Gemini 3.5 Flash vs Gemini 3.7 Flash
Quale scegliere e quando
Questi due modelli Google Flash si equivalgono negli elementi essenziali - un contesto da 1048576 token, output massimo di 65536, e testo, immagini, video e audio in input con testo in output - quindi la differenza è nel prezzo e nella generazione: gemini-3.7-flash (rilasciato il 2026-08-13) addebita $0.75 in input e $3.75 in output contro i $1.5 e $9 di gemini-3.5-flash, rendendolo 2x più economico in input, 2.4x in output, e circa 6.7x più economico sull'input audio a $0.75 contro $5 per milione. Dispone inoltre del flag per la funzionalità di reasoning. Scegli gemini-3.5-flash solo se sei già vincolato ad esso; altrimenti gemini-3.7-flash copre le stesse caratteristiche a un costo inferiore.
Benchmark
Dati pubblicati dai provider: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
Prezzi
| Gemini 3.5 Flash | Gemini 3.7 Flash | Δ | |
|---|---|---|---|
| Input / 1M token | $1.5 | $0.75 | 2× |
| Output / 1M token | $9 | $3.75 | 2.4× |
| Lettura cache / 1M token | $0.15 | $0.075 | 2× |
Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.
Dove si collocano: prezzo di input per 1M di token tra tutti i modelli di chat con questa unità di fatturazione (76, scala logaritmica)
Funzionalità
| Gemini 3.5 Flash | Gemini 3.7 Flash | |
|---|---|---|
| Tool use | sì | sì |
| Controllo del ragionamento | sempre attivo | sì, ma il provider non documenta il parametro |
| Output strutturato | sì | sì |
| Prompt caching | implicito + esplicito | implicito + esplicito |
| Durata della cache | non pubblicato | non pubblicato |
| Prefisso minimo in cache | 4096 token | 4096 token |
Specifiche
| Gemini 3.5 Flash | Gemini 3.7 Flash | |
|---|---|---|
| Modalità di input | testo immagine audio video | testo immagine audio video |
| Modalità di output | testo | testo |
| Rilascio | 2026-05-19 | 2026-08-13 |
| Knowledge cutoff | 2025-01 | 2026-03 |
| Finestra di contesto | 1M | 1M |
| Output massimo | 66K | 66K |
| Parametro di ragionamento | thinkingLevel | - |
| Valori accettati |
| - |
| Valore di default | medium | - |
Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: Gemini 3.5 Flash · Gemini 3.7 Flash
Un solo prompt, entrambi i modelli, misurati attraverso il gateway
Gemini 3.5 Flash superato · 3 sentences
Reasoning models do not just generate a final answer; they perform a silent, multi-step "thinking" process beforehand to ensure higher accuracy. We are billed for every single one of these invisible reasoning steps (called "thinking tokens"), which drastically increases the computational volume per query. Consequently, while our user activity remained flat, our unit costs doubled because the AI is now doing significantly more backend processing to deliver these higher-quality results.
out 1152 tok (+1065 ragionamento) latenza 7.7 s
Gemini 3.7 Flash superato · 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.
out 878 tok (+799 ragionamento) latenza 6.9 s
Rispetto delle istruzioni (esattamente tre frasi: si contano), adattamento al destinatario (registro da CFO) e lo scarto di fatturazione dovuto al ragionamento nascosto, che i contatori di token qui sotto mettono in luce.
Gemini 3.5 Flash superato · 8/8 cases
Here is the corrected version of the 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 code initialized `best` and `cur` to `0` instead of `1` (the minimum run length for any non-empty list), which caused it to count the number of adjacent duplicate *transitions* rather than the actual number of *elements* in a run. This resulted in an off-by-one error for all runs and caused single-element lists to incorrectly return `0`. […]
out 2386 tok (+2110 ragionamento) latenza 12.7 s
Gemini 3.7 Flash superato · 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.
out 1050 tok (+827 ragionamento) latenza 6.4 s
Se la correzione è davvero giusta (si può eseguire), quanto è densa la spiegazione e quanti token servono per un compito circoscritto.
Gemini 3.5 Flash superato · 5/5 fields, guidance "withheld pending the Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld pending the Q4 close" } ```
out 1950 tok (+1885 ragionamento) latenza 12.7 s
Gemini 3.7 Flash superato · 5/5 fields, guidance "withheld"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```
out 918 tok (+858 ragionamento) latenza 6.2 s
Aderenza allo schema (nessun campo inventato), tentazione di allucinare (il testo dice espressamente che la guidance non viene comunicata) e differenze tra i percorsi di output strutturato.
Gemini 3.5 Flash non superato · 50 words, 0 banned, 0 questions
thought 51: OpenAI, 52: Anthropic, 53: and 54: Cohere. 55: When 56: a 57: client 58: submits 59: a 60: matching 61: request, 62: the 63: gateway 64: retrieves 65: the 66: cached 67: result 68: instantly, 69: slashing 70: latency 71: and 72: reducing 73: your 74: monthly 75: […]
out 4092 tok (+3933 ragionamento) latenza 19.1 s
Gemini 3.7 Flash superato · 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.
out 2858 tok (+2718 ragionamento) latenza 14.1 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica e controllo della lunghezza.
Passa dall'uno all'altro cambiando una sola riga
In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-3.5-flash",
# model="gemini-3.7-flash", # decommenta questa riga, commenta quella sopra
messages=[{"role": "user", "content": "Summarize this diff"}],
)
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-3.5-flash",
// model: "gemini-3.7-flash", // decommenta questa riga, commenta quella sopra
messages: [{ role: "user", content: "Summarize this diff" }],
});
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-3.5-flash",
# "model": "gemini-3.7-flash", # decommenta questa riga, commenta quella sopra
"messages": [{"role": "user", "content": "Hello"}]
}'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-3.5-flash",
// Model: "gemini-3.7-flash", // decommenta questa riga, commenta quella sopra
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-3.5-flash")
// .model("gemini-3.7-flash") // decommenta questa riga, commenta quella sopra
.addUserMessage("Summarize this diff")
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));FAQ
Qual è il più economico, Gemini 3.5 Flash o Gemini 3.7 Flash?
Gemini 3.7 Flash costa meno alla voce Input / 1M token ($0.75 contro $1.5, 2.0× di differenza). Altre voci potrebbero dire il contrario: la tabella qui sopra riporta il listino completo, e il costo reale dipende dal tuo mix di utilizzo.
Posso fare un A/B test di Gemini 3.5 Flash contro Gemini 3.7 Flash senza due integrazioni?
Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.
Gemini 3.5 Flash e Gemini 3.7 Flash supportano il prompt caching?
Sì: entrambi fanno pagare le letture dalla cache meno della tariffa di input, quindi i carichi di lavoro con un prefisso già in cache costano meno di quanto facciano pensare le tariffe di listino. Le voci esatte per la lettura dalla cache sono nella tabella dei prezzi qui sopra.