01
从创意构建交互式游戏
模型能规划并实现交互体验,在迭代中协调视觉结果和代码行为。
- 多步骤编程与调试
- 结合视觉反馈持续迭代
- 低延迟工具循环

透明定价,无隐藏费用。按量付费,用多少付多少。
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
Input | $0.600/1M tokens 120 积分 /1M tokens | $0.750/1M tokens Official | 20% | |
Cached input | $0.060/1M tokens 12 积分 /1M tokens | $0.075/1M tokens Official | 20% | |
Output (including thinking tokens) | $3.00/1M tokens 600 积分 /1M tokens | $3.75/1M tokens Official | 20% |
* 实际费用以最终输出为准。
使用 面向高效智能体的 Gemini 3.7 Flash API 的完整指南
Gemini 3.7 Flash 是 Google 已正式发布的 Flash 主力模型,适合智能体编程、网页开发、多模态推理和复杂知识工作。输入上下文最高 1,048,576 tokens,输出最高 65,536 tokens。
使用 gemini-3.7-flash,可通过 /v1/chat/completions 或 Gemini 原生 /v1beta/models 接入。PoYo 每百万 tokens 收取输入 120、缓存输入 12、输出 600 积分,均比 Google 当前推广价低 20%。
Google 官方演示展示了模型如何在编程、视觉、物理和文档任务中,从规划推进到可用结果。
01
模型能规划并实现交互体验,在迭代中协调视觉结果和代码行为。

02
更强的设计遵循能力可以把视觉参考转化为精致落地页,并检查已有界面的实现差异。

03
智能体规划和多模态理解让模型能够观察场景、选择动作并分步骤协调工具。

04
百万上下文支持长文档分析、证据汇总、计算和报告型工作流。

规划并执行多步骤开发任务,浏览代码库、调用工具、调试故障并验证修改。
根据设计参考构建可运行界面,审查现有前端,并结合视觉反馈持续迭代。
在百万上下文中分析长报告、PDF、研究资料和企业文档。
联合处理文本、图片、视频、音频和 PDF,完成理解、提取与结构化回答。
使用函数调用、代码执行、搜索 Grounding、结构化输出和 URL 上下文构建智能体。
通过 low、medium、high 思考等级平衡响应速度、成本与任务深度。
以下 2026 年 8 月基准测试从编程、智能体执行、网页开发、文档处理和长上下文推理等方面,对比 Gemini 3.7 Flash、Gemini 3.6 Flash、Claude Sonnet 5 和 GPT-5.6 Terra。
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | 备注 |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 56 | 52 | 55 | 57 | 综合智能 |
| FrontierCode 1.1 Main | 43.6% | 34.4% | 42.7% | 41.3% | 生产代码质量 |
| DeepSWE v1.1 | 65.3% | 48.6–49.0% | 53.8% | 69.6% | 长周期软件工程 |
| WebDev Arena (Elo) | 1588 | 1538 | 1541 | 1523 | 网页开发 |
| Terminal-Bench 2.1 | 85.8% | 78.0% | 80.4% | 87.4% | 智能体终端编程 |
| Terminal-Bench 3.0 | 14.9% | 5.4% | 14.6% | 20.8% | 通用智能体能力 |
| AutomationBench | 30.4% | 17.0% | 10.7% | 23.6% | 企业工作流自动化 |
| GDP.pdf | 34.0% | 22.0% | 28.0% | 24.7% | 复杂文档处理 |
| Harvey LAB-AA (Legal) | 90.7% | 85.1% | 90.1% | 85.2% | 复杂法律工作流 |
| OSWorld-2.0 | 47.9% | 33.8% | — | 50.2% | 智能体计算机操作 |
| GDM-MRCR v2 (128k) | 97.0% | 91.8% | 81.5% | 93.5% | 长上下文性能 |
| HLE-Verified | 53.6% | 51.2% | 31.0% | 51.1% | 跨学科专家推理 |
数据参考用户提供的 Gemini 3.7 Flash 知识库,更新至 2026 年 8 月;各分数遵循对应 Benchmark 的公开评测设置。
1. 创建 API Key。 登录 PoYo 并创建密钥。
2. 选择请求格式。 OpenAI 兼容客户端使用 POST /v1/chat/completions;Gemini 原生请求使用 POST /v1beta/models/gemini-3.7-flash:generateContent,流式请求使用 :streamGenerateContent。
3. 设置模型。 模型 ID 填写 gemini-3.7-flash。查看 Gemini API 文档。
gemini-3.7-flash 模型 ID 即可调用两种支持的 Endpoint。/v1/chat/completions 和 Gemini 原生的 /v1beta/models/gemini-3.7-flash:generateContent,两种格式均支持流式与非流式请求。一个模型 ID 同时支持 OpenAI Chat Completions 和 Gemini GenerateContent。
无需管理额外凭证,即可与其他模型一起评估和上线。
输入、缓存输入、输出均同时展示积分和美元等值。
在投入生产前测试两种请求格式、查看服务状态并跟踪使用量。