Valeurs du tableau de cartes du modèle Flash Gemini 3.7 de DeepMind. · source
Valeurs du tableau de cartes du modèle Flash Gemini 3.7 de DeepMind. · source
Valeurs du tableau de cartes du modèle Flash Gemini 3.7 de DeepMind. · source
| Modèle | Entrée $/1M | Production $/1M | Indice d'intelligence d'analyse artificielle |
|---|---|---|---|
| Gémeaux 3.7 Flash | 0,75 $ (introduction) | 3,75 $ (introduction) | 56 |
| Gémeaux 3.6 Flash | 0,75 $ (introduction) | 3,75 $ (introduction) | 52 |
| Claude Sonnet5 | $2.00 | $10.00 | 55 |
| GPT-5.6 Terre | $2.00 | $12.00 | 57 |
| Muse Spark 1.2 | $1.25 | $4.25 | 57 |
Comme indiqué dans la carte modèle de DeepMind ; Le prix de Google est un prix de lancement jusqu'à fin 2026. · source
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 août 2026 | 0.40 |
|---|---|
| Gemini 3.7 Flash Review: Benchmarks, Price & the Catch (2026) · 13 août 2026 | 0.70 |
| Gemini 3.7 Flash Is Here: Testing Google's Best Model Yet (Bijan Bowen, video summary page) · 17 août 2026 | 0.20 |
Photos de lecteurs, distinctes des médias sourcés du pin. Notez ce que vous avez mangé ou vu et, sur un pin de restaurant, identifiez les plats directement sur votre photo.
La première entrée est toujours la source de l’épingle. La confiance globale est une moyenne pondérée de la fermeté avec laquelle chaque référence étaye les heures de début et de fin retenues ci-dessus ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récente.
Le compte rendu de lancement de 9to5Google est daté du 13 août 2026 et indique que Google a « today announced Gemini 3.7 Flash » ; la fiche modèle de DeepMind[2] est publiée le 13 août 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.
Il manque quelque chose ou une erreur s'est glissée ? Dites-le avec vos mots : un lien qui étaye cette épingle, une autre date de début ou de fin et pourquoi, ou une information absente ou erronée. L'IA la vérifie au regard des sources de l'épingle, en cherche de meilleures et ajoute toute page qui vous donne raison. Les sources de l'épingle restent celles qui comptent le plus. L'IA regarde aussi les images : une image qui montre autre chose, ou qui le montre mal, passe en dernier ou est remplacée.
Titre original: 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 |
|---|---|---|---|---|---|
| Prix d'entrée ($/1M de jetons) | $0.75* | $0.75* | $2.00 | $2.00 | $1.25 |
| Prix de sortie ($/1M de jetons) | $3.75* | $3.75* | $10.00 | $12.00 | $4.25 |
| Artificial Analysis Intelligence Index (intelligence composite des modèles) | 56 | 52 | 55 | 57 | 57 |
| FrontierCode 1.1 Main (qualité du code en production, score) | 43.6% | 34.4% | 42.7% | 41.3% | — |
| DeepSWE v1.1 (génie logiciel de longue haleine) | 65.3% | 48.6% | 53.8% | 69.6% | 54.9% |
| Code Arena (développement web, Elo) | 1588 | 1538 | 1541 | 1523 | 1535 |
| Terminal-bench 2.1 (programmation agentique en terminal) | 85.8% | 78.0% | 80.4% | 87.4% | 82.9% |
| Terminal-bench 3.0 (capacités d'agent généralistes) | 14.9% | 5.4% | 14.6% | 20.8% | — |
| AutomationBench (automatisation des flux de travail en entreprise, jeu privé) | 30.4% | 17.0% | 10.7% | 23.6% | — |
| GDPVal-AA v2 (travail de connaissance, Elo) | 1525 | 1422 | 1598 | 1578 | 1628 |
| Harvey LAB-AA (flux de travail juridiques complexes) | 90.7% | 85.1% | 90.1% | 85.2% | — |
| GDP.pdf (compréhension experte de documents PDF) | 34.0% | 22.0% | 28.0% | 24.7% | 16.0% |
| CharXiv Reasoning (synthèse d'informations à partir de graphiques complexes, sans outils) | 84.5% | 85.2% | 77.0% | 85.9% | — |
| CharXiv Reasoning (synthèse d'informations à partir de graphiques complexes, avec outils) | 88.7% | 89.4% | 88.3% | — | — |
| LVBench (compréhension de vidéos longues) | 85.4% | 84.2% | 68.5% | 78.9% | — |
| GDM-MRCR v2 (8-needle) (performance en contexte long, 128k (moyenne)) | 97.0% | 91.8% | 81.5% | 93.5% | — |
| OSWorld-2.0 (utilisation agentique d'un ordinateur) | 47.9% | 33.8% | — | 50.2% | — |
| Agent's Last Exam (tâches multimodales d'agent sur poste de travail et système d'exploitation, taux de réussite) | 26.3% | 24.2% | 33.3% | 28.0% | — |
| HLE-Verified (raisonnement expert multidisciplinaire) | 53.6% | 51.2% | 31.0% | 51.1% | — |
| BioMysteryBench (raisonnement en recherche bio-informatique, résolvable par un humain) | 87.1% | 80.6% | 87.5% | 83.8% | — |
| BioMysteryBench (raisonnement en recherche bio-informatique, difficile pour un humain) | 43.5% | 41.2% | 34.1% | 49.4% | — |
| LABBench2 (tâches de recherche biologique en conditions réelles) | 82.1% | 76.1% | 80.1% | 81.2% | — |