Gemini 3.7 Flash wurde blitzschnell veröffentlicht, Google sieht sich gezwungen, am „Preiskrieg“ teilzunehmen.

Nur drei Wochen nach der Veröffentlichung von Gemini 3.6 Flash hat Google erneut ein schnelles Update herausgebracht.

Am 13. August Ortszeit in den USA stellte Google Gemini 3.7 Flash vor. Der Schwerpunkt dieses Upgrades liegt auf der Programmierung, Anwendungen von intelligenten Agenten, Webentwicklung und komplexen Wissensarbeiten. Google selbst definierte es direkt als „das bisher intelligenteste Flash-Hauptmodell für Codierung und Agentenbereiche“.

Neben der Optimierung der Modellfähigkeiten ist Google auch gezwungen, den „Preishebel“ zu betätigen, um Kunden für das Modell zu gewinnen, indem es ein hervorragendes Preis-Leistungs-Verhältnis hervorhebt: Bis Ende 2026 wird der Einstiegspreis für die API von Gemini 3.7 Flash direkt halbiert, auf 0,75 USD pro Million Eingabe-Token und 3,75 USD pro Million Ausgabe-Token gesenkt.

Mit dieser Strategie aus häufigen Iterationen und niedrigen Preisen möchte Google erreichen, dass das Modell bei komplexen mehrstufigen Aufgaben fehlgeschlagene Wiederholungen und menschliche Eingriffe reduziert, sodass Entwickler die Einsatzkosten in echten Geschäftsszenarien erheblich senken können.

01

Programmierung, Agenten und Zusammenarbeit mehrerer Modelle

Gemini 3.7 Flash behält in seinen grundlegenden Spezifikationen den Vorteil der multimodalen Eingabe bei, unterstützt die Eingabe von Text, Bildern, Audio und Video, das Kontextfenster bleibt bei 1 Million Token, und die Obergrenze für die Ausgabe wird auf 64K Token angehoben.

Gleichzeitig führt das Modell anpassbare Denkkonfigurationen ein, die es Benutzern ermöglichen, bei verschiedenen Aufgaben flexibel zwischen Ausgabequalität, Inferenzkosten und Antwortgeschwindigkeit abzuwägen.

Die Kernänderung dieses Upgrades liegt in der Art und Weise, wie das Modell praktische Ingenieuraufgaben bearbeitet.

Google gibt an, dass Gemini 3.7 Flash bei Begegnung mit Hindernissen eine stärkere Anpassungsfähigkeit zeigt, aktiv die Absicht des Benutzers klären und konkrete Anweisungen strenger ausführen kann. Gleichzeitig werden durch die Bereitstellung zusätzlicher Rechenressourcen bei mehrstufiger Planung und Tool-Aufrufen die Anforderungen an Endlosschleifen-Wiederholungen und menschliche Überwachung im Ingenieurworkflow reduziert.

Bei praktischen Aufgaben zur Code-Debugging und Lösung komplexer Probleme hat die Generierungsqualität von Gemini 3.7 Flash einen wesentlichen Sprung gegenüber der Vorgängerversion gemacht, insbesondere bei der Bearbeitung langfristiger Softwareentwicklung und produktionsreifem Code ist die Erfolgsrate bei der ersten Ausführung deutlich gestiegen.

Im Bereich der Webentwicklung kann das neue Modell nicht nur funktionsfähige Seiten und komplexe Anwendungen mit weniger Prompts generieren, sondern auch gemäß Designsystemen, Referenzbildern oder sogar einfachen Schnittstellen-Screenshots die UI-Oberfläche präzise wiederherstellen, die den Designvorgaben entspricht.

Bei komplexem Dokumentenverständnis und automatisierten Unternehmensworkflows hat die Inferenzgenauigkeit des neuen Modells ebenfalls einen starken Anstieg verzeichnet. Um die praktische Einsatzfähigkeit des neuen Modells zu beweisen, zeigte Google bei der Vorstellung mehrere praktische Fälle aus verschiedenen Bereichen:

Der erste Fall ist die Generierung von 3D-Spielen aus einfachem Text. Entwickler müssen nur einen einfachen Text-Prompt eingeben, dann kann Gemini 3.7 Flash sofort ein spielbares 3D-Spielgerüst erstellen und in Zusammenarbeit mit dem Nano Banana-Modell die Charaktere, Requisiten und Oberflächentexturen im Spiel in Echtzeit dynamisch generieren.

Der zweite Fall ist die einmalige Generierung interaktiver Landingpages. Gemini 3.7 Flash kann als Hauptmodell fungieren, um mehrere Teilagenten zu koordinieren und gleichzeitig Gemini Omni aufzurufen, um dynamische interaktive Komponenten mit Parallax-Effekt zu erstellen, sodass direkt eine ausführbare Webseite ausgegeben wird.

Der dritte Fall ist die unterstützende Robotertraining. In einem Diagrammzyklus mit drei Agenten nutzt Gemini 3.7 Flash seine Fähigkeit zum multimodalen Verständnis, um Roboter bei der Umfeldwahrnehmung und Entscheidungsfindung zu unterstützen, wodurch die Lern- und Trainingsgeschwindigkeit der Roboter erheblich beschleunigt wird.

Der vierte Fall ist die Dynamisierung statischer PDF-Dateien. Das Modell kann direkt eine komplexe statische PDF-Jahreslesung lesen, sie automatisch analysieren und in eine dynamische Webseite mit Echtzeitdiagrammen, interaktiven Daten und Zusammenfassungen der zentralen Erkenntnisse umwandeln.

Der Softwareentwickler @OmedVibeCodes gab an, dass das neue Modell in einem 9-minütigen Test eine extrem hohe Fähigkeit zur Detailerfassung gezeigt hat und die Fortschritte weit über die früheren Versionen hinausgehen.

Der Sicherheitsforscher Florian Roth testete die Leistung des Modells bei der Triage von Sicherheitsereignissen mit dem THOR-Benchmark. Bei 189 realen Sicherheitsfällen erreichte Gemini 3.7 Flash eine 100%ige Bedrohungserfassungsrate und 0%ige kritische Auslassungsrate. Noch wichtiger ist, dass es die Falsch-Positiv-Fehlarme stark reduziert, verhindert, dass Analysten von nutzlosen Überprüfungen überflutet werden, und damit das beste Sicherheits-Triage-Modell ist, das er je getestet hat.

02

Leistungssteigerung bei Benchmarks, aber keine umfassende Überlegenheit

Aus den Gesamtergebnissen der branchenüblichen Benchmark-Tests sind die Verbesserungen von Gemini 3.7 Flash konzentriert, aber es wurde keine vollständige Überlegenheit gegenüber allen Konkurrenten erreicht.

Im Test zur Qualität von Produktionscode (FrontierCode 1.1 Main) besiegte Gemini 3.7 Flash mit einer Punktzahl von 43,6 % Claude Sonnet 5 (42,7 %) und GPT-5.6 Terra (41,3 %).

Im komplexen Dokumenten- und Tabellenanalysetest AA-AnalystAgent der Drittorganisation Artificial Analysis erzielte Gemini 3.7 Flash sogar die höchste pass^5-Leistung von 60 % und lag damit vor Claude Opus 5 (54 %).

Gleichzeitig erreichte es im AutomationBench-AA-Test 62,7 % und lag damit ebenfalls vor Kimi K3 (53 %) und GPT-5.6 Sol (51,2 %).

In einigen extremen Umgebungen behalten Konkurrenten jedoch weiterhin ihre führende Position.

Beispielsweise liegt im DeepSWE v1.1-Test für langfristige Softwareentwicklung von Artificial Analysis das Ergebnis von Gemini 3.7 Flash mit 65,3 % unter dem von GPT-5.6 Terra mit 69,6 %; im Terminal-bench 2.1-Terminal-Codierungstest liegt es mit 85,8 % knapp unter dem von GPT-5.6 Terra mit 87,4 %. Im multimodalen Desktop-Test Agent's Last Exam hingegen führt Claude Sonnet 5 mit einer Bestehensquote von 33,3 % vor Gemini 3.7 Flash mit 26,3 %.

Laut den umfassenden Bewertungsdaten von Artificial Analysis erreicht der Intelligenzindex von Gemini 3.7 Flash im hohen Inferenzmodell 56 Punkte, 4 Punkte mehr als die Vorgängerversion, und ist damit extrem nah an GPT-5.6 Terra (57 Punkte). Gleichzeitig beträgt seine Ausgabegeschwindigkeit bis zu 340 Token pro Sekunde, die durchschnittliche Aufgabenzeit liegt nur bei 1,7 Minuten, fast 40 % schneller als GPT-5.6 Terra. Diese hohe Inferenzgeschwindigkeit macht es erfolgreich zur Pareto-optimalen Spitze im Bereich „Intelligenz und Abschlusszeit“.

In der Arena-Bewertung, die speziell für Webentwicklung, mathematische Inferenz und mehrstufige Dialoge eingerichtet wurde, ist die Rangfolge von Gemini 3.7 Flash ebenfalls sprunghaft angestiegen.

Aber externe Beobachter wie LuminaBench weisen auch darauf hin, dass die Leistung von Gemini 3.7 Flash „enttäuschend“ ist. Sie sind der Ansicht, dass es zwar gegenüber 3.6 Flash Fortschritte gibt, aber das Ganze keine Highlights aufweist und in mehreren Benchmarks immer noch hinter Terra zurückliegt. Google braucht dringend überzeugendere Leistungen von Gemini 4, die aktuelle Version reicht offensichtlich nicht aus, um die Situation zu wenden.

Insgesamt ist die Positionierung des neuen Modells klar: Es zeigt hervorragende Leistungen bei Programmierung, Webentwicklung, Dokumentenverständnis und regulären Agentenaufgaben, weist aber in einigen hochkomplexen Terminal-Umgebungssimulationen noch Mängel auf.

03

Google ist gezwungen, den „Preishebel“ zu betätigen

Neben der Verbesserung der Fähigkeiten ist die Preisstrategie ein weiterer strategischer Schwerpunkt dieser Veröffentlichung.

Bis zum 31. Dezember 2026 bietet Google Entwicklern extrem günstige Aktionspreise an: Nur 0,75 USD pro Million Eingabe-Token und nur 3,75 USD pro Million Ausgabe-Token. Das entspricht einem direkten Rabatt von 50 % auf den ursprünglichen Standardpreis von Gemini 3.6 Flash.

Ab dem 1. Januar 2027 wird der Preis auf 1,50 USD pro Million Eingabe-Token und 7,50 USD pro Million Ausgabe-Token zurückkehren. Das bedeutet, dass Google dem Markt einen Niedrigpreiszeitraum von mehreren Monaten bietet.

Für die Entwicklung autonomer Agenten ist der Stückpreis von Token nur ein Teil der Gesamtkosten. Eine Agentenaufgabe im echten Geschäftsleben erfordert oft mehrere Modellaufrufe, Tool-Ausführungen und Fehlerwiederholungen. Wenn das Modell zwar billig ist, aber häufig Fehler macht, sodass das Programm in Schleifenwiederholungen gerät oder menschliche Eingriffe erforderlich sind, werden die gesamten Betriebskosten am Ende sogar höher sein.

Google betont bei dieser Veröffentlichung besonders die höhere Erfolgsrate bei der ersten Ausführung und strengere Einhaltung von Anweisungen, um genau diesen Schmerzpunkt anzugehen.

Laut der Kostenberechnung von Artificial Analysis betragen die durchschnittlichen Kosten pro Aufgabe von Gemini 3.7 Flash im hohen Inferenzmodell unter dem aktuellen Rabattpreis etwa 0,40 USD und sinken im mittleren Inferenzmodell weiter auf 0,26