Valori dalla tabella delle carte del modello Gemini 3.7 Flash di DeepMind. · fonte
Valori dalla tabella delle carte del modello Gemini 3.7 Flash di DeepMind. · fonte
Valori dalla tabella delle carte del modello Gemini 3.7 Flash di DeepMind. · fonte
| Modella | Inserisci $/1 milione | Produzione $/1 milione | Indice di intelligenza di analisi artificiale |
|---|---|---|---|
| Gemelli 3.7Flash | $ 0,75 (introduttivo) | $ 3,75 (introduttivo) | 56 |
| Gemelli 3.6Flash | $ 0,75 (introduttivo) | $ 3,75 (introduttivo) | 52 |
| Claude Sonetto 5 | $2.00 | $10.00 | 55 |
| GPT-5.6Terra | $2.00 | $12.00 | 57 |
| Musa Scintilla 1.2 | $1.25 | $4.25 | 57 |
Come elencato nella scheda modello di DeepMind; Il prezzo di Google è un prezzo di lancio fino alla fine del 2026. · fonte
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 ago 2026 | 0.40 |
|---|---|
| Gemini 3.7 Flash Review: Benchmarks, Price & the Catch (2026) · 13 ago 2026 | 0.70 |
| Gemini 3.7 Flash Is Here: Testing Google's Best Model Yet (Bijan Bowen, video summary page) · 17 ago 2026 | 0.20 |
Foto dei lettori, separate dai media con fonti del pin. Valuta ciò che hai mangiato o visto e, su un pin di ristorante, tagga i piatti direttamente sulla tua foto.
La prima voce è sempre la fonte del pin. L’affidabilità complessiva è una media ponderata di quanto ogni fonte conferma gli orari di inizio e fine indicati sopra; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recente.
Il resoconto di lancio di 9to5Google è datato 13 agosto 2026 e dice che Google «ha annunciato oggi Gemini 3.7 Flash»; la scheda del modello di DeepMind[2] è pubblicata il 13 agosto 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.
Manca qualcosa o c’è un errore? Dillo con parole tue: un link che conferma questo pin, una data di inizio o fine diversa e perché, o un fatto che manca o è sbagliato. L’IA lo confronta con le fonti del pin, ne cerca di migliori e aggiunge qualsiasi pagina ti dia ragione. Le fonti del pin contano comunque di più. Anche un’immagine che mostra altro, o lo mostra male, viene esaminata e spostata in basso o sostituita.
Titolo originale: 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 |
|---|---|---|---|---|---|
| Input price ($/1M tokens) | $0,75* | $0,75* | $2,00 | $2,00 | $1,25 |
| Prezzo di output ($/1M token) | $3,75* | $3,75* | $10,00 | $12,00 | $4,25 |
| Artificial Analysis Intelligence Index (Intelligenza composita del modello) | 56 | 52 | 55 | 57 | 57 |
| FrontierCode 1.1 Main (Qualità del codice di produzione, punteggio) | 43,6% | 34,4% | 42,7% | 41,3% | — |
| DeepSWE v1.1 (Ingegneria del software a lungo orizzonte) | 65,3% | 48,6% | 53,8% | 69,6% | 54,9% |
| Code Arena (Sviluppo web, Elo) | 1588 | 1538 | 1541 | 1523 | 1535 |
| Terminal-bench 2.1 (Programmazione agentica da terminale) | 85,8% | 78,0% | 80,4% | 87,4% | 82,9% |
| Terminal-bench 3.0 (Capacità generali degli agenti) | 14,9% | 5,4% | 14,6% | 20,8% | — |
| AutomationBench (Automazione dei flussi di lavoro aziendali, set privato) | 30,4% | 17,0% | 10,7% | 23,6% | — |
| GDPVal-AA v2 (Lavoro di conoscenza, Elo) | 1525 | 1422 | 1598 | 1578 | 1628 |
| Harvey LAB-AA (Flussi di lavoro legali complessi) | 90,7% | 85,1% | 90,1% | 85,2% | — |
| GDP.pdf (Comprensione esperta di documenti PDF) | 34,0% | 22,0% | 28,0% | 24,7% | 16,0% |
| CharXiv Reasoning (Sintesi di informazioni da grafici complessi, senza strumenti) | 84,5% | 85,2% | 77,0% | 85,9% | — |
| CharXiv Reasoning (Sintesi di informazioni da grafici complessi, con strumenti) | 88,7% | 89,4% | 88,3% | — | — |
| LVBench (Comprensione di video lunghi) | 85,4% | 84,2% | 68,5% | 78,9% | — |
| GDM-MRCR v2 (8-needle) (Prestazioni su contesto lungo, 128k (media)) | 97,0% | 91,8% | 81,5% | 93,5% | — |
| OSWorld-2.0 (Uso agentico del computer) | 47,9% | 33,8% | — | 50,2% | — |
| Agent's Last Exam (Compiti di agenti multimodali su desktop e sistema operativo, tasso di successo) | 26,3% | 24,2% | 33,3% | 28,0% | — |
| HLE-Verified (Ragionamento esperto multidisciplinare) | 53,6% | 51,2% | 31,0% | 51,1% | — |
| BioMysteryBench (Ragionamento di ricerca in bioinformatica, risolvibile da umani) | 87,1% | 80,6% | 87,5% | 83,8% | — |
| BioMysteryBench (Ragionamento di ricerca in bioinformatica, difficile per umani) | 43,5% | 41,2% | 34,1% | 49,4% | — |
| LABBench2 (Compiti di ricerca biologica nel mondo reale) | 82,1% | 76,1% | 80,1% | 81,2% | — |