Paga conforme utilizas. Sem subscrição, sem custos escondidos.
| Modelo | Entrada /1M tokens | Entrada em cache /1M tokens | Saída /1M tokens |
|---|---|---|---|
| Gemini 3.7 Flash 100K tokens de entrada + 20K tokens de saída: $0.120 | $0.600/1M tokens 120 créditos/1M tokens $0.750/1M tokensPoupa 20% | $0.060/1M tokens 12 créditos/1M tokens $0.075/1M tokensPoupa 20% | $3.00/1M tokens 600 créditos/1M tokens $3.75/1M tokensPoupa 20% |
Os custos baseiam-se no resultado final.
Guia completo para utilizar API Gemini 3.7 Flash para agents rápidos e capazes
O Gemini 3.7 Flash é o cavalo de batalha Flash da Google, já com disponibilidade geral, para programação com agents, desenvolvimento web, raciocínio multimodal e trabalho complexo com conhecimento. Suporta um contexto de entrada de 1 048 576 tokens e até 65 536 tokens de saída.
Usa gemini-3.7-flash através de /v1/chat/completions ou do caminho nativo do Gemini /v1beta/models. A PoYo cobra 120 créditos de entrada, 12 de entrada em cache e 600 de saída por milhão de tokens, 20% abaixo dos preços Standard de lançamento da Google.
As demonstrações oficiais da Google mostram o modelo a passar do planeamento a resultados finais e interativos em tarefas de programação, visuais, físicas e de documentos.
01
O Gemini 3.7 Flash consegue planear e implementar experiências interativas, mantendo o resultado visual e o comportamento do código alinhados.
02
Uma maior fidelidade ao design ajuda a transformar referências visuais em landing pages polidas e a auditar interfaces existentes à procura de lacunas de implementação.
03
O planeamento com agents e a compreensão multimodal permitem ao modelo interpretar uma cena, escolher ações e coordenar ferramentas ao longo de vários passos.
04
Uma janela de contexto de um milhão de tokens suporta análise de documentos extensos, síntese de evidências, cálculos e workflows orientados para relatórios.
Planeia e executa trabalho de programação em vários passos, navega em repositórios, chama ferramentas, depura falhas e verifica alterações com menos novas tentativas.
Transforma referências de design em interfaces funcionais, audita frontends existentes e itera com feedback visual.
Raciocina sobre relatórios longos, PDFs, material de investigação e documentos empresariais num contexto de 1M de tokens.
Combina texto, imagens, vídeo, áudio e PDFs para revisão, extração, compreensão e respostas estruturadas.
Cria agents com function calling, execução de código, search grounding, saída estruturada e contexto de URL.
Escolhe níveis de reflexão baixo, médio ou alto para equilibrar a velocidade de resposta, o custo e a profundidade da tarefa.
Benchmarks selecionados de agosto de 2026 comparam o Gemini 3.7 Flash com o Gemini 3.6 Flash, o Claude Sonnet 5 e o GPT-5.6 Terra em programação, execução com agents, desenvolvimento web, trabalho com documentos e raciocínio de contexto longo.
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | Notas |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 56 | 52 | 55 | 57 | Inteligência composta |
| FrontierCode 1.1 Main | 43,6% | 34,4% | 42,7% | 41,3% | Qualidade de código em produção |
| DeepSWE v1.1 | 65,3% | 48,6–49,0% | 53,8% | 69,6% | Engenharia de software de longo prazo |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | Desenvolvimento web |
| Terminal-Bench 2.1 | 85,8% | 78,0% | 80,4% | 87,4% | Programação em terminal com agents |
| Terminal-Bench 3.0 | 14,9% | 5,4% | 14,6% | 20,8% | Capacidades gerais de agents |
| AutomationBench | 30,4% | 17,0% | 10,7% | 23,6% | Automatização de workflows empresariais |
| GDP.pdf | 34,0% | 22,0% | 28,0% | 24,7% | Processamento de documentos complexos |
| Harvey LAB-AA (Legal) | 90,7% | 85,1% | 90,1% | 85,2% | Workflows jurídicos complexos |
| OSWorld-2.0 | 47,9% | 33,8% | — | 50,2% | Utilização de computador com agents |
| GDM-MRCR v2 (128k) | 97,0% | 91,8% | 81,5% | 93,5% | Desempenho em contexto longo |
| HLE-Verified | 53,6% | 51,2% | 31,0% | 51,1% | Raciocínio especializado multidisciplinar |
Resultados de benchmarks selecionados a partir da base de conhecimento do Gemini 3.7 Flash fornecida, atualizados a agosto de 2026. As pontuações usam a configuração de avaliação publicada de cada benchmark.
1. Cria uma chave de API. Inicia sessão e cria uma chave PoYo.
2. Escolhe um formato. Usa POST /v1/chat/completions para clientes compatíveis com a OpenAI ou POST /v1beta/models/gemini-3.7-flash:generateContent para payloads nativos do Gemini. O streaming está disponível através de :streamGenerateContent.
3. Define o modelo. Envia gemini-3.7-flash como ID do modelo. Lê a documentação da API Gemini.
gemini-3.7-flash com qualquer um dos formatos de endpoint suportados./v1/chat/completions para pedidos compatíveis com a OpenAI ou /v1beta/models/gemini-3.7-flash:generateContent para pedidos nativos do Gemini. São suportados fluxos com e sem streaming.Usa o Chat Completions compatível com a OpenAI ou o GenerateContent nativo do Gemini com um único ID de modelo.
Avalia e lança o Gemini a par de outros modelos sem gerires mais uma credencial de integração.
Consulta os preços de entrada, entrada em cache e saída em créditos e no equivalente em dólares americanos.
Testa ambos os formatos de pedido, consulta o estado do serviço e acompanha a utilização antes de passares para produção.