Gemini 3.7 Flash é o modelo Flash mais capaz do Google, disponível desde 13 de agosto de 2026 e voltado a fluxos agênticos e raciocínio multimodal.
- Entrada
- texto imagem áudio vídeo $0.75/M
- Saída
- texto $3.75/M
- Entrada de áudio
- $0.75/M
- Leitura de cache
- $0.075/M
- Contexto
- 1M
- vs GPT-4o
- ~85% mais barato
- Corte de conhecimento
- 2026-03
Benchmarks
Publicado pelos fornecedores: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Tencent Z.ai
O preço em contexto
Posição do preço entre 68 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 1.048.576 |
|---|---|
| Saída máxima (especificação do fornecedor) | 65.536 |
| Corte de conhecimento | 2026-03 |
Cache de prompts
| Modo | automático + explícito |
|---|---|
| Prefixo mín. | 4.096 |
Raciocínio
| Parâmetro | reasoning_effort |
|---|---|
| Valores | minimal · low · medium · high o conjunto aceite é do provedor |
Modelo
| Modalidades | texto + imagem + áudio + vídeo → texto |
|---|
- 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
conforme documentação oficial da Google ↗
Um prompt, medido pelo gateway
Gemini 3.7 Flash passou · 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.
saída 878 tok (+799 pensamento) latência 6.9 s
Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.
Gemini 3.7 Flash passou · 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.
saída 1050 tok (+827 pensamento) latência 6.4 s
Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa delimitada.
Gemini 3.7 Flash passou · 5/5 fields, guidance "withheld"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": null, "guidance": "withheld" } ```
saída 918 tok (+858 pensamento) latência 6.2 s
Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), e diferenças no caminho de saída estruturada.
Gemini 3.7 Flash passou · 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.
saída 2858 tok (+2718 pensamento) latência 14.1 s
Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.
Use o Gemini 3.7 Flash em 30 segundos
Compatível com OpenAI: troque a base_url, mantenha seu 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(""));Sobre o Gemini 3.7 Flash
- Ele aceita texto, imagens, áudio e vídeo e devolve texto, de modo que uma única chamada pode raciocinar ao mesmo tempo sobre uma captura de tela, uma gravação e um prompt, sem encadear vários modelos.
- Dois detalhes de preço tornam o orçamento especialmente simples.
- Primeiro, **não há degrau por comprimento de contexto**: um prompt de 900.000 tokens custa o mesmo por token que um de 900, então o trabalho de contexto longo não fica mais caro no meio do caminho.
- Segundo, **também não há sobretaxa de modalidade**: a entrada de áudio e vídeo é cobrada à tarifa do texto, o oposto da maioria das tabelas multimodais, o que elimina o motivo usual para reduzir a qualidade da mídia antes de enviar.
- O preço de saída **inclui os tokens de pensamento**, portanto uma resposta com muito raciocínio é cobrada sobre o traço completo e não apenas sobre o texto visível; considere isso ao definir a saída máxima.
- O cache de contexto custa cerca de um décimo da tarifa de entrada, mais uma cobrança de armazenamento por hora, então fixar um prefixo estável compensa em laços de agente.
- O grounding com a Busca do Google inclui uma cota mensal compartilhada pela família Gemini 3.
- A Synthorai o oferece pelo endpoint de chat completions compatível com OpenAI.
Perguntas frequentes
A API do Gemini 3.7 Flash é gratuita para testar?
Sim. Contas novas recebem 10 chamadas de teste e até $1 em créditos gratuitos, sem precisar de cartão. A $0.75/M de tokens de entrada, só esse crédito já cobre cerca de 166 requisições de ~8K tokens ao Gemini 3.7 Flash.
Em que o Gemini 3.7 Flash é melhor?
Nível Flash mais capaz para trabalho agêntico; entrada de texto, imagem, áudio e vídeo; sem degrau de contexto nem sobretaxa de modalidade. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o Gemini 3.7 Flash?
Na Synthorai, o Gemini 3.7 Flash custa $0.75 por milhão de tokens de entrada e $3.75 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma. Tokens de entrada em cache são cobrados a $0.075/M.
O Gemini 3.7 Flash suporta cache de prompts?
Sim: o cache automático vem ativado por padrão, com um modo explícito para economia garantida. Tokens de entrada em cache são cobrados a $0.075/M, contra $0.75/M sem cache; os prompts precisam de um prefixo estável de 4,096 tokens para entrar em cache. Guia de cache de prompts →
Como obtenho acesso ao Gemini 3.7 Flash?
Aponte seu SDK da OpenAI existente para base_url="https://synthorai.io/v1", defina model="gemini-3.7-flash" e pronto. Uma única chave de API cobre todos os modelos do gateway.
Qual é o corte de conhecimento do Gemini 3.7 Flash?
O corte de conhecimento do Gemini 3.7 Flash é 2026-03, segundo a documentação oficial do fornecedor (verificado em 2026-08-15).
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.