Harga transparan tanpa biaya tersembunyi. Bayarlah seperti yang kau inginkan.
gemini-3.7-flashgemini-3.7-flashgemini-3.7-flash| Model | Spesifikasi | PoYo Harga | Harga resmi | Kau menyelamatkan |
|---|---|---|---|---|
| gemini-3.7-flash | Input | $0.600/1M token 120 kredit /1M token | $0.750/1M token Official | 20% |
Cached input | $0.060/1M token 12 kredit /1M token | $0.075/1M token Official | 20% | |
Output (including thinking tokens) | $3.00/1M token 600 kredit /1M token | $3.75/1M token Official | 20% |
* Biaya sebenarnya didasarkan pada output akhir.
Panduan lengkap untuk penggunaan Gemini 3.7 Flash API Untuk Agen Cepat, Berkemampuan
Gemini 3.7 Flash adalah Google's umumnya tersedia Flash kuda kerja untuk pengkodean agen, pengembangan web, multi-modal penalaran, dan pengetahuan kompleks kerja. Ini mendukung a 1,048,576-context input token dan hingga 65,536 token output.
Penggunaan gemini-3.7-flash melalui /v1/chat/completions atau Gemini- asli /v1beta/models path. PoYo biaya 120 input, 12 input cache, dan 600 kredit output per juta token20% di bawah GoogleTarif standar yang diperkenalkan.
Resmi Google demonstrasi menunjukkan model bergerak dari perencanaan ke selesai, hasil interaktif di seluruh tugas pengkodean, visual, fisik, dan dokumen.
01
Gemini 3.7 Flash dapat merencanakan dan menerapkan pengalaman interaktif sambil menjaga hasil visual dan perilaku kode sejajar.
02
Kepatuhan desain yang lebih kuat membantu mengubah referensi visual menjadi landing page yang dipoles dan memantau antarmuka yang ada untuk celah implementasi.
03
Perencanaan agen dan pemahaman multimodal memungkinkan model menafsirkan adegan, memilih tindakan, dan mengkoordinasikan alat di beberapa langkah.
04
Jendela konteks jutaan token mendukung analisis dokumen yang diperpanjang, sintesis bukti, perhitungan, dan alur kerja berorientasi laporan.
Rencanakan dan pelaksanaan kerja pengkodean multi-langkah, menavigasi repositori, alat panggilan, debug kegagalan, dan memverifikasi perubahan dengan sedikit upaya ulang.
Mengubah referensi desain menjadi antarmuka fungsional, audit frontend yang ada, dan mengulang dengan umpan balik visual.
Alasan dalam laporan panjang, PDF, bahan penelitian, dan dokumen perusahaan dalam 1M- Kontext token.
Gabungkan teks, gambar, video, audio, dan PDF untuk meninjau, mengekstraksi, memahami, dan menjawab secara terstruktur.
Membangun agen dengan panggilan fungsi, eksekusi kode, pencarian grounding, output terstruktur, dan URL context.
Pilih tingkat berpikir rendah, menengah, atau tinggi untuk menyeimbangkan kecepatan respon, biaya, dan kedalaman tugas.
Agustus yang dipilih 2026 benchmark perbandingan Gemini 3.7 Flash dengan Gemini 3.6 Flash, Claude Sonet 5, dan GPT-5.6 Terras di seluruh pengkodean, eksekusi agen, pengembangan web, pekerjaan dokumen, dan penalaran konteks panjang.
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonet 5 | GPT-5.6 Terra | Catatan |
|---|---|---|---|---|---|
| Analisis Artificial Intelligence Index | 56 | 52 | 55 | 57 | Kecerdasan Komposit |
| FrontierCode 1.1 Utama | 43.6% | 34.4% | 42.7% | 41.3% | Kode kualitas produksi |
| DeepSWE v1.1 | 65.3% | 48.6–49.0% | 53.8% | 69.6% | Teknik perangkat lunak horisontal |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | Pengembangan Web |
| Terminal-Bench 2.1 | 85.8% | 78.0% | 80.4% | 87.4% | Kode terminal agen |
| Terminal-Bench 3.0 | 14.9% | 5.4% | 14.6% | 20.8% | Kemampuan agen umum |
| AutomationBench | 30.4% | 17.0% | 10.7% | 23.6% | Otomatisasi alur kerja perusahaan |
| GDP.pdf | 34.0% | 22.0% | 28.0% | 24.7% | Pengolahan dokumen yang kompleks |
| Harvey LAB-AA (Hukum) | 90.7% | 85.1% | 90.1% | 85.2% | Aliran kerja hukum yang kompleks |
| OSWorld-2.0 | 47.9% | 33.8% | — | 50.2% | Penggunaan komputer agen |
| GDM-MRCR v2 (128k) | 97.0% | 91.8% | 81.5% | 93.5% | Kinerja dalam konteks panjang |
| HLE-verifikasi | 53.6% | 51.2% | 31.0% | 51.1% | Pertimbangan ahli multidisiplin |
Hasil benchmark yang dipilih dari hasil yang diberikan Gemini 3.7 Basis pengetahuan flash, saat ini pada bulan Agustus 2026. Skor menggunakan pengaturan evaluasi yang diterbitkan dari setiap benchmark.
1. Buat kunci API. Masuk dan buat PoYo key.
2. Pilih format. Penggunaan POST /v1/chat/completions untuk OpenAI-Klien yang kompatibel, atau POST /v1beta/models/gemini-3.7-flash:generateContent untuk Gemini-Berdasarkan beban. Streaming tersedia melalui :streamGenerateContent.
3. Set model. Kirimkan gemini-3.7-flash sebagai ID model. Bacalah Gemini Dokumentasi API.
gemini-3.7-flash ID model dengan format endpoint yang didukung./v1/chat/completions untuk OpenAI- permintaan yang sesuai atau /v1beta/models/gemini-3.7-flash:generateContent untuk Gemini- Permintaan asli. Baik aliran non-streaming dan streaming didukung.Penggunaan OpenAI-Compatible Chat Completions atau Gemini-Native GenerateContent dengan satu ID model.
Evaluasi dan pengiriman Gemini bersama dengan model lain tanpa mengelola kredensial integrasi lain.
Lihat input, input tersimpan, dan output tingkat dalam kedua kredit dan setara AS.
Uji kedua format permintaan, meninjau status layanan, dan lacak penggunaan sebelum pindah ke produksi.