opsummeret nedenfor.

Googles migreringsdokumentation fremhæver eksplicit de udfasede/ikke-understøttede parametre og det nye samtalemønster.

Best practices til produktion og migreringstips

• Start med thinking_level="medium" og mål kvalitet vs. latens/omkostninger.
• Fjern udfasede parametre (temperature, top_p, top_k, gamle tænke-budgets).
• Foretræk Interactions API til agent-baserede flertrins flows og Antigravity-integration.
• Til multi-model applikationer: behold CometAPI base-URL og skift blot modelstrengen—ingen re-autentificering krævet.
• Test grundigt med dine specifikke agent-loops; 3.7 Flash reducerer mislykkede loops, men drager stadig fordel af klare systeminstruktioner og værktøjsskemaer.
• Kombinér med andre CometAPI-modeller (fx specialiserede billedgeneratorer eller alternative ræsonnementsmodeller), når Gemini 3.7 Flash ikke er det optimale valg for en underopgave.

Håndtér streaming, caching og batch-forespørgsler

• Streaming understøttes via standard stream-flags i både OpenAI-kompatible og native klienter.
• Kontekst-caching (implicit og eksplicit) reducerer omkostninger for gentagne store kontekster.
• Batch- og prioriteret inferens er tilgængelige for høj volumen eller latensfølsomme arbejdslaster—tjek CometAPI’s aktuelle supportmatrix og den officielle Gemini-forbrugsdokumentation.

Overvåg forbrug, omkostninger og fejl

Brug CometAPI-dashboardet til realtidsforbrug, omkostningssporing og overblik over rate-limits. Implementér eksponentiel backoff for 429-fejl, og respekter dokumenterede rate-limits. Log tokenforbrug fra responsmetadata for præcis omkostningsallokering.

Gemini 3.7 Flash API migreringstjekliste

Før du deployer en eksisterende Gemini-applikation, skal du gennemgå alle punkter nedenfor.

[ ] Change model ID to gemini-3.7-flash
[ ] Remove temperature
[ ] Remove top_p
[ ] Remove top_k
[ ] Replace thinking_budget with thinking_level
[ ] Remove candidate_count
[ ] Remove prefilled model turns
[ ] Review multi-turn conversation state
[ ] Review function-call handling
[ ] Check FunctionResponse call_id/name
[ ] Update SDK
[ ] Re-run production test suite
[ ] Benchmark low/medium/high thinking
[ ] Recalculate token costs
[ ] Test failure/retry behavior

Googles migreringsguide anbefaler specifikt disse ændringer ved overgang til Gemini 3.7 Flash.

FAQs

Hvad er Gemini 3.7 Flash API?

Gemini 3.7 Flash API giver programmatisk adgang til Googles Gemini 3.7 Flash-model. Google positionerer modellen til kodning, agenter, webudvikling, vidensarbejde og komplekse flertrins-arbejdsgange.

Hvor meget koster Gemini 3.7 Flash?

Frem til 31. december 2026 er introprisen $0,75 per million input-tokens og $3,75 per million output-tokens.

Fra 1. januar 2027 siger Google, at prisen bliver $1,50 per million input-tokens og $7,50 per million output-tokens.

Kan jeg stadig bruge temperature med Gemini 3.7 Flash?

Det bør du ikke. Googles Gemini 3.x migreringsdokumentation siger, at temperature, top_p og top_k er udfaset og bør fjernes.

Kan jeg bruge Gemini 3.7 Flash via CometAPI?

CometAPI’s platform annoncerer i øjeblikket tilgængelighed af Gemini 3.7 Flash og tilbyder både Gemini-format og OpenAI-kompatible API-mønstre. Da modellen er ny, bør udviklere verificere den aktuelle modelside og endpoint-kapaciteter, før de går i produktion.

Er CometAPI bedre end den officielle Gemini API?

Ingen af dem er universelt “bedre.” Den officielle Gemini API er det naturlige valg, hvis du vil have Googles native økosystem og leverandørspecifik funktionalitet. CometAPI er mere attraktivt, når du har brug for et samlet interface på tværs af flere AI-udbydere, centraliseret styring og nemmere modelswitching.

Endelig vurdering: Er Gemini 3.7 Flash værd at bruge?

For udviklere, der bygger AI-applikationer i 2026, fortjener Gemini 3.7 Flash seriøs opmærksomhed.

Lanceringen handler mindre om at gøre en chatbot marginalt smartere og mere om at gøre en relativt billig model bedre til faktisk at gøre ting.

Den største tekniske overvejelse er migrering.

Hvis din applikation er bygget på ældre Gemini-API’er, så skift ikke blot modelnavnet. Fjern udfasede sampling-parametre, migrér til thinking_level, fjern ikke-understøttet candidate_count, stop med at forhåndsudfylde model-ture, og gennemgå adfærden for function calling.

For teams, der bygger udelukkende omkring Google, er den native Gemini API det oplagte udgangspunkt.

For teams, der bygger en multi-model AI-stack, giver CometAPI et overbevisende alternativ: ét API-lag, centraliseret modeladgang og mulighed for at eksperimentere med Gemini sammen med andre større modelfamilier uden at skabe en separat integration for hver udbyder.

Den praktiske anbefaling er derfor enkel:

Start med Gemini 3.7 Flash på medium tænkeindsats, benchmarket mod din reelle arbejdsbelastning, og brug derefter low eller high selektivt baseret på latens, kvalitet og omkostningskrav. Hvis dit produkt også har brug for flere AI-udbydere, så evaluer den samme arbejdsbelastning gennem CometAPI, så du kan sammenligne modeller uden at redesigne din applikationsarkitektur.

Den kombination—stærkere agentisk ydeevne, et kontekstvindue på 1M tokens, konfigurerbar ræsonnering og aggressive 2026-priser—gør Gemini 3.7 Flash til en af de mere interessante API-lanceringer for udviklere, der bygger produktionsklare AI-agenter lige nu.