Werte aus der Gemini 3.7 Flash-Modellkartentabelle von DeepMind. · Quelle
Werte aus der Gemini 3.7 Flash-Modellkartentabelle von DeepMind. · Quelle
Werte aus der Gemini 3.7 Flash-Modellkartentabelle von DeepMind. · Quelle
| Modell | Geben Sie 1 Mio. $ ein | Ausgabe $/1 Mio | Index der künstlichen Analyse-Intelligenz |
|---|---|---|---|
| Gemini 3.7 Flash | 0,75 $ (Einführung) | 3,75 $ (Einführung) | 56 |
| Gemini 3.6 Flash | 0,75 $ (Einführung) | 3,75 $ (Einführung) | 52 |
| Claude Sonett 5 | $2.00 | $10.00 | 55 |
| GPT-5.6 Terra | $2.00 | $12.00 | 57 |
| Muse Spark 1.2 | $1.25 | $4.25 | 57 |
Wie in der Modellkarte von DeepMind aufgeführt; Der Preis von Google ist ein Einführungspreis bis Ende 2026. · Quelle
Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (Gemini 3.7 Flash, 13 Aug 2026): Artificial Analysis Intelligence Index 56 at high reasoning (AA article of 13 Aug; its model page now shows 39 on v4.3.2, not used); 1M-token context; launch list price was the introductory $0.75 in / $3.75 out per 1M through end of 2026 = $1.50 blended at 3:1 (scored 4.5); the standard $1.50/$7.50 = $3.00 blended would score 4; about 340 output tokens/s per AA; text, image, video, speech input. Coding null: no Terminal-Bench 4.0 at launch (Google 85.8% on Terminal-bench 2.1; 14.9% on 3.0). Reviews: AA's note, a Bijan Bowen hands-on video (summary page), buildfastwithai; one hands-on source only.[1]
Gemini 3.7 Flash (high) scores 56 on the Artificial Analysis Intelligence Index, just behind GPT-5.6 Terra (max, 57) and Muse Spark 1.2 (xhigh, 57)
Gemini 3.7 Flash is fast and comparatively inexpensive, but its hands-on coding results improve on its predecessor without reaching uniformly reliable frontier performance.
Gemini 3.7 Flash is a genuine upgrade over 3.6 Flash, with large gains on coding and agent benchmarks like DeepSWE
| Gemini 3.7 Flash: On the Intelligence vs. Time per Task Pareto frontier · 13.08.2026 | 0.40 |
|---|---|
| Gemini 3.7 Flash Review: Benchmarks, Price & the Catch (2026) · 13.08.2026 | 0.70 |
| Gemini 3.7 Flash Is Here: Testing Google's Best Model Yet (Bijan Bowen, video summary page) · 17.08.2026 | 0.20 |
Fotos von Lesern, getrennt von den belegten Medien des Pins. Bewerte, was du gegessen oder gesehen hast, und markiere bei einem Restaurant-Pin die Gerichte direkt auf deinem Foto.
Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
Der Startbericht von 9to5Google datiert vom 13. August 2026 und erklärt, Google habe „heute Gemini 3.7 Flash angekündigt“; die Modellkarte von DeepMind[2] erschien am 13. August 2026.
DeepMind's model card, published 13 August 2026, lists the introductory prices and a benchmark table against 3.6 Flash, Claude Sonnet 5, GPT-5.6 Terra and Muse Spark 1.2.
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
Originaltitel: Gemini 3.7 Flash Released
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra | Muse Spark 1.2 |
|---|---|---|---|---|---|
| Eingabepreis ($/1M Token) | $0.75* | $0.75* | $2.00 | $2.00 | $1.25 |
| Ausgabepreis ($/1M Token) | $3.75* | $3.75* | $10.00 | $12.00 | $4.25 |
| Artificial Analysis Intelligence Index (Zusammengesetzte Modellintelligenz) | 56 | 52 | 55 | 57 | 57 |
| FrontierCode 1.1 Main (Code-Qualität im Produktivbetrieb, Score) | 43.6% | 34.4% | 42.7% | 41.3% | — |
| DeepSWE v1.1 (Softwareentwicklung mit langem Horizont) | 65.3% | 48.6% | 53.8% | 69.6% | 54.9% |
| Code Arena (Webentwicklung, Elo) | 1588 | 1538 | 1541 | 1523 | 1535 |
| Terminal-bench 2.1 (Agentisches Programmieren im Terminal) | 85.8% | 78.0% | 80.4% | 87.4% | 82.9% |
| Terminal-bench 3.0 (Allgemeine Agentenfähigkeiten) | 14.9% | 5.4% | 14.6% | 20.8% | — |
| AutomationBench (Workflow-Automatisierung in Unternehmen, privates Set) | 30.4% | 17.0% | 10.7% | 23.6% | — |
| GDPVal-AA v2 (Wissensarbeit, Elo) | 1525 | 1422 | 1598 | 1578 | 1628 |
| Harvey LAB-AA (Komplexe juristische Workflows) | 90.7% | 85.1% | 90.1% | 85.2% | — |
| GDP.pdf (Dokumentenverständnis auf Expertenniveau bei PDFs) | 34.0% | 22.0% | 28.0% | 24.7% | 16.0% |
| CharXiv Reasoning (Informationssynthese aus komplexen Diagrammen, ohne Werkzeuge) | 84.5% | 85.2% | 77.0% | 85.9% | — |
| CharXiv Reasoning (Informationssynthese aus komplexen Diagrammen, mit Werkzeugen) | 88.7% | 89.4% | 88.3% | — | — |
| LVBench (Verständnis langer Videos) | 85.4% | 84.2% | 68.5% | 78.9% | — |
| GDM-MRCR v2 (8-needle) (Leistung bei langem Kontext, 128k (Durchschnitt)) | 97.0% | 91.8% | 81.5% | 93.5% | — |
| OSWorld-2.0 (Agentische Computernutzung) | 47.9% | 33.8% | — | 50.2% | — |
| Agent's Last Exam (Multimodale Desktop- und Betriebssystem-Agentenaufgaben, Erfolgsquote) | 26.3% | 24.2% | 33.3% | 28.0% | — |
| HLE-Verified (Fachübergreifendes Expertenreasoning) | 53.6% | 51.2% | 31.0% | 51.1% | — |
| BioMysteryBench (Reasoning in der bioinformatischen Forschung, für Menschen lösbar) | 87.1% | 80.6% | 87.5% | 83.8% | — |
| BioMysteryBench (Reasoning in der bioinformatischen Forschung, für Menschen schwierig) | 43.5% | 41.2% | 34.1% | 49.4% | — |
| LABBench2 (Reale Forschungsaufgaben in der Biologie) | 82.1% | 76.1% | 80.1% | 81.2% | — |