Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

Claude Sonnet 5 vs Gemini 3.7 Flash

vs

Cuál usar y cuándo

gemini-3.7-flash queda unas 2.7x por debajo de claude-sonnet-5 tanto en entrada como en salida ($0.75 frente a $2 de entrada, $3.75 frente a $10 de salida, con lecturas de caché a $0.075 frente a $0.2), y acepta audio y vídeo junto a texto e imágenes, así que elígelo para trabajo barato de gran volumen o entrada de medios mixtos sobre una ventana de 1048576 tokens. Escoge claude-sonnet-5 cuando necesites generaciones largas, ya que su salida máxima de 128000 tokens es unas dos veces los 65536 del modelo Flash, o cuando su capacidad de pensamiento - desactivable por petición - encaje con tus necesidades de control. Las ventanas de contexto son equivalentes, en torno al millón de tokens en ambos casos.

Benchmarks

GanaSobre la mediaNinguno mejorClaude Sonnet 544 / 221 / 22Gemini 3.7 Flash1817 / 243 / 24

22 medidos en ambos.

Claude Sonnet 5 Gemini 3.7 Flash otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
DeepSWE 1.1
53.8%
65.3%
BioMysteryBench hard
34.1%
43.5%
OSWorld 2.0 Partial score, batch tool enabled
42.6%
50.6%
Finance Agent v2
53.9%
59%
Harvey Lab-AA
90.1%
90.7%
HLE-Verified
31%
53.6%
AutomationBench
10.7%
30.4%
LVBench
68.5%
ningún otro modelo puntuó más alto 85.4%

Publicado por los proveedores: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai

Precios

Claude Sonnet 5 Gemini 3.7 Flash Δ
Entrada / 1M tokens $2 $0.75 2.7×
Salida / 1M tokens $10 $3.75 2.7×
Lectura de caché / 1M tokens $0.2 $0.075 2.7×
Escritura en caché 1.25x (5m) / 2x (1h) - -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 76 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

Claude Sonnet 5 Gemini 3.7 Flash
Uso de herramientas sí sí
Control del razonamiento configurable

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí sí
Caché de prompts explícito (tú marcas el prefijo) implícito + explícito
Duración de la caché 5m default, 1h option no publicado
Prefijo mínimo en caché 1024 tokens 4096 tokens

Especificaciones

Claude Sonnet 5 Gemini 3.7 Flash
Modalidades de entrada texto imagen texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-06-30 2026-08-13
Corte de conocimiento 2026-01 2026-03
Ventana de contexto 1M 1M
Salida máxima 128K 66K
Parámetro de razonamiento
  • thinking.type "adaptive"
  • output_config.effort
-
Valores aceptados
thinking.type
  • adaptive
  • disabled
effort
  • low
  • medium
  • high
  • xhigh
  • max

"enabled" returns 400

-
Valor por defecto

thinking on (adaptive)

effort
  • high
-

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Claude Sonnet 5 · Gemini 3.7 Flash

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Claude Sonnet 5 superado · 3 sentences

Reasoning mode works by having the model generate extended internal "thinking" steps before producing its final answer, and since we're billed on total tokens, that hidden reasoning text adds significantly to what we pay for—even though you never see it in the output. This is different from simply getting longer visible responses; the model is essentially "showing its work" behind the scenes, and complex prompts can trigger thousands of extra reasoning tokens per request. The upside is improved accuracy on complex tasks, but if we want to control costs, we should selectively enable reasoning only for queries that truly need it, rather than applying it universally.

salida 194 tok latencia 4.3 s

Gemini 3.7 Flash superado · 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.

salida 878 tok (+799 razonamiento) latencia 6.9 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

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. COMPROBACIÓN la corrección pasa las pruebas

Claude Sonnet 5 superado · 8/8 cases

## The Bug The function has two related off-by-one issues rooted in the same cause: `cur` and `best` are initialized to `0` instead of `1`, treating run lengths as the number of *matches* between adjacent elements rather than the number of *elements* in the run. This means a single-element input never enters the loop (since `range(1, 1)` is empty) and returns `0` instead of the correct answer of `1`. It also means that for any input, the run length is undercounted by exactly one — a run of 3 equal elements only produces 2 "match" increments, so `best` ends up as 2 instead of 3. The claim that it "misses runs that end at the last index" is actually a symptom of this same undercount: the logic does update `best` correctly on every iteration (including the last), but because it's counting matches instead of elements, the final reported value is always one less than the true longest run. […]

salida 536 tok latencia 7.1 s

Gemini 3.7 Flash superado · 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.

salida 1050 tok (+827 razonamiento) latencia 6.4 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

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. COMPROBACIÓN JSON válido, esquema exacto

Claude Sonnet 5 superado · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11.5, "guidance": null } ```

salida 348 tok latencia 5.3 s

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

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

salida 918 tok (+858 razonamiento) latencia 6.2 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

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. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Claude Sonnet 5 superado · 123 words, 0 banned, 1 question

## Introducing Cross-Provider Prompt Caching We're rolling out a new caching layer for our API gateway that works across every major LLM provider you connect through it. Instead of resending identical prompts and paying full price each time, the gateway recognizes repeated requests and serves cached responses in milliseconds—regardless of whether you're routing to OpenAI, Anthropic, or Google. What does this mean for your bill and your latency? Both drop, often significantly, especially for teams running high-volume, repetitive workloads like customer support bots or batch content generation. The cache is configurable per route, with adjustable TTLs and invalidation rules, so you stay in control of freshness versus cost. Available now for all Pro and Enterprise plans. Check your dashboard to enable it today.

salida 259 tok latencia 4.8 s

Gemini 3.7 Flash superado · 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.

salida 2858 tok (+2718 razonamiento) latencia 14.1 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="claude-sonnet-5",
    # model="gemini-3.7-flash",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Claude Sonnet 5 o Gemini 3.7 Flash?

Gemini 3.7 Flash es más barato en Entrada / 1M tokens ($0.75 frente a $2, una diferencia de 2.7×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Claude Sonnet 5 frente a Gemini 3.7 Flash sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Claude Sonnet 5 y Gemini 3.7 Flash caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones