Gemini 3.7 Flash ist Googles leistungsfähigstes Flash-Modell, allgemein verfügbar seit dem 13.
- Eingabe
- Text Bild Audio Video $0.75/M
- Ausgabe
- Text $3.75/M
- Audio-Input
- $0.75/M
- Cache-Read
- $0.075/M
- Kontext
- 1M
- vs. GPT-4o
- ~85% günstiger
- Knowledge Cutoff
- 2026-03
Benchmarks
Herstellerangaben: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Preisposition unter 68 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Es sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibvorgänge stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (Herstellerangabe) | 1.048.576 |
|---|---|
| Max. Output (Anbieter-Spezifikation) | 65.536 |
| Knowledge Cutoff | 2026-03 |
Prompt Caching
| Modus | automatisch + explizit |
|---|---|
| Min. Präfix | 4.096 |
Thinking
| Parameter | reasoning_effort |
|---|---|
| Werte | minimal · low · medium · high akzeptierte Werte je Anbieter |
Modell
| Modalitäten | Text + Bild + Audio + Video → Text |
|---|
- Google's most capable Flash model for agentic workflows and multimodal reasoning
- output price includes thinking tokens, and audio and video input bill at the text rate
Ein Prompt, gemessen über das Gateway
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
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.
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
Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.
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
Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte Ausgabe.
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
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.
Gemini 3.7 Flash in 30 Sekunden nutzen
OpenAI-kompatibel: Tauschen Sie die base_url, behalten Sie Ihr SDK. POST /v1/chat/completions
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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-3.7-flash",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.7-flash",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-3.7-flash",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-3.7-flash")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini 3.7 Flash
- August 2026 und auf agentische Workflows sowie multimodales Reasoning ausgerichtet.
- Es nimmt Text, Bilder, Audio und Video entgegen und liefert Text, sodass ein einzelner Aufruf über einen Screenshot, eine Aufnahme und einen Prompt gemeinsam schließen kann, statt mehrere Modelle zu einer Pipeline zu verketten.
- Zwei Preisdetails machen die Kalkulation ungewöhnlich einfach.
- Erstens gibt es **keine Staffelung nach Kontextlänge**: Ein Prompt mit 900.000 Tokens kostet pro Token dasselbe wie einer mit 900, sodass Langkontext-Arbeit nicht mittendrin teurer wird.
- Zweitens gibt es **keinen Modalitätsaufschlag**: Audio- und Videoeingaben werden zum Texttarif abgerechnet - das Gegenteil der üblichen multimodalen Preisgestaltung und der Wegfall des sonst üblichen Grundes, Medien vorher herunterzurechnen.
- Der Ausgabepreis **schließt Thinking-Tokens ein**, eine reasoning-lastige Antwort wird also auf die vollständige Spur abgerechnet, nicht nur auf den sichtbaren Text; planen Sie das beim Ausgabelimit ein.
- Context Caching kostet etwa ein Zehntel des Eingabetarifs, zuzüglich stündlicher Speichergebühr - für Agenten-Schleifen mit stabilem System-Prompt lohnt sich ein fixiertes Präfix.
- Grounding mit der Google-Suche enthält ein monatliches Freikontingent, das sich die Gemini-3-Familie teilt.
- Synthorai stellt das Modell über den OpenAI-kompatiblen Chat-Completions-Endpunkt bereit.
FAQ
Lässt sich die Gemini 3.7 Flash API kostenlos testen?
Ja, neue Konten erhalten 10 Test-Calls und bis zu $1 kostenloses Guthaben, keine Kreditkarte erforderlich. Bei $0.75/M Input-Tokens deckt allein dieses Guthaben rund 166 Requests mit je ~8K Tokens gegen Gemini 3.7 Flash ab.
Worin ist Gemini 3.7 Flash am besten?
Leistungsfähigste Flash-Stufe für agentische Arbeit; Text-, Bild-, Audio- und Videoeingabe; kein Kontext- oder Modalitätsaufschlag. Das vollständige Bild finden Sie im Über-Abschnitt, direkt aus den offiziellen Release Notes des Anbieters.
Was kostet Gemini 3.7 Flash?
Gemini 3.7 Flash kostet auf Synthorai $0.75 pro Million Input-Tokens und $3.75 pro Million Output-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattform-Aufschlag. Gecachte Input-Tokens werden mit $0.075/M abgerechnet.
Unterstützt Gemini 3.7 Flash Prompt-Caching?
Ja, automatisches Caching ist standardmäßig aktiv, dazu ein expliziter Modus für garantierte Einsparungen. Gecachte Input-Tokens werden mit $0.075/M statt $0.75/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 4,096 Tokens, um gecacht zu werden. Prompt-Caching-Guide →
Wie erhalte ich Zugang zu Gemini 3.7 Flash?
Richten Sie Ihr vorhandenes OpenAI SDK auf base_url="https://synthorai.io/v1", setzen Sie model="gemini-3.7-flash", fertig. Ein API-Key deckt jedes Modell auf dem Gateway ab.
Wo liegt der Knowledge Cutoff von Gemini 3.7 Flash?
Der Knowledge Cutoff von Gemini 3.7 Flash liegt bei 2026-03, laut offizieller Dokumentation des Anbieters (Stand: 2026-08-15).
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite ist aus der Dokumentation des Anbieters übernommen, oben verlinkt, und trägt das Datum der Prüfung. Preise werden über den gesamten Katalog verglichen; Spezifikationswerte, die Anbieter unterschiedlich definieren, werden mit benanntem Unterschied gezeigt statt grafisch verglichen. Nichts hier wird von uns gemessen, und nichts wird bewertet.