Gemini 3.7 Flash

Rilascio: 2026-08-13

chatVisioneCodiceTool callingRagionamentoPrompt caching

Gemini 3.7 Flash è il modello Flash più capace di Google, disponibile dal 13 agosto 2026 e pensato per flussi agentici e ragionamento multimodale.

Input
testo immagine audio video $0.75/M
Output
testo $3.75/M
Lettura cache
$0.075/M
Input audio
$0.75/M
Lettura cache audio
$0.075/M
Contesto
1M
vs GPT-4o
~85% più economico
Knowledge cutoff
2026-03

Benchmark

Sopra la mediaNessuno migliore17 / 243 / 24
Gemini 3.7 Flash altri modelli misurati media dei modelli confrontati ★ nessun altro modello ha fatto meglio
DeepSWE 1.1
65.3%
BioMysteryBench hard
43.5%
OSWorld 2.0
47.9%
Finance Agent v2
59%
Harvey Lab-AA
90.7%
HLE-Verified
53.6%
AutomationBench (v1.0.6)
52.3%
LVBench
nessun altro modello ha fatto meglio 85.4%

Dati pubblicati dai provider: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic Anthropic Anthropic DeepSeek DeepSeek Google Google Google Google Moonshot OpenAI OpenAI OpenAI Tencent Z.ai Z.ai

Il prezzo a confronto

Dove si colloca il prezzo tra 79 modelli confrontabili

Input$0.75/M
$0.1 · Claude Haiku 5.5 GPT-5.4 Pro · $30
Output$3.75/M
$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180
Lettura cache$0.075/M
$0.006 · DeepSeek V4.1 Flash Claude Fable 5 · $1

La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.

Specifiche e limiti

Token

Finestra di contesto (specifica del provider) 1.048.576
Output massimo (specifica del provider) 65.536
Knowledge cutoff 2026-03

Prompt caching

Modalità automatico + esplicito
Prefisso min. 4.096

Ragionamento

Parametro reasoning_effort
Valori minimal · low · medium · high i valori accettati li definisce il provider

Modello

Modalità testo + immagine + audio + video → testo
  • 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

fonte: fonte delle specifiche del modello ↗

Un solo prompt, misurato attraverso il gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICA esattamente 3 frasi

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.

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. VERIFICA la correzione supera i test

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.

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. VERIFICA JSON valido, schema esatto

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.

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. VERIFICA 120 parole, 0 parole vietate

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.

Usa Gemini 3.7 Flash in 30 secondi

Compatibile con OpenAI: cambi base_url e tieni il tuo 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)

Informazioni su Gemini 3.7 Flash

  • Accetta testo, immagini, audio e video e restituisce testo, così una singola chiamata può ragionare insieme su uno screenshot, una registrazione e un prompt, senza concatenare più modelli.
  • Due dettagli di prezzo rendono il preventivo particolarmente semplice.
  • Primo, **non c'è alcuno scalino legato alla lunghezza del contesto**: un prompt da 900.000 token costa per token quanto uno da 900, quindi il lavoro su contesti lunghi non rincara a metà strada.
  • Secondo, **non c'è nemmeno un sovrapprezzo per modalità**: audio e video in ingresso sono fatturati alla tariffa del testo, il contrario di quasi tutti i listini multimodali, il che elimina la solita ragione per ridurre la qualità dei media prima dell'invio.
  • Il prezzo di output **include i token di pensiero**, perciò una risposta con molto ragionamento viene fatturata sull'intera traccia e non solo sul testo visibile; tenetene conto nel limite di output.
  • La cache di contesto costa circa un decimo della tariffa di input, più un addebito orario di archiviazione, quindi fissare un prefisso stabile conviene nei cicli agentici.
  • Il grounding con la Ricerca Google include una quota mensile condivisa dalla famiglia Gemini 3.
  • Synthorai lo offre tramite l'endpoint chat completions compatibile con OpenAI.

FAQ

L'API di Gemini 3.7 Flash si può provare gratis?

Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza bisogno di carta. A $0.75/M per i token di input, quel credito basta da solo per circa 166 richieste da ~8K token a Gemini 3.7 Flash.

In cosa eccelle Gemini 3.7 Flash?

Livello Flash più capace per il lavoro agentico; input testo, immagini, audio e video; nessuno scalino di contesto né sovrapprezzo di modalità. Il quadro completo è nella sezione «Informazioni», ripreso dalle note di rilascio ufficiali del provider.

Quanto costa Gemini 3.7 Flash?

Su Synthorai Gemini 3.7 Flash costa $0.75 per milione di token di input e $3.75 per milione di token di output: è il prezzo di listino del provider, senza sovrapprezzo di piattaforma. Input audio: $0.75/M token · Lettura cache audio: $0.075/M token I token di input letti dalla cache costano $0.075/M.

Qual è la finestra di contesto di Gemini 3.7 Flash?

Gemini 3.7 Flash ha una finestra di contesto di 1M token su Synthorai. Una singola risposta può arrivare a 65,536 token.

Gemini 3.7 Flash supporta il prompt caching?

Sì: il caching automatico è attivo di default, e una modalità esplicita permette di scegliere cosa mettere in cache. I token di input letti dalla cache costano $0.075/M, contro $0.75/M senza cache; per andare in cache un prompt deve avere un prefisso stabile di 4,096 token. Guida al prompt caching →

Come ottengo l'accesso a Gemini 3.7 Flash?

Fai puntare l'SDK OpenAI che usi già a base_url="https://synthorai.io/v1", imposta model="gemini-3.7-flash" e hai finito: una sola chiave API vale per tutti i modelli del gateway.

Qual è il knowledge cutoff di Gemini 3.7 Flash?

Il knowledge cutoff di Gemini 3.7 Flash è 2026-03, secondo la documentazione ufficiale del provider (dato aggiornato al 2026-08-15).

Modelli correlati

Confronta

Le specifiche e i benchmark dei fornitori rimandano alle rispettive fonti. Il supporto del gateway descrive l’implementazione di Synthorai. Gli esempi archiviati sono singole richieste e non garantiscono le prestazioni generali del modello. I prezzi provengono dal servizio pubblico o dalla sua istantanea usata durante la compilazione.

Ottieni la tua chiave API Confronta i tuoi costi →