Gemini 3.7 Flash : Benchmarks, Tarifs, Disponibilité de l'API et ce qui a changé

Lisa Ernst · 17.08.2026 · Intelligence Artificielle · Lecture de 15 min

Google a publié Gemini 3.7 Flash le 13 août 2026, seulement trois semaines après Gemini 3.6 Flash. La mise à jour s'adresse directement au codage, aux flux de travail d'agents, au développement web et au travail de connaissance intensif en documents, Google publiant des gains substantiels par rapport à 3.6 Flash sur plusieurs benchmarks d'ingénierie logicielle et d'automatisation.

La particularité concerne les tarifs : Gemini 3.7 Flash sera lancé à 0,75 $ par million de jetons d'entrée et 3,75 $ par million de jetons de sortie sur l'API payante standard jusqu'au 31 décembre 2026. Ces tarifs sont temporaires et doubleront le 1er janvier 2027. Ce guide explique les résultats des benchmarks, la disponibilité de l'API, les limites du modèle, les outils pris en charge, les niveaux de prix et les différences pratiques par rapport à Gemini 3.6 Flash.

Source: pexels.com

Points clés à retenir

• Sortie : Gemini 3.7 Flash est devenu généralement disponible le 13 août 2026.
• ID du modèle API : L'identifiant stable de l'API Gemini est gemini-3.7-flash.
• Tarifs de lancement : L'utilisation payante standard coûte 0,75 $ par million de jetons d'entrée et 3,75 $ par million de jetons de sortie jusqu'au 31 décembre 2026. À partir du 1er janvier 2027, ces tarifs passeront à 1,50 $ et 7,50 $.
• Gains en benchmarks : Google rapporte 43,6 % sur FrontierCode 1.1 Main, 65,3 % sur DeepSWE v1.1, 1588 Elo sur Code Arena et 30,4 % sur AutomationBench.
• Contexte : Le modèle accepte jusqu'à 1 048 576 jetons d'entrée et peut renvoyer jusqu'à 65 536 jetons de sortie.
• Disponibilité : Google le distribue via l'API Gemini, Google AI Studio, Google Antigravity, les produits Gemini Enterprise et Gemini Spark pour les abonnés éligibles à Google AI Pro et Ultra.

Gemini 3.7 Flash en un coup d'œil

Qu'est-ce que Gemini 3.7 Flash ?

Gemini 3.7 Flash est la prochaine itération de la famille Gemini 3 Flash de Google. Google DeepMind affirme qu'il est basé sur Gemini 3.6 Flash et ajoute des améliorations algorithmiques à la base de raisonnement fondamentale du modèle. Le positionnement est également devenu plus explicite : Google appelle 3.7 Flash son « cheval de bataille » principal pour le codage et les agents, plutôt qu'un modèle conçu simplement pour maximiser le débit brut.

Cette distinction est importante. Les modèles Flash ont traditionnellement été choisis car ils sont plus rapides et moins chers que les modèles de raisonnement les plus volumineux. Avec 3.7, Google tente de déplacer davantage de travail en plusieurs étapes dans cette catégorie rentable : codage au niveau du référentiel, interaction avec le navigateur ou l'ordinateur, appel de fonctions, traitement complexe de documents et flux de travail d'entreprise qui nécessitent plusieurs appels d'outils avant qu'une réponse ne soit complète.

Si vous venez du prédécesseur, l'aperçu de Gemini 3.6 Flash fournit le contexte de lancement du modèle précédent. La mise à jour importante maintenant est que 3.7 Flash conserve la même fenêtre de contexte d'un million de jetons et un large ensemble d'outils, tout en améliorant les performances sur de nombreuses évaluations d'agents et de codage publiées par Google.

Qu'est-ce qui a changé par rapport à Gemini 3.6 Flash ?

La dernière ligne est facile à mal comprendre. Google décrit Gemini 3.7 Flash comme étant lancé à la moitié du coût original de Gemini 3.6 Flash. Cependant, la carte modèle actuelle de Google liste à la fois 3.6 Flash et 3.7 Flash à 0,75 $ en entrée et 3,75 $ en sortie par million de jetons dans le cadre de la même promotion temporaire. Donc, 3.7 n'est actuellement pas moins cher par jeton standard que 3.6 ; la comparaison est faite par rapport aux prix de lancement originaux de 3.6.

Benchmarks de Gemini 3.7 Flash

La carte modèle d'août 2026 de Google publie un large ensemble de benchmarks couvrant l'ingénierie logicielle, l'utilisation d'agents dans le terminal, l'automatisation d'entreprise, le travail de connaissance, les PDF, le contexte long, l'utilisation d'ordinateurs et le raisonnement scientifique. Les chiffres ci-dessous comparent Gemini 3.7 Flash à Gemini 3.6 Flash en utilisant les valeurs de cette carte modèle.

Source: blog.google

Le tableau d'évaluation d'août 2026 de Google montre des gains particulièrement importants pour 3.7 Flash dans l'ingénierie logicielle à long terme, l'automatisation des flux de travail d'entreprise, la compréhension de documents et l'utilisation d'ordinateurs. Les références mesurent différentes charges de travail et ne doivent pas être combinées en un score universel.

Là où les gains sont les plus forts

Le mouvement le plus clair concerne les charges de travail qui exigent que le modèle continue à travailler plutôt que de répondre une seule fois. DeepSWE passe de 48,6 % à 65,3 %, tandis qu'AutomationBench passe de 17,0 % à 30,4 %. Cela soutient l'affirmation de Google selon laquelle le modèle est plus utile pour les agents qui ont besoin de planifier, d'appeler des outils, d'inspecter les résultats et de surmonter les obstacles.

Le travail sur les documents s'améliore également considérablement dans les données publiées par Google. GDP.pdf passe de 22,0 % à 34,0 %, et l'entreprise met spécifiquement en avant la finance, le droit et les biosciences comme domaines denses en connaissances où elle attend un meilleur raisonnement. Cela ne signifie pas que le modèle peut remplacer l'examen d'expert dans un travail réglementé ou à enjeux élevés ; cela signifie que le résultat de référence est matériellement plus élevé que celui de 3.6 Flash sur les tâches testées.

3.7 Flash ne gagne pas tous les benchmarks

La sortie n'est pas un balayage complet. Sur CharXiv sans outils, Gemini 3.7 Flash obtient 84,5 % contre 85,2 % pour 3.6 Flash ; avec outils, il obtient 88,7 % contre 89,4 %. Dans le tableau inter-modèles de Google, GPT-5.6 Terra reste également en tête sur certaines évaluations de codage et de terminal. C'est pourquoi un tableau de référence doit être utilisé pour identifier les charges de travail prometteuses, et non pour déclarer un vainqueur universel.

Il y a également une petite différence de rapport à noter : l'article de lancement de Google arrondit le résultat DeepSWE de Gemini 3.6 Flash à 49,0 %, tandis que la carte détaillée du modèle DeepMind indique 48,6 %. Cet article utilise la valeur plus précise de la carte du modèle dans le tableau comparatif.

Source: blog.google

Google présente également la sortie en termes de coût par tâche d'ingénierie logicielle terminée, et pas seulement de prix par jeton. C'est la bonne métrique de production pour les agents : les nouvelles tentatives, les jetons de raisonnement et les appels d'outils répétés peuvent avoir plus d'importance que le taux de jetons principal.

Tarification de Gemini 3.7 Flash

Gemini 3.7 Flash a un calendrier de tarification limité dans le temps. Les tarifs d'introduction actuels sont valables jusqu'au 31 décembre 2026. La documentation de tarification de Google doublera ensuite les tarifs des jetons le 1er janvier 2027.

La tarification de sortie inclut les jetons de réflexion. La mise en cache du contexte standard coûte 0,075 $ par million de jetons mis en cache pendant la période d'introduction, plus 0,50 $ par million de jetons par heure pour le stockage du cache ; ces tarifs doublent également en 2027. L'ancrage Google Search et l'ancrage Google Maps peuvent entraîner des frais supplémentaires après la limite mensuelle partagée décrite dans la documentation de tarification de Google.

L'API Standard dispose également d'un niveau gratuit indiqué comme gratuit. Cela ne doit pas être considéré comme une capacité de production garantie : les limites de débit dépendent du modèle, du projet, du niveau d'utilisation et de l'état du compte, et Google indique explicitement que les limites publiées ne sont pas garanties. Pour les charges de travail de production payantes, les coûts du modèle ne représentent qu'une partie du budget ; l'ancrage, les API externes, le stockage et les étapes d'agent échouées ou répétées peuvent modifier le total.

Exemples de coûts de l'API standard

Ces exemples n'incluent que les jetons d'entrée et de sortie du modèle. Ils n'incluent pas l'ancrage, le stockage de cache, les services externes ou l'infrastructure d'application.

Disponibilité de l'API Gemini 3.7 Flash

Gemini 3.7 Flash n'est pas une annonce en avant-première uniquement. Google Cloud répertoriegemini-3.7-flash comme GA avec une date de sortie du 13 août 2026, et la documentation de l'API Gemini identifie la même chaîne comme version stable du modèle.

Pour les développeurs qui n'ont pas encore configuré l'accès, le guide de clé API Gemini de Zerloguide de clé API Gemini couvre la configuration de Google AI Studio. Une fois l'accès prêt, le changement de déploiement critique est l'identifiant du modèle ; la migration de production devrait toujours inclure des tests de régression pour les outils, les schémas, la latence et l'utilisation totale des jetons.

Source: pexels.com

Passer à un nouvel identifiant de modèle est la partie facile. La migration la plus sûre consiste à tester des tâches de codage et d'agent représentatives en staging, à enregistrer le succès des tâches, la latence, l'utilisation des jetons, les nouvelles tentatives et les appels d'outils, puis seulement à déplacer le trafic de production.

Les limites de débit sont spécifiques au projet

Il n'existe pas de nombre unique de RPM ou de TPM pour Gemini 3.7 Flash qui s'applique à tous les comptes. Google mesure les limites en requêtes par minute, jetons par minute et requêtes par jour, les applique par projet plutôt que par clé API, et les ajuste en fonction du niveau d'utilisation et de l'état du compte. Google recommande de vérifier les limites actives pour le projet directement dans AI Studio. Le trafic par lot a des limites distinctes ; par exemple, la file d'attente par lot de niveau 1 documentée autorise 3 000 000 de jetons mis en file d'attente pour Gemini 3.7 Flash.

Fenêtre de contexte, modalités et outils pris en charge

L'enveloppe de l'API principale est familière à tous ceux qui utilisent déjà 3.6 Flash : un contexte d'entrée de 1 048 576 jetons et une sortie de texte maximale de 65 536 jetons. Le modèle peut ingérer du texte, des images, des vidéos, de l'audio et des documents PDF, mais il ne génère pas lui-même d'images ou d'audio.

Un piège de migration est la configuration de réflexion. Gemini 3.7 Flash prend en charge les niveaux faible, moyen et élevé. Google Cloud documente le niveau moyen comme étant la valeur par défaut dans sa plateforme d'agents d'entreprise, tandis que la définition explicite de la valeur minimale entraîne une erreur de validation. Les applications qui utilisaient précédemment un paramètre minimal doivent mapper ce comportement à un niveau pris en charge et re-mesurer la latence et la qualité de la sortie.

Source: pexels.com

Gemini 3.7 Flash améliore les résultats publiés par Google pour les PDF et le travail de connaissance, ce qui est pertinent pour les flux de travail à forte densité de documents. Un score de référence plus élevé n'élimine pas le risque d'hallucination, de sorte que les faits extraits importants et les décisions consécutives nécessitent toujours une vérification.

Ce que les changements signifient en pratique

Pour les agents de codage

Gemini 3.7 Flash présente la meilleure histoire de mise à niveau lorsqu'une application effectue du codage à long terme plutôt que des extraits isolés. Les gains obtenus sur DeepSWE, FrontierCode et Terminal-bench vont tous dans la même direction : le modèle est plus capable de poursuivre des tâches d'ingénierie en plusieurs étapes. Google indique également qu'il est plus discipliné dans son adaptation aux obstacles et à la clarification de l'intention, ce qui peut être important lorsqu'un agent a l'autorisation de modifier des fichiers ou d'appeler des outils de manière répétée.

Pour les flux de travail de documents et de connaissances

La fenêtre de contexte d'un million de jetons est inchangée, mais la qualité du travail sur des matériaux denses semble s'améliorer dans les évaluations de la version. Cela fait de 3.7 Flash un candidat plus solide pour les rapports annuels, les pipelines de documents juridiques, la littérature scientifique, les bases de connaissances internes et les flux de travail PDF mixtes. Une fenêtre de contexte énorme n'est cependant pas synonyme de récupération parfaite ; les systèmes de récupération, la recherche de fichiers et la segmentation des invites peuvent toujours être plus fiables et moins coûteux que l'envoi de tout à chaque requête.

Pour le développement web

Google met en avant une meilleure précision du code de première passe, des mises en page plus fonctionnelles et moins d'invites pour atteindre des applications complètes. Le score Elo de 1588 de Code Arena est l'indicateur publié le plus clair. Les équipes devraient toujours évaluer l'adhérence au design, le comportement du navigateur, l'accessibilité et les conventions spécifiques au framework sur leur propre base de code, car un benchmark web agrégé ne peut pas représenter tous les stacks front-end.

Pour les tâches simples à haut volume

Ne supposez pas que 3.7 Flash devrait remplacer tous les modèles moins chers. Si la charge de travail est la classification, l'extraction ou la transformation de modèles à très haut volume, un modèle Flash-Lite peut toujours être gagnant en termes de coût et de débit. L'objectif de 3.7 Flash est de pousser un raisonnement plus fort et des performances d'agent dans la catégorie Flash, et non de devenir l'option la moins chère pour chaque requête.

Devriez-vous migrer de Gemini 3.6 Flash ?

Liste de contrôle de migration pour Gemini 3.7 Flash

1. Modifiez le modèle cible en gemini-3.7-flash d'abord dans un environnement de staging.
2. Vérifiez la configuration de réflexion. N'envoyez pas minimal ; choisissez faible, moyen ou élevé.
3. Relancez les tests d'appel de fonction, la validation des sorties structurées et les vérifications des autorisations d'outils.
4. Testez les flux de travail à contexte long et PDF avec les mêmes documents représentatifs utilisés en production.
5. Mesurez l'achèvement réussi des tâches, la latence, les jetons d'entrée, les jetons de sortie et de réflexion, les nouvelles tentatives, les tours et les appels d'outils.
6. Incluez les frais d'ancrage et de mise en cache lors de la comparaison du coût total par tâche.
7. Déployez progressivement et conservez un chemin de retour testé vers le modèle de production existant.

Limitations à garder à l'esprit

La carte modèle de Google DeepMind répertorie les limitations standard des modèles de fondation, y compris les hallucinations, et note que des problèmes occasionnels de lenteur ou de délai d'expiration peuvent survenir. Elle donne à Gemini 3.7 Flash une date limite de connaissances en mars 2026, tout en avertissant que certains domaines peuvent être effectivement limités à janvier 2025. Les informations actuelles nécessitent donc toujours un ancrage ou une récupération à partir de sources à jour lorsque la fraîcheur est importante.

L'utilisation de l'ordinateur est marquée comme préversion, les applications doivent donc restreindre les autorisations, valider les actions et maintenir la confirmation humaine pour les étapes importantes. Le modèle manque également d'API en direct, de génération d'images et de génération audio. Enfin, les prix de lancement attractifs sont explicitement temporaires ; les applications avec une utilisation significative en 2027 doivent budgétiser par rapport aux tarifs promotionnels plutôt que de supposer que les prix d'août 2026 persisteront.Comparaison technique Gemini vs. Claude fournit un contexte supplémentaire. Étant donné que les générations de modèles et les prix évoluent rapidement, utilisez la documentation actuelle du fournisseur pour les décisions d'approvisionnement et comparez les modèles exacts que vous prévoyez de déployer.

FAQ

En résumé

Gemini 3.7 Flash est une mise à niveau significative pour la partie de la famille Flash qui compte le plus pour les développeurs : le codage en plusieurs étapes, les agents, l'automatisation et les flux de travail axés sur les documents. Les améliorations publiées les plus fortes de Google ne sont pas de simples poussées dans les classements ; DeepSWE passe de 48,6 % à 65,3 %, AutomationBench de 17,0 % à 30,4 % et GDP.pdf de 22,0 % à 34,0 %, tandis que le modèle conserve la même fenêtre de contexte d'un million de jetons et le large support des outils Gemini.

L'histoire des prix est tout aussi importante. L'utilisation standard de l'API est temporairement de 0,75 $ par million de jetons d'entrée et de 3,75 $ par million de jetons de sortie, mais ces tarifs doubleront le 1er janvier 2027. Pour les équipes déjà sur Gemini 3.6 Flash, la meilleure raison de migrer est donc une meilleure performance des tâches au même taux de jetons d'introduction actuel, et non une réduction permanente des prix. Testez 3.7 Flash sur des charges de travail réelles, incluez les coûts des outils et de relance, et prenez la décision de migration en fonction du coût et de la fiabilité par tâche réussie plutôt que du nom du modèle seul.