Neu Kostenlos registrieren, 10 Aufrufe gratis. Bis zu 1 $, ohne Karte.

Gemini 3.7 Flash vs Qwen3.8 Flash

vs

Welches Modell, wann

Wählen Sie gemini-3.7-flash, wenn Audio Teil des Input-Mixes ist: Es akzeptiert Text, Bild, Audio und Video für $0.75 pro Million Input-Token und $3.75 beim Output, mit einem 1048576-Token-Kontext. Wählen Sie qwen3.8-flash für Text-, Bild- und Videoarbeiten bei einem rund 5x günstigeren Input und etwa 8x günstigeren Output ($0.15 und $0.47), mit einem 1000000-Token-Kontext, doppeltem maximalen Output von 131072 Token, einem Long-Context-Flag und der Option, Thinking zu deaktivieren. Beide decken Chat, Vision, Code, Tools und Reasoning ab, die Entscheidung fällt also wirklich zwischen Audio-Input gegenüber günstigeren Token und längeren Antworten.

Benchmarks

Über dem DurchschnittKeins besserGemini 3.7 Flash17 / 243 / 24Qwen3.8 Flash13 / 163 / 16
Gemini 3.7 Flash Qwen3.8 Flash weitere gemessene Modelle Durchschnitt der Vergleichsmodelle kein anderes Modell war besser
DeepSWE 1.1
65.3%
58.7%
BioMysteryBench hard
43.5%
N/A
OSWorld 2.0
47.9%
N/A
Finance Agent v2
59%
N/A
Harvey Lab-AA
90.7%
N/A
GPQA Diamond
N/A
91.7%
ERQA
N/A
kein anderes Modell war besser 72.3%
Agents' Last Exam Pass
26.3%
24.3%
LVBench
kein anderes Modell war besser 85.4%
76.6%

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

Preise

Gemini 3.7 Flash Qwen3.8 Flash Δ
Input / 1M Token $0.75 $0.15
Output / 1M Token $3.75 $0.47
Cache-Read / 1M Token $0.075 $0.016 4.7×
Cache-Schreiben - 1.25x -

Preise aus dem Live-Katalog zum Zeitpunkt des Builds; jede Modellseite enthält die aktuelle Übersicht.

Wo sie stehen - Eingabepreis pro 1M Tokens über alle 71 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Gemini 3.7 Flash · $0.75 Qwen3.8 Flash · $0.15
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Fähigkeiten

Gemini 3.7 Flash Qwen3.8 Flash
Tool-Nutzung ja ja
Thinking-Kontrolle ja - Regler des Anbieters nicht veröffentlicht konfigurierbar
Strukturierte Ausgabe ja ja
Prompt-Caching implizit + explizit implizit + explizit
Cache-Lebensdauer nicht veröffentlicht explicit: 5m, reset on hit
Minimales gecachtes Präfix 4096 Tokens 1024 Tokens

Spezifikationen

Gemini 3.7 Flash Qwen3.8 Flash
Input-Modalitäten Text Bild Audio Video Text Bild Video
Ausgabemodalitäten Text Text
Veröffentlicht 2026-08-13 2026-08-27
Wissensgrenze 2026-03 -
Kontextfenster 1M 1M
Maximaler Output 66K 131K
Thinking-Parameter -
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Zulässige Werte -
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Standardwert -

on

qwen3.8-flash is hybrid thinking with thinking enabled by default, thinking_budget defaults to the 262,144-token chain maximum, and preserve_thinking is off

Die Spezifikationen sind aus der Dokumentation der jeweiligen Anbieter übernommen; eine Zeile, die ein Anbieter nicht veröffentlicht, wird weggelassen und nicht abgeleitet. Vollständige Quellen: Gemini 3.7 Flash · Qwen3.8 Flash

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. PRÜFEN genau 3 Sätze

Gemini 3.7 Flash bestanden · 3 sentences

Enabling reasoning causes the model to generate a high volume of invisible "thinking tokens" behind the scenes to deliberate and solve complex logic before delivering a final response. Because our vendor bills strictly on token volume, this additional internal computation effectively doubled our billable output per query. In short, our costs increased because we are now paying for the extra compute capacity required to produce significantly higher-accuracy answers.

Ausgabe 878 tok (+799 Denken) Latenz 6.9 s

Qwen3.8 Flash bestanden · 3 sentences

Enabling reasoning makes the model spend additional output tokens to plan and validate answers before responding, and those tokens are billed. It also increases compute and latency per request, so each task consumes more capacity than a non-reasoning call. As a result, billable tokens and compute roughly doubled, directly driving the higher invoice.

Ausgabe 330 tok (+262 Denken) Latenz 8.9 s

Befolgen der Anweisung (genau drei Sätze - abzählbar), Zuschnitt auf das Publikum (CFO-Register), und die Abrechnungslücke durch verstecktes Denken, 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. PRÜFEN Fix besteht die Tests

Gemini 3.7 Flash bestanden · 8/8 cases

Here is the corrected function: ```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 of the Bug The original function tracked equal adjacent transitions instead of the actual number of elements in a run, causing all non-empty run lengths to be undercounted by one (e.g., returning `0` instead of `1` for single-element lists because the loop never executes, and `1` instead of `2` for pairs). Initializing both `best` and `cur` to `1` (after handling empty inputs) and resetting `cur` to `1` on a mismatch ensures every individual element is counted as a valid run of at least length one.

Ausgabe 1050 tok (+827 Denken) Latenz 6.4 s

Qwen3.8 Flash bestanden · 8/8 cases

```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 ``` The bug is that the original version counts adjacent equal pairs rather than items in a run, starting both `cur` and `best` at `0`, and it resets `cur` to `0` after a mismatch, thereby discarding the first element of the new run. That makes single-element inputs return `0`, and because every run is effectively measured in “steps” between equal elements, the last element is not counted—particularly noticeable when the longest run ends at the final index.

Ausgabe 2123 tok (+1933 Denken) Latenz 43.8 s

Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.

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. PRÜFEN gültiges JSON, Schema exakt

Gemini 3.7 Flash bestanden · 5/5 fields, guidance "withheld"

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

Ausgabe 918 tok (+858 Denken) Latenz 6.2 s

Qwen3.8 Flash bestanden · 5/5 fields, guidance null

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

Ausgabe 519 tok (+463 Denken) Latenz 10.5 s

Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte 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. PRÜFEN 120 Wörter, 0 verbotene Wörter

Gemini 3.7 Flash bestanden · 120 words, 0 banned, 1 question

Why pay twice for identical AI queries simply because you routed them to different model vendors? Today, we introduce Universal Prompt Caching directly within our unified API gateway architecture. This capability stores repeated prompt contexts across OpenAI, Anthropic, and local models, instantly returning stored results to eliminate redundant computation fees. When your application sends an LLM request, the gateway inspects the payload, identifies semantic matches, and returns accurate cached responses in under ten milliseconds. Engineering teams can now slash inference latency by eighty percent while dramatically reducing monthly token expenditures across diverse production deployments. You retain complete privacy control, flexible cache eviction policies, and granular metrics through a single dashboard. Update your routing settings today to accelerate overall system performance.

Ausgabe 2858 tok (+2718 Denken) Latenz 14.1 s

Qwen3.8 Flash bestanden · 120 words, 0 banned, 1 question

We are announcing prompt caching across providers in our API gateway. Store approved prompt outputs once and reuse them across supported model providers, cutting latency, cost, and duplicate token spend. The feature matches identical requests, checks validity, and returns cached results while preserving routing controls. Developers keep existing endpoints; the gateway manages storage, invalidation, and provider differences. This reduces noisy repeat calls, improves steady responses, and frees teams to focus on better agent workflows. OpenAI, Anthropic, Google, Mistral, and custom routes are supported. Cache hits appear in analytics with latency, token, and cost reductions visible. Check retention and privacy rules before enabling it. Ready to add cache controls to your gateway? Enable it in settings and watch spend drop now.

Ausgabe 5958 tok (+5805 Denken) Latenz 88.8 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.

Mit einer Zeile zwischen ihnen wechseln

Beide IDs befinden sich in jedem Tab unten - das hervorgehobene Zeilenpaar ist die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiche Request-Struktur.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="gemini-3.7-flash",
    # model="qwen3.8-flash",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

API-Schlüssel abrufen →

FAQ

Welches ist günstiger, Gemini 3.7 Flash oder Qwen3.8 Flash?

Qwen3.8 Flash ist günstiger bei input / 1m token ($0.15 vs. $0.75, 5.0× Unterschied). Andere Zeilen können in die andere Richtung deuten - die obige Tabelle enthält alle Daten, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich Gemini 3.7 Flash gegen Qwen3.8 Flash ohne zwei Integrationen A/B-testen?

Ja. Beide werden über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel bereitgestellt - der Wechsel ist eine einzeilige Änderung des Modell-Strings, sodass Sie einen Bruchteil des Traffics an jedes Modell leiten und die Rechnungen direkt vergleichen können.

Unterstützen Gemini 3.7 Flash und Qwen3.8 Flash Prompt-Caching?

Ja - beide berechnen Cache-Reads günstiger als ihre Eingaberate, sodass Warm-Prefix-Workloads weniger kosten, als die Listenpreise vermuten lassen. Die genauen Zeilen für Cache-Reads befinden sich in der obigen Preistabelle.

Verwandte Vergleiche

Aus unseren gemessenen Studien