01
Interaktive Spiele aus einer Idee
Interaktive Erlebnisse planen und umsetzen, während Darstellung und Codeverhalten aufeinander abgestimmt bleiben.
- Mehrstufiges Coding und Debugging
- Iteration mit visuellem Feedback
- Schnelle Tool-Schleifen

Bezahlung nach Nutzung. Kein Abo, keine versteckten Gebühren.
| Modell | Eingabe /1M Tokens | Gecachte Eingabe /1M Tokens | Ausgabe /1M Tokens |
|---|---|---|---|
| Gemini 3.7 Flash 100K Eingabe- + 20K Ausgabe-Tokens: $0.120 | $0.600/1M Tokens 120 Credits/1M Tokens $0.750/1M Tokens20 % sparen | $0.060/1M Tokens 12 Credits/1M Tokens $0.075/1M Tokens20 % sparen | $3.00/1M Tokens 600 Credits/1M Tokens $3.75/1M Tokens20 % sparen |
Die Abrechnung richtet sich nach der finalen Ausgabe.
Vollständige Anleitung zur Verwendung von Gemini 3.7 Flash API für schnelle, leistungsfähige Agenten
Gemini 3.7 Flash ist Googles allgemein verfügbares Flash-Arbeitspferd für agentisches Coding, Webentwicklung, multimodales Reasoning und komplexe Wissensarbeit. Es unterstützt 1.048.576 Input- und bis zu 65.536 Output-Tokens.
Nutze gemini-3.7-flash über /v1/chat/completions oder den Gemini-nativen Pfad /v1beta/models. PoYo berechnet 120 Credits für Input, 12 für gecachten Input und 600 für Output pro Million Tokens – jeweils 20 % unter Googles Einführungspreisen.
Offizielle Google-Demos zeigen Coding-, visuelle, physische und dokumentbasierte Aufgaben vom Plan bis zum Ergebnis.
01
Interaktive Erlebnisse planen und umsetzen, während Darstellung und Codeverhalten aufeinander abgestimmt bleiben.

02
Visuelle Vorlagen in ausgereifte Landingpages umsetzen und vorhandene Oberflächen prüfen.

03
Szenen verstehen, Aktionen wählen und Werkzeuge über mehrere Schritte koordinieren.

04
Der Million-Token-Kontext unterstützt Dokumentanalyse, Evidenzsynthese, Berechnungen und Berichte.

Mehrstufige Coding-Aufgaben planen, Repositories untersuchen, Tools aufrufen, Fehler beheben und Änderungen prüfen.
Designvorlagen in funktionale Oberflächen umsetzen und Frontends mit visuellem Feedback verbessern.
Lange Berichte, PDFs, Forschung und Unternehmensdokumente im 1M-Kontext analysieren.
Text, Bilder, Video, Audio und PDFs gemeinsam verstehen und strukturiert auswerten.
Agenten mit Funktionsaufrufen, Codeausführung, Suche, strukturierten Ausgaben und URL-Kontext bauen.
Mit low, medium oder high Geschwindigkeit, Kosten und Denktiefe ausbalancieren.
Ausgewählte Benchmarks vom August 2026 vergleichen Gemini 3.7 Flash mit Gemini 3.6 Flash, Claude Sonnet 5 und GPT-5.6 Terra bei Coding, Agenten, Webentwicklung, Dokumenten und langem Kontext.
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | Hinweise |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 56 | 52 | 55 | 57 | Zusammengesetzte Intelligenz |
| FrontierCode 1.1 Main | 43.6% | 34.4% | 42.7% | 41.3% | Produktionscode-Qualität |
| DeepSWE v1.1 | 65.3% | 48.6–49.0% | 53.8% | 69.6% | Langfristige Softwareentwicklung |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | Webentwicklung |
| Terminal-Bench 2.1 | 85.8% | 78.0% | 80.4% | 87.4% | Agentisches Terminal-Coding |
| Terminal-Bench 3.0 | 14.9% | 5.4% | 14.6% | 20.8% | Allgemeine Agentenfähigkeiten |
| AutomationBench | 30.4% | 17.0% | 10.7% | 23.6% | Unternehmensautomatisierung |
| GDP.pdf | 34.0% | 22.0% | 28.0% | 24.7% | Komplexe Dokumentverarbeitung |
| Harvey LAB-AA (Legal) | 90.7% | 85.1% | 90.1% | 85.2% | Komplexe juristische Abläufe |
| OSWorld-2.0 | 47.9% | 33.8% | — | 50.2% | Agentische Computernutzung |
| GDM-MRCR v2 (128k) | 97.0% | 91.8% | 81.5% | 93.5% | Langkontext-Leistung |
| HLE-Verified | 53.6% | 51.2% | 31.0% | 51.1% | Interdisziplinäres Expertenwissen |
Ausgewählte Ergebnisse aus der bereitgestellten Wissensbasis, Stand August 2026; es gelten die veröffentlichten Testbedingungen der jeweiligen Benchmarks.
1. API-Key erstellen. Bei PoYo anmelden und einen Schlüssel anlegen.
2. Format wählen. POST /v1/chat/completions für OpenAI-kompatible Clients oder POST /v1beta/models/gemini-3.7-flash:generateContent für Gemini-native Payloads; Streaming über :streamGenerateContent.
3. Modell setzen. Verwende gemini-3.7-flash. Gemini-API-Dokumentation lesen.
gemini-3.7-flash mit einem der beiden unterstützten Formate./v1/chat/completions und /v1beta/models/gemini-3.7-flash:generateContent, jeweils als Streaming und Non-Streaming.Chat Completions und Gemini GenerateContent mit derselben Modell-ID.
Gemini gemeinsam mit anderen Modellen evaluieren und bereitstellen.
Input, Cache-Input und Output in Credits und US-Dollar vergleichen.
Beide Formate testen, Status prüfen und Nutzung verfolgen.