Gemini 3.6 Flash vs Qwen3.7 Plus

vs

Welches Modell wofür

qwen3.7-plus ist bei Input und Output günstiger ($0.4 und $1.6 gegenüber $0.75 und $3.75 bei gemini-3.6-flash, also etwa um den Faktor 2.3 beim Output), beim gecachten Input liegt dagegen gemini-3.6-flash knapp vorn ($0.075 gegenüber $0.08). Beide begrenzen die Ausgabe auf 65536 Tokens, und die Kontextfenster liegen nah beieinander: 1048576 bei gemini-3.6-flash, 1000000 bei qwen3.7-plus. Wählen Sie gemini-3.6-flash, wenn Audio zur Eingabe gehört; wählen Sie qwen3.7-plus für Text-, Bild- und Videoaufgaben zu geringeren Kosten oder wenn sich Thinking abschalten lassen soll, was gemini-3.6-flash nicht erlaubt.

Benchmarks

Über dem DurchschnittKeins besserGemini 3.6 Flash6 / 191 / 19Qwen3.7 Plus11 / 244 / 24
Gemini 3.6 Flash Qwen3.7 Plus weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
DeepSWE 1.1
48.6%
16.5%
BioMysteryBench hard
41.2%
N/A
OSWorld 2.0
33.8%
N/A
JobBench
N/A
27.6%
Harvey Lab-AA
85.1%
N/A
GPQA Diamond
N/A
90.3%
ERQA
N/A
69.8%
Agents' Last Exam Pass
24.2%
13.2%
LVBench
84.2%
76.2%

Anbieterangaben: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic Anthropic Anthropic Anthropic ByteDance DeepSeek DeepSeek Google Google Google Google MiniMax Moonshot OpenAI OpenAI OpenAI OpenAI OpenAI Tencent Z.ai Z.ai Z.ai Z.ai

Preise

Gemini 3.6 Flash Qwen3.7 Plus Δ
Eingabe / 1M Tokens $0.75 $0.4 1.9×
Ausgabe / 1M Tokens $3.75 $1.6 2.3×
Cache-Lesen / 1M Tokens $0.075 $0.08 0.94×
Cache-Schreiben - 1.25x -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite. Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

Qwen3.7 Plus · Preise nach Eingabelänge

Für die gesamte Anfrage gilt der Tarif ihrer Eingabelängenstufe. Preise in USD pro Million Tokens.

Eingabe-TokensEingabeAusgabeEingabe (Thinking)
0 - 256.000 $0.4 $1.6 $1.6
256.001 - 1.000.000 $1.2 $4.8 $4.8

Einordnung: Eingabepreis pro 1M Tokens aller 91 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Gemini 3.6 Flash · $0.75 Qwen3.7 Plus · $0.4
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Fähigkeiten

Gemini 3.6 Flash Qwen3.7 Plus
Tool-Nutzung ja ja
Thinking-Steuerung immer aktiv konfigurierbar
Strukturierte Ausgabe ja ja
Prompt-Caching implizit + explizit implizit + explizit
Cache-Lebensdauer nicht veröffentlicht explicit: 5m, reset on hit
Mindestlänge des gecachten Präfixes 4,096 Tokens 1,024 Tokens

Spezifikationen

Gemini 3.6 Flash Qwen3.7 Plus
Eingabemodalitäten Text Bild Audio Video Text Bild Video
Ausgabemodalitäten Text Text
Veröffentlicht 2026-07-21 2026-06-01
Knowledge-Cutoff 2026-03 -
Kontextfenster 1.048.576 1.000.000
Maximale Ausgabe 65.536 65.536
Thinking-Parameter thinkingLevel
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Zulässige Werte
  • minimal
  • low
  • medium
  • high
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Standardwert medium

an

die Qwen3.7-Plus-Reihe nutzt hybrides Thinking, das standardmäßig aktiviert ist, und preserve_thinking ist aus

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: Gemini 3.6 Flash · Qwen3.7 Plus

Ein Prompt, beide Modelle, gemessen über das Gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

Gemini 3.6 Flash bestanden · 3 sentences

Enabling reasoning causes the model to generate thousands of internal "thinking" tokens behind the scenes to process logic before delivering the final response. Because our vendor bills us for every token generated—including these intermediate processing steps—our billable output volume per query surged significantly. Since output tokens carry a much higher unit cost than input tokens, this jump in processing volume directly doubled our overall spend.

Ausgabe 893 tok (+816 Thinking) Latenz 4.7 s

Qwen3.7 Plus bestanden · 3 sentences

Enabling reasoning requires the model to generate extensive internal "thinking" tokens to process complex logic before delivering a final answer. Because our vendor charges us per token consumed, this hidden computational overhead effectively doubles our output volume for the exact same number of user requests. Consequently, our costs have doubled because we are now paying for the model's increased processing time to achieve higher-quality, more accurate results.

Ausgabe 1428 tok (+1345 Thinking) Latenz 25.2 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

Gemini 3.6 Flash bestanden · 8/8 cases

Here is the fixed function along with an explanation of the bugs: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ### Explanation The original function initialized `cur` and `best` to `0` and incremented `cur` on matching adjacent items, which meant it was counting identical adjacent *pairs* rather than the total number of *elements* in a run. This caused single-element inputs to skip the loop and return `0` instead of `1`, and undercounted all run lengths by 1 (for example, a run of two items at the end of the list resulted in `cur = 1`). […]

Ausgabe 2034 tok (+1768 Thinking) Latenz 10.0 s

Qwen3.7 Plus bestanden · 8/8 cases

## Fixed Code ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` ## Bug Explanation The function has two related bugs rooted in how it counts run lengths. First, `cur` is initialized to `0` and only incremented on matches, so it counts the number of *transitions* between equal elements rather than the total elements in the run—a run of N identical items only reaches `cur = N − 1`, undercounting by one. This also causes the single-element case to return `0`, since the loop never executes and `cur` never increments. […]

Ausgabe 2317 tok (+2005 Thinking) Latenz 40.5 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

Gemini 3.6 Flash bestanden · 5/5 fields, guidance "withheld"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```

Ausgabe 2843 tok (+2783 Thinking) Latenz 13.1 s

Qwen3.7 Plus bestanden · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

Ausgabe 1807 tok (+1750 Thinking) Latenz 31.6 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

Gemini 3.6 Flash verfehlt · 60 words, 0 banned, 0 questions

72: reducing 73: your 74: monthly 75: token 76: spend. S6 (21): 77: You 78: can 79: easily 80: set 81: custom 82: expiration 83: rules, 84: configure 85: TTL 86: settings, 87: and 88: manage 89: cache 90: invalidation 91: across 92: all 93: vendors 94: from 95: one 96: centralized 97: dashboard. S7 (23): 98: Start 99: optimizing […]

Ausgabe 4092 tok (+3929 Thinking) Latenz 16.3 s

Qwen3.7 Plus bestanden · 120 words, 0 banned, 1 question

Introducing PromptCache, our new API gateway feature designed to store and reuse prompts across multiple artificial intelligence providers. Have you ever noticed how repeatedly sending identical queries drains your budget and increases latency? PromptCache solves this by intelligently storing responses at the gateway level. When your application requests the same prompt from a different provider, the system instantly returns the cached result. This drastically reduces API costs and accelerates response times for your users. You can configure custom expiration times and set specific fallback rules for each vendor. You must stop paying twice for the exact same computation. Please upgrade your entire infrastructure today and experience much faster and cheaper integrations without changing a single line of your application code.

Ausgabe 4453 tok (+4312 Thinking) Latenz 76.8 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-3.6-flash",
    # model="qwen3.7-plus",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: Gemini 3.6 Flash oder Qwen3.7 Plus?

Die Haupttabelle zeigt Basistarife. Die Promptlänge kann den Tarif für die gesamte Anfrage ändern. Die Modellseiten führen alle Preisstufen auf.

Kann ich Gemini 3.6 Flash gegen Qwen3.7 Plus A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen Gemini 3.6 Flash und Qwen3.7 Plus Prompt-Caching?

Ja. Beide berechnen Cache-Lesezugriffe günstiger als die normale Eingabe. Workloads mit einem wiederkehrenden, bereits gecachten Präfix kosten deshalb weniger, als die Listenpreise vermuten lassen. Die genauen Preise stehen in den Cache-Zeilen der Preistabelle oben.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen