Betal efter forbrug. Intet abonnement og ingen skjulte gebyrer.
| Model | Input /1M tokens | Cachet input /1M tokens | Output /1M tokens |
|---|---|---|---|
| Gemini 3.7 Flash 100K input- + 20K output-tokens: $0.120 | $0.600/1M tokens 120 kreditter/1M tokens $0.750/1M tokensSpar 20 % | $0.060/1M tokens 12 kreditter/1M tokens $0.075/1M tokensSpar 20 % | $3.00/1M tokens 600 kreditter/1M tokens $3.75/1M tokensSpar 20 % |
Prisen beregnes ud fra det endelige output.
Komplet guide til at bruge Gemini 3.7 Flash API til hurtige, dygtige agenter
Gemini 3.7 Flash er Googles generelt tilgængelige Flash-arbejdshest til agentbaseret kodning, webudvikling, multimodal ræsonnering og komplekst videnarbejde. Den understøtter en inputkontekst på 1.048.576 tokens og op til 65.536 outputtokens.
Brug gemini-3.7-flash via /v1/chat/completions eller den Gemini-native sti /v1beta/models. PoYo tager 120 kreditter for input, 12 for cachet input og 600 for output pr. million tokens – 20 % under Googles introduktionspriser for Standard.
Officielle demonstrationer fra Google viser, hvordan modellen bevæger sig fra planlægning til færdige, interaktive resultater på tværs af kodnings-, visuelle, fysiske og dokumentopgaver.
01
Gemini 3.7 Flash kan planlægge og implementere interaktive oplevelser og samtidig holde det visuelle resultat og kodens adfærd på linje.
02
Stærkere overholdelse af designet hjælper med at forvandle visuelle referencer til gennemarbejdede landingssider og med at gennemgå eksisterende grænseflader for huller i implementeringen.
03
Agentbaseret planlægning og multimodal forståelse gør det muligt for modellen at fortolke en scene, vælge handlinger og koordinere værktøjer over flere trin.
04
Et kontekstvindue på en million tokens understøtter udvidet dokumentanalyse, syntese af beviser, beregninger og rapportorienterede workflows.
Planlæg og udfør kodningsarbejde i flere trin, naviger i repositories, kald værktøjer, find fejl, og verificér ændringer med færre nye forsøg.
Forvandl designreferencer til funktionelle brugerflader, gennemgå eksisterende frontends, og iterér med visuel feedback.
Ræsonnér på tværs af lange rapporter, PDF-filer, researchmateriale og virksomhedsdokumenter inden for en kontekst på 1M tokens.
Kombinér tekst, billeder, video, lyd og PDF-filer til gennemgang, udtræk, forståelse og strukturerede svar.
Byg agenter med funktionskald, kodekørsel, søgeforankring, struktureret output og URL-kontekst.
Vælg lavt, mellem eller højt tænkeniveau for at afveje svarhastighed, pris og opgavens dybde.
Udvalgte benchmarks fra august 2026 sammenligner Gemini 3.7 Flash med Gemini 3.6 Flash, Claude Sonnet 5 og GPT-5.6 Terra inden for kodning, agentbaseret udførelse, webudvikling, dokumentarbejde og ræsonnering med lang kontekst.
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | Noter |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 56 | 52 | 55 | 57 | Samlet intelligens |
| FrontierCode 1.1 Main | 43,6 % | 34,4 % | 42,7 % | 41,3 % | Kodekvalitet i produktion |
| DeepSWE v1.1 | 65,3 % | 48,6–49,0 % | 53,8 % | 69,6 % | Softwareudvikling over lange forløb |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | Webudvikling |
| Terminal-Bench 2.1 | 85,8 % | 78,0 % | 80,4 % | 87,4 % | Agentbaseret kodning i terminalen |
| Terminal-Bench 3.0 | 14,9 % | 5,4 % | 14,6 % | 20,8 % | Generelle agentevner |
| AutomationBench | 30,4 % | 17,0 % | 10,7 % | 23,6 % | Automatisering af virksomhedsworkflows |
| GDP.pdf | 34,0 % | 22,0 % | 28,0 % | 24,7 % | Kompleks dokumentbehandling |
| Harvey LAB-AA (jura) | 90,7 % | 85,1 % | 90,1 % | 85,2 % | Komplekse juridiske workflows |
| OSWorld-2.0 | 47,9 % | 33,8 % | — | 50,2 % | Agentbaseret computerbrug |
| GDM-MRCR v2 (128k) | 97,0 % | 91,8 % | 81,5 % | 93,5 % | Ydeevne med lang kontekst |
| HLE-Verified | 53,6 % | 51,2 % | 31,0 % | 51,1 % | Tværfaglig ræsonnering på ekspertniveau |
Udvalgte benchmarkresultater fra den leverede vidensbase for Gemini 3.7 Flash, aktuelle pr. august 2026. Scorerne bruger hvert benchmarks offentliggjorte evalueringsopsætning.
1. Opret en API-nøgle. Log ind, og opret en PoYo-nøgle.
2. Vælg et format. Brug POST /v1/chat/completions til OpenAI-kompatible klienter eller POST /v1beta/models/gemini-3.7-flash:generateContent til Gemini-native payloads. Streaming er tilgængelig via :streamGenerateContent.
3. Angiv modellen. Send gemini-3.7-flash som model-ID. Læs Gemini API-dokumentationen.
gemini-3.7-flash med et af de understøttede endpointformater./v1/chat/completions til OpenAI-kompatible anmodninger eller /v1beta/models/gemini-3.7-flash:generateContent til Gemini-native anmodninger. Både flows uden streaming og med streaming understøttes.Brug OpenAI-kompatible Chat Completions eller Gemini-native GenerateContent med ét model-ID.
Evaluér og lever Gemini sammen med andre modeller uden at skulle håndtere endnu en integrationsnøgle.
Se priserne for input, cachet input og output både i kreditter og som beløb i amerikanske dollar.
Test begge anmodningsformater, følg servicestatus, og spor forbruget, før du går i produktion.