Płatność za użycie. Bez subskrypcji i ukrytych opłat.
| Model | Wejście /1 mln tokenów | Wejście z cache /1 mln tokenów | Wyjście /1 mln tokenów |
|---|---|---|---|
| Gemini 3.7 Flash Tokeny (100K wejściowych + 20K wyjściowych): $0.120 | $0.600/1 mln tokenów Kredyty: 120/1 mln tokenów $0.750/1 mln tokenówOszczędzasz 20% | $0.060/1 mln tokenów Kredyty: 12/1 mln tokenów $0.075/1 mln tokenówOszczędzasz 20% | $3.00/1 mln tokenów Kredyty: 600/1 mln tokenów $3.75/1 mln tokenówOszczędzasz 20% |
Opłaty zależą od końcowego wyniku.
Kompletny przewodnik: Gemini 3.7 Flash API dla szybkich i zdolnych agentów
Gemini 3.7 Flash to ogólnie dostępny model Flash od Google, model-koń roboczy do programowania agentowego, tworzenia stron internetowych, multimodalnego rozumowania i złożonej pracy z wiedzą. Obsługuje kontekst wejściowy o wielkości 1 048 576 tokenów i do 65 536 tokenów wyniku.
Używaj gemini-3.7-flash przez /v1/chat/completions albo natywną dla Gemini ścieżkę /v1beta/models. PoYo nalicza 120 kredytów za wejście, 12 kredytów za wejście z cache i 600 kredytów za wynik na milion tokenów, czyli o 20% mniej niż wprowadzające stawki Standard od Google.
Oficjalne pokazy Google przedstawiają model, który przechodzi od planowania do gotowych, interaktywnych wyników w zadaniach programistycznych, wizualnych, fizycznych i dokumentowych.
01
Gemini 3.7 Flash potrafi zaplanować i zaimplementować interaktywne doświadczenia, dbając o to, by wynik wizualny i zachowanie kodu pozostały spójne.
02
Lepsze trzymanie się projektu pomaga zamieniać referencje wizualne w dopracowane strony docelowe i wyszukiwać braki we wdrożeniu istniejących interfejsów.
03
Planowanie agentowe i multimodalne rozumienie pozwalają modelowi zinterpretować scenę, wybrać działania i skoordynować narzędzia w kilku krokach.
04
Okno kontekstu o wielkości miliona tokenów umożliwia rozbudowaną analizę dokumentów, syntezę dowodów, obliczenia i workflow nastawione na raporty.
Planuj i wykonuj wieloetapowe prace programistyczne, poruszaj się po repozytoriach, wywołuj narzędzia, debuguj błędy i weryfikuj zmiany przy mniejszej liczbie ponownych prób.
Zamieniaj referencje projektowe w działające interfejsy, audytuj istniejące frontendy i iteruj z wizualną informacją zwrotną.
Wnioskuj na podstawie długich raportów, plików PDF, materiałów badawczych i dokumentów firmowych w kontekście 1M tokenów.
Łącz tekst, obrazy, wideo, audio i pliki PDF do przeglądu, ekstrakcji, zrozumienia treści i uporządkowanych odpowiedzi.
Buduj agenty z wywoływaniem funkcji, wykonywaniem kodu, uziemianiem wyszukiwaniem, ustrukturyzowanym wynikiem i kontekstem z adresów URL.
Wybierz niski, średni lub wysoki poziom myślenia, aby wyważyć szybkość odpowiedzi, koszt i głębokość zadania.
Wybrane benchmarki z sierpnia 2026 r. porównują Gemini 3.7 Flash z Gemini 3.6 Flash, Claude Sonnet 5 i GPT-5.6 Terra w programowaniu, wykonywaniu zadań agentowych, tworzeniu stron, pracy z dokumentami i rozumowaniu z długim kontekstem.
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | Uwagi |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 56 | 52 | 55 | 57 | Zbiorczy wskaźnik inteligencji |
| FrontierCode 1.1 Main | 43,6% | 34,4% | 42,7% | 41,3% | Jakość kodu produkcyjnego |
| DeepSWE v1.1 | 65,3% | 48,6–49,0% | 53,8% | 69,6% | Inżynieria oprogramowania w długim horyzoncie |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | Tworzenie stron internetowych |
| Terminal-Bench 2.1 | 85,8% | 78,0% | 80,4% | 87,4% | Agentowe programowanie w terminalu |
| Terminal-Bench 3.0 | 14,9% | 5,4% | 14,6% | 20,8% | Ogólne możliwości agentów |
| AutomationBench | 30,4% | 17,0% | 10,7% | 23,6% | Automatyzacja firmowych workflow |
| GDP.pdf | 34,0% | 22,0% | 28,0% | 24,7% | Przetwarzanie złożonych dokumentów |
| Harvey LAB-AA (prawo) | 90,7% | 85,1% | 90,1% | 85,2% | Złożone workflow prawnicze |
| OSWorld-2.0 | 47,9% | 33,8% | — | 50,2% | Agentowa obsługa komputera |
| GDM-MRCR v2 (128k) | 97,0% | 91,8% | 81,5% | 93,5% | Wydajność przy długim kontekście |
| HLE-Verified | 53,6% | 51,2% | 31,0% | 51,1% | Interdyscyplinarne rozumowanie eksperckie |
Wybrane wyniki benchmarków z dostarczonej bazy wiedzy o Gemini 3.7 Flash, aktualne na sierpień 2026 r. Wyniki korzystają z opublikowanej metodyki oceny każdego benchmarku.
1. Utwórz klucz API. Zaloguj się i utwórz klucz PoYo.
2. Wybierz format. Użyj POST /v1/chat/completions dla klientów zgodnych z OpenAI albo POST /v1beta/models/gemini-3.7-flash:generateContent dla danych w natywnym formacie Gemini. Streaming jest dostępny przez :streamGenerateContent.
3. Ustaw model. Wyślij gemini-3.7-flash jako identyfikator modelu. Przeczytaj dokumentację Gemini API.
gemini-3.7-flash z dowolnym z obsługiwanych formatów endpointu./v1/chat/completions dla żądań zgodnych z OpenAI albo /v1beta/models/gemini-3.7-flash:generateContent dla żądań natywnych dla Gemini. Obsługiwane są zarówno przepływy bez streamingu, jak i ze streamingiem.Używaj Chat Completions zgodnego z OpenAI albo natywnego GenerateContent z Gemini, z jednym identyfikatorem modelu.
Oceniaj i wdrażaj Gemini razem z innymi modelami, bez zarządzania kolejnym poświadczeniem integracji.
Zobacz stawki za wejście, wejście z cache i wynik zarówno w kredytach, jak i w przeliczeniu na dolary amerykańskie.
Przetestuj oba formaty żądań, sprawdź status usługi i śledź użycie, zanim przejdziesz na produkcję.