Hva er Gemini 3.7 Flash? Ytelsestester, pris og API-veiledning

TL;DR Google lanserte Gemini 3.7 Flash 13. august 2026—bare tre uker etter Gemini 3.6 Flash. Posisjonert som selskapets mest intelligente «arbeidshest»-modell til nå for koding, agent-baserte arbeidsflyter, webutvikling og kunnskapsarbeid, leverer den betydelige gevinster over forgjengeren samtidig som den tilbyr en introduksjonspris på $0,75 per million inndata‑tokens og $3,75 per million utdata‑tokens frem til 31. desember 2026 (halvparten av den opprinnelige 3.6 Flash-satsen). Den støtter et 1M-token kontekstvindu, multimodale input (tekst, bilde, video, lyd, PDF), justerbare tenkenivåer og sterk verktøybruk. Tilgjengelig via Gemini API, Google AI Studio, Antigravity, Android Studio, Gemini Enterprise og aggregatorer som CometAPI.

Viktige punkter

• Gemini 3.7 Flash er en stor iterativ oppgradering med fokus på reell programvareutvikling, flertrinns agenter og designtro webutvikling.
• Viktige benchmarker vs 3.6 Flash inkluderer FrontierCode 1.1 Main (43,6% vs 34,4%), DeepSWE v1.1 (65,3% vs ~49%), WebDev Arena Elo (1588 vs 1538), GDP.pdf (34% vs 22%) og AutomationBench (30,4% vs 17%).
• Introduksjonspriser på $0,75 / $3,75 per 1M inn/ut‑tokens varer til utgangen av 2026; standardsatser på $1,50 / $7,50 gjelder fra 1. januar 2027.
• 1M kontekst, 64K–65K maks utdata, tenkenivåer (low/medium/high), funksjonskalling, kodekjøring, datamaskinbruk (forhåndsvisning), søkeforankring og strukturerte utdata.
• Ideell for produksjon av kodeagenter, ingeniøroppgaver med lang horisont, UI‑generering fra design‑mockups og komplekse dokument-/kunnskapsarbeidsflyter til attraktiv kostnad.
• CometAPI gir enkel OpenAI‑kompatibel tilgang til Gemini 3.7 Flash sammen med 500+ andre modeller med samlet fakturering og konkurransedyktige priser.

Hva er Gemini 3.7 Flash?

Gemini 3.7 Flash er den nyeste stabile modellen i Googles Gemini 3 Flash‑linje. Flash‑modellene er designet for å balansere intelligens, hastighet og kostnad for applikasjoner som gjør hyppige modellkall. De er spesielt relevante for agenter, fordi en agent kan trenge å resonere, kalle verktøy, inspisere resultater, rette feil og fortsette i flere omganger før én brukerforespørsel er fullført.

Google kaller 3.7 Flash sin mest intelligente arbeidshest-modell til nå for koding og agenter. Den posisjoneringen er viktig. Gemini 3.7 Flash presenteres ikke som en erstatning for alle frontmodeller for resonnering. I stedet tar den sikte på å levere nok intelligens for krevende produksjonsarbeidsflyter samtidig som den beholder Flash‑nivå latenstid og økonomi.

Modellkortet gir den tydeligste tekniske forklaringen: Gemini 3.7 Flash er basert på Gemini 3.6 Flash og introduserer algoritmiske forbedringer i sin kjerne‑resonneringsbasis. Dette forklarer hvorfor Google slapp den bare tre uker etter 3.6. Det er en optimaliserings- og kapabilitetsutgivelse bygget på samme grunnlag, ikke en helt ny pretreningsgenerasjon.

Spesifikasjoner for Gemini 3.7 Flash

Hva er nytt i Gemini 3.7 Flash?

Sterkere agent-basert koding

De største forbedringene gjelder programvareutvikling. Google sier modellen er bedre til å debugge, løse problemer, generere produksjonsklar kode på første forsøk og holde seg effektiv gjennom lengre kodearbeidsflyter.

Dette er viktig fordi kostnaden for en kodeagent ikke bare bestemmes av antall tokens i ett svar. En modell som produserer en plausibel, men ødelagt patch, kan utløse flere repository‑skanninger, terminalkommandoer, testrunder, reparasjons‑prompter og menneskelig gjennomgang. Høyere treffprosent ved første forsøk kan redusere kostnaden per akseptert resultat selv når to modeller har like oppgitte tokenpriser.

Gemini 3.7 Flash tilpasser seg angivelig også bedre når den møter hindringer. Google beskriver mer disiplinert planlegging og verktøybruk, bedre avklaring av intensjon og færre nye forsøk. Dette er operative forbedringer for IDE‑assistenter, pull request‑agenter, feilsøkingssystemer og interne utviklerverktøy.

Bedre webutvikling og UI‑fidelitet

Google sier 3.7 Flash kan lage mer funksjonelle layouter og mer funksjonskomplette applikasjoner med færre prompter. Den er også designet for å følge visuelle referanser tettere, inkludert skjermbilder, bilder og komplette designsystemer.

Code Arena‑resultatet støtter dette fokuset: 3.7 Flash når 1588 Elo mot 1538 for 3.6 Flash. For team som bygger skjermbilde‑til‑kode‑verktøy, designsystem‑assistenter, landingssidegeneratorer eller fullstack‑prototyper, er det praktiske spørsmålet om den nye modellen reduserer manuell CSS‑korreksjon og reparasjon av manglende funksjoner. Det bør måles på egne komponenter, breakpoints og tilgjengelighetskrav.

Mer pålitelige bedriftsarbeidsflyter

Gemini 3.7 Flash gir store gevinster på kunnskapsintensive og automatiserings‑benchmarker. Google fremhever finans, jus, biovitenskap, komplekse PDF‑er og reelle forretningsarbeidsflyter.

Dette er en nyttig forskjell fra ordinær spørsmål‑og‑svar. Bedriftsagenter må ofte lese flere dokumenter, hente ut bevis, sammenligne fakta, oppdatere et regneark eller statusdokument, utforme en e‑post og kalle interne verktøy. AutomationBench stiger fra 17,0% til 30,4%, mens GDP.pdf går fra 22,0% til 34,0%. Disse scoreene er fortsatt langt fra perfekte, men de relative gevinstene er store nok til å rettferdiggjøre retesting av arbeidsflyter som tidligere krevde en dyrere modell.

Forbedret langkontekst og datamaskinbruk

Gemini 3.7 Flash beholder én million tokens inndata og forbedrer Googles GDM‑MRCR v2 langkontekst‑score fra 91,8% til 97,0% ved 128K. Den forbedrer også OSWorld‑2.0 datamaskinbruk fra 33,8% til 47,9%.

Et stort kontekstvindu garanterer ikke pålitelig gjenfinning over hver token. Benchmark‑gevinsten antyder bedre bruk av lange input, men produksjonstester bør inkludere dokumentrekkefølge, gjentatt standardtekst, kodestruktur, tabeller og gjenfinningsstøy applikasjonen faktisk møter.

Oppdaterte sikkerhetsvern

Google sier Gemini 3.7 Flash leveres med oppdaterte sikringer for kjemisk, biologisk, radiologisk og nukleært misbruk samt cyberangrep. Modellkortet rapporterer i grove trekk lik sikkerhets- og toneytelse som Gemini 3.6 Flash og sier at sporede terskler for frontier‑kapabiliteter ikke ble nådd.

Kortet lister også kjente begrensninger for grunnmodeller: hallusinasjoner, sporadisk treghet eller tidsavbrudd, ufullstendig kunnskap, og fortsatt behov for forbedret motstand mot jailbreak. Applikasjoner i juridiske, finansielle, medisinske, sikkerhetsmessige eller andre høyeffekt‑settinger trenger fortsatt kildeverifisering og menneskelig gjennomgang.

Gemini 3.7 Flash vs Gemini 3.6 Flash: Benchmark‑forbedringer

Tabellen under bruker Googles modellkort fra august 2026. Prosentpoengendringer er beregnet fra publiserte score. Elo‑forskjeller vises som poeng fordi det ville være misvisende å behandle Elo som en enkel prosent.

Google og uavhengige evaluerere (inkludert Artificial Analysis) rapporterer klare gevinster. Utvalgte sammenligninger:

Kilder: Google DeepMind‑modellkort og offisiell blogg, Artificial Analysis uavhengige evalueringer (august 2026). 3.7 Flash konkurrerer også tett med eller leder midt‑frontier‑modeller som Claude Sonnet 5 og GPT‑5.6 Terra på flere praktiske kode- og agent‑tester, samtidig som den er betydelig billigere.

Hvor oppgraderingen er størst

De største praktiske gevinstene er DeepSWE, AutomationBench, GDP.pdf og OSWorld‑2.0. Relativt til 3.6‑scoren er økningene omtrent 34%, 79%, 55% og 42%, respektivt. Relative prosenter kan overdrive endringer når basisnivået er lavt, så den absolutte prosentpoengforbedringen bør forbli den primære sammenligningen.

Terminal‑Bench 3.0 er et annet slående resultat: 14,9% mot 5,4%. Det er en absolutt gevinst på 9,5 poeng og omtrent 176% relativ forbedring, men den lave sluttscoren viser også at generelle autonome agentoppgaver fortsatt er vanskelige.

Hvor Gemini 3.7 Flash ikke forbedrer seg

Gemini 3.7 Flash ligger 0,7 prosentpoeng bak Gemini 3.6 Flash på begge CharXiv‑konfigurasjonene. Dette er en nyttig påminnelse om at modelloppgraderinger ikke er jevnt bedre. Hvis arbeidsbelastningen din er tungt avhengig av komplekse vitenskapelige diagrammer, skjemata eller verktøyassistert visuell syntese, bør du holde 3.6 tilgjengelig under testing og sammenligne begge modellene på representative input.

Googlerapporterte benchmarker er verdifulle frigivelsesbevis, men de er ikke en erstatning for en applikasjonsspesifikk evaluering. Mål aksepterte utdata, latenstid, verktøyfeil, nye forsøk, tokenbruk og tid for menneskelig gjennomgang på minst 20 til 50 reelle oppgaver før du endrer produksjonstrafikken.

Priser for Gemini 3.7 Flash

Google introduksjons- og standardpriser

Google oppgir en introduksjonspris frem til 31. desember 2026:

Google beskriver introduksjonssatsen som halvparten av den opprinnelige kostnaden for Gemini 3.6 Flash. Detaljert modellkort viser for øyeblikket samme kampanjesats for både 3.6 og 3.7 Flash, etterfulgt av samme standardsats fra januar 2027. Med andre ord, 3.7 gir sterkere benchmark‑ytelse til gjeldende kampanjepris i stedet for å ta en umiddelbar premie.

Thinking‑tokens faktureres normalt som utdata‑tokens. Verktøybruk kan også legge til modeltokens eller separate verktøykostnader. Søkeforankring, filhenting, URL‑kontekst, datamaskinbruk og gjentatte agentsteg kan vesentlig endre den endelige regningen.

CometAPI‑priser

På tidspunktet 14. august 2026 lister CometAPI Gemini 3.7 Flash til:

For en arbeidsbelastning med én million inndata‑tokens og 200 000 utdata‑tokens er Googles introduksjonskostnad $1,50: $0,75 for input pluss $0,75 for output. Med CometAPIs satser er samme tokenvolum $1,20. Denne beregningen utelater verktøykostnader, caching, nye forsøk og eventuelle forskjeller i forespørselsatferd.

Ikke velg en rute basert kun på tokenpris. Sammenlign kostnad per akseptert resultat, fordi en rimeligere rute kan bli dyrere hvis den gir flere feil, nye forsøk eller eskaleringer.

Slik får du tilgang til Gemini 3.7 Flash

1. Google AI Studio

Google AI Studio er det raskeste stedet å teste prompter og modellatferd uten å bygge en komplett applikasjon. Åpne Gemini 3.7 Flash AI Studio‑prompten, skaff en API‑nøkkel, og eksporter kode når prompten er klar.

2. Gemini API

Bruk den stabile modellkoden gemini-3.7-flash. Googles modelside anbefaler Interactions API for tilgang til gjeldende funksjoner. Modellen støtter tenkenivåene low, medium og high, men å sende minimal returnerer en feil.

Utviklere som migrerer fra eldre Gemini‑generasjoner, bør også gjennomgå gjeldende API‑regler. Utrangerte samplingparametre og manuelt forhåndsfylte modellomganger kan oppføre seg annerledes enn i tidligere integrasjoner.

3. Google Antigravity og Android Studio

Google lister Gemini 3.7 Flash for agent‑først‑utvikling i Google Antigravity og for kodearbeidsflyter i Android Studio. Disse flatene er passende når hovedoppgaven er repository‑navigasjon, applikasjonsutvikling, testing eller verktøydrevet koderettelse.

4. Gemini Enterprise og Gemini Spark

Bedrifter kan bruke modellen via Gemini Enterprise Agent Platform og Gemini Enterprise‑appen. Abonnenter på Google AI Pro og Ultra i mer enn 160 land kan bruke den via Gemini Spark, Googles personlige agent i Gemini‑appen.

5. CometAPI

CometAPI eksponerer Gemini 3.7 Flash både gjennom et Gemini‑nativt forespørselsformat og et OpenAI‑kompatibelt chat‑completions‑mønster. Dette kan være nyttig når et team ønsker én nøkkel og faktureringslag på tvers av Google og konkurrerende modelfamilier.

Gemini‑native CometAPI‑forespørsel

model="gemini-3.7-flash"

curl "https://api.cometapi.com/v1beta/models/${model}:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [{
      "parts": [{
        "text": "Review this implementation plan and identify the three highest-risk assumptions."
      }]
    }],
    "generationConfig": {
      "maxOutputTokens": 4096
    }
  }'

OpenAI‑kompatibel Python‑forespørsel via CometAPI

import os
from openai import OpenAI

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

response = client.chat.completions.create(
    model="gemini-3.7-flash",
    messages=[
        {
            "role": "user",
            "content": "Design a migration test plan from Gemini 3.6 Flash to 3.7 Flash.",
        }
    ],
)

print(response.choices[0].message.content)

Bruk den Gemini‑native ruten når du trenger leverandørspesifikke kontroller som ikke er representert i kompatibilitetslaget. Bruk den OpenAI‑kompatible ruten når portabilitet og rask modell‑sammenligning er prioritert. Bekreft støttede parametre i live‑dokumentasjonen før produksjonsbruk.

Beste bruksområder for Gemini 3.7 Flash

Koding og programvareingeniør‑agenter

Gemini 3.7 Flash er en sterk kandidat for debugging, problemløsing, repository‑analyse, testgenerering, refaktorering og kodegjennomgang. Forbedringene på DeepSWE, FrontierCode og terminal‑benchmarker gjør koding til det tydeligste oppgraderingsområdet.

Web- og UI‑generering

Bruk den til skjermbilde‑til‑kode‑arbeidsflyter, designsystem‑implementering, interaktive prototyper og generering av fullstack‑webapplikasjoner. Evaluer visuell troskap, responsiv atferd, tilgjengelighet og funksjonskompletthet i stedet for å dømme kun første skjermbilde.

Bedriftsdokument‑agenter

Kontekstvinduet på én million tokens, PDF‑input, GDP.pdf‑forbedring, funksjonskalling og filsøk gjør modellen relevant for finansrapporter, juridiske dokumenter, vitenskapelig litteratur, policy‑biblioteker og interne kunnskapssystemer.

Multimodal og datamaskinbruks‑automatisering

Gemini 3.7 Flash kan resonere over tekst, bilder, video, lyd og PDF‑er, mens datamaskinbruk i forhåndsvisning muliggjør UI‑drevne arbeidsflyter. Behold menneskelig godkjenning rundt irreversible handlinger, tillatelser, transaksjoner og beslutninger med høy påvirkning.

Høyvolum flertrinns arbeidsflyter

Modellen er designet for agent‑utførelse med Flash‑økonomi. Den kan redusere behovet for å sende hver komplekse oppgave til en dyrere modell. En praktisk rutestrategi er å starte med 3.7 Flash, validere resultatet, og eskalere kun tvetydige eller høyrisiko‑tilfeller.

Vanlige spørsmål

Hva er Gemini 3.7 Flash?

Gemini 3.7 Flash er Googles stabile Flash‑modell fra august 2026 for koding, AI‑agenter, webutvikling, multimodal forståelse og bedrifts‑kunnskapsarbeid. Den er basert på Gemini 3.6 Flash og legger til algoritmiske forbedringer i kjerne‑resonnering.

Hva er kontekstvinduet i Gemini 3.7 Flash?

Gemini 3.7 Flash støtter opptil 1 048 576 inndata‑tokens og opptil 65 536 utdata‑tokens. Den aksepterer tekst, bilde, video, lyd og PDF som input og returnerer tekst.

Hvor mye koster Gemini 3.7 Flash?

Googles introduksjonspris frem til 31. desember 2026 er $0,75 per million inndata‑tokens og $3,75 per million utdata‑tokens. Google lister $1,50/M input og $7,50/M output fra 1. januar 2027. CometAPI lister $0,60/M input og $3,00/M output på publiseringstidspunktet.

Er Gemini 3.7 Flash bedre enn Gemini 3.6 Flash?

Den er bedre på de fleste Google‑publiserte benchmarker, spesielt produksjonskoding, langhorisont programvareingeniørarbeid, arbeidsflytautomatisering, PDF‑forståelse, langkontekst‑gjenfinning og datamaskinbruk. Den er litt svakere på CharXiv‑diagramresonnering, så svaret avhenger av arbeidsbelastningen.

Er Gemini 3.7 Flash bra for kodeagenter?

Ja. Koding og agenter er hovedbruksområdene. Google rapporterer 65,3% mot 48,6% for 3.6 Flash på DeepSWE v1.1 og 43,6% mot 34,4% på FrontierCode 1.1 Main.

Støtter Gemini 3.7 Flash bildegenerering?

Nei. Den kan forstå bildeinput, men produserer tekstutdata. Bildegenerering og lydgenerering støttes ikke av denne modellen.

Hvilke tenkenivåer støtter Gemini 3.7 Flash?

Den støtter low, medium og high tenking. Googles utviklerside sier at minimal tenking ikke støttes og returnerer en feil.

Hvordan bruker jeg Gemini 3.7 Flash via CometAPI?

Opprett en CometAPI‑nøkkel, velg gemini-3.7-flash, og kall enten det Gemini‑kompatible endepunktet /v1beta/models/{model}:generateContent eller det OpenAI‑kompatible endepunktet /v1/chat/completions. Sjekk live‑modellsiden for gjeldende priser og parameterstøtte.

Konklusjon

Gemini 3.7 Flash representerer en rask, fokusert forbedring i Googles arbeidshest‑linje: sterkere kode- og agent‑kapabiliteter, bedre design‑etterlevelse for web og UI‑arbeid, forbedret ytelse på komplekse dokumenter og kunnskapsarbeid, og attraktive introduksjonspriser som gjør høyvolums produksjonsagenter mer økonomiske. Med et kontekstvindu på 1M tokens, robust verktøysett og justerbar resonnering er den velegnet for reell programvareutvikling og flertrinns automatisering.

Enten du får tilgang direkte via Googles utviklerverktøy eller gjennom en samlet plattform som CometAPI, er Gemini 3.7 Flash klar for produksjonsevaluering i dag. Utforsk den levende modellkatalogen og konkurransedyktige satser på cometapi.com, hent gratis prøve‑kreditter, og bygg mer pålitelige, kostnadseffektive agenter med den nyeste Flash‑modellen fra Google.