Gemini 3.7 Flash vil vinde udviklerne med hastighed – ikke højeste benchmarkscore

Gemini 3.7 Flash er Googles nyeste produktionsmodel til krævende kodning, webudvikling, værktøjsbrug og flertrins-AI-agenter. Den blev lanceret 13. august 2026 og er tilgængelig via Gemini API, Google AI Studio, Google Antigravity og Gemini Enterprise Agent Platform.

Modellen forsøger ikke først og fremmest at slå alle konkurrenter på rå intelligens. Dens stærkeste kort er kombinationen af næsten frontniveau, meget høj outputhastighed og en lav API-pris – en kombination, der især er interessant for udviklere, som kører de samme agentforløb igen og igen i stor skala.

Hvad betyder “hurtigst voksende”?

Google har kaldt Gemini 3.7 Flash sin hurtigst voksende model nogensinde. Men de tilgængelige oplysninger indeholder ikke de tal, der skal til for at kontrollere påstanden. Google har ikke oplyst brugergrundlag, måleperiode, antal aktive udviklere, tokenvolumen eller en navngiven sammenligningsmodel.

Den forsigtige konklusion er derfor, at Google positionerer Flash til hurtig udbredelse blandt udviklere. Den lave introduktionspris og integrationen i flere af Googles udviklerværktøjer understøtter den strategi. Selve superlativet bør derimod behandles som en udokumenteret virksomhedsoplysning – ikke som en uafhængigt bekræftet markedsstatistik.

Prisen er lav nu – men fordobles i 2027

Googles introduktionspriser i Gemini API gælder til og med 31. december 2026:

• Input: 0,75 dollar pr. million tokens
• Output inklusive tænketokens: 3,75 dollar pr. million tokens

Fra 1. januar 2027 bliver standardpriserne 1,50 dollar pr. million inputtokens og 7,50 dollar pr. million outputtokens – præcis det dobbelte af introduktionsprisen. De angivne rabat- eller batchpriser stiger tilsvarende fra 0,375/1,875 til 0,75/3,75 dollar pr. million input/outputtokens.

Datoen er vigtig for udviklere, der planlægger en løsning til produktion. En arkitektur, som ser usædvanligt billig ud ved lanceringen, bør regnes igennem igen med 2027-priserne, før den gøres permanent.

Tokenprisen fortæller dog kun en del af historien. Den faktiske udgift til en AI-agent afhænger også af kontekstlængde, værktøjskald, gentagne forsøg, cachede input, graden af ræsonnering og mængden af output. En benchmarkpris pr. opgave er derfor ikke det samme som en garanteret pris for et komplet produktionsforløb.

Høj fart og solid, men ikke førende, intelligens

I en uafhængig opgørelse fra Artificial Analysis får Gemini 3.7 Flash en Intelligence Index-score på 56. Det placerer modellen over Claude Sonnet 5 på 55 og lige under GPT-5.6 Terra på 57 i den citerede sammenligning.

Hastigheden er modellens tydeligste særkende. Artificial Analysis målte cirka 340 outputtokens i sekundet og en gennemsnitlig time-per-task-score på 1,7. Ifølge analysen er Flash omkring 40 procent hurtigere end GPT-5.6 Terra ved maksimal ræsonnering.

Tallene beskriver målte model- eller leverandørresultater – ikke nødvendigvis den oplevelse, alle brugere får. Netværk, routing hos udbyderen, promptens størrelse, værktøjsforsinkelser og ræsonneringsindstillinger kan ændre svartiden fra ende til anden.

Kodning og agentbaserede arbejdsgange

Google rapporterer betydelige forbedringer i forhold til Gemini 3.6 Flash inden for softwareudvikling, fejlfinding, løsning af issues, webudvikling og agentbaserede arbejdsgange. De citerede resultater omfatter:

• 43,6 procent på FrontierCode 1.1 Main, mod 34,4 procent for Gemini 3.6 Flash.
• 1.588 Elo på Code Arena i webudvikling.
• 85,8 procent på Terminal-Bench 2.1, mod 80,4 procent for Claude Sonnet 5 og 87,4 procent for GPT-5.6 Terra i Googles sammenligning.

Det peger på en stærk model til kodning og terminalagenter, men ikke en model, der vinder på alle områder. GPT-5.6 Terra ligger foran på det citerede Terminal-Bench-resultat, mens Flash især skiller sig ud med fart og lav introduktionspris.

ARC-AGI: stærke resultater til lav pris pr. opgave

Ved høj ræsonneringsindsats rapporterer ARC Prize følgende resultater for Gemini 3.7 Flash:

• 95,5 procent på ARC-AGI-1 Semi-Private til 0,12 dollar pr. opgave
• 84,6 procent på ARC-AGI-2 Semi-Private til 0,25 dollar pr. opgave

Det er stærke resultater, især sammenholdt med den rapporterede pris pr. opgave. ARC-AGI bør dog læses som et benchmarksignal – ikke som en direkte prognose for, hvor stabil en softwareagent vil være i produktion. En virkelig agent kan foretage flere modelkald, bruge eksterne værktøjer, gentage mislykkede handlinger og behandle langt større kontekster end en benchmarkopgave.

Sådan står Flash over for konkurrenterne

Model	Angivet input/output pr. 1 mio. tokens	Position i det tilgængelige materiale
Gemini 3.7 Flash	0,75 / 3,75 dollar ved introduktion	Intelligence Index 56, cirka 340 outputtokens i sekundet og målrettet kodning og agentarbejde i høj volumen.
GPT-5.6 Terra	2 / 12 dollar	Intelligence Index 57 og et højere Terminal-Bench-resultat, men langsommere og dyrere til de angivne priser.
Claude Sonnet 5	2 / 10 dollar	Tæt konkurrent til produktionskodning og agenter med en citeret Intelligence Index-score på 55.
Claude Opus 5	5 / 25 dollar	En dyrere model, der er positioneret til vanskeligere agentbaseret kodning.
Qwen3.8-Max	2 / 6 dollar	Rapporter viser blandt andet 67,7 på SWE-bench Pro og 86,6 på Terminal-Bench 2.1, men tokenpriserne er højere end Flashs introduktionspris.
GLM-5.3	1,40 / 4,40 dollar	Ligger tæt på Flash på overskriftsprisen, men materialet giver ikke en uafhængig, direkte sammenligning af intelligens eller pris pr. opgave.
Nemotron 3.5 Lightning	0,05 / 0,20 dollar for den angivne hostingpris	Markant billigere på nominel tokenpris, men der er ikke tilstrækkelige oplysninger til en retfærdig benchmark-sammenligning med Flash.

Tabellen er ikke en samlet rangliste. Modellerne er vurderet i forskellige tests, og kilderne dokumenterer ikke én kontrolleret evaluering på tværs af samtlige modeller. Priserne kan desuden afspejle forskellige hostingforhold, rabatter eller tilgængelighedsniveauer.

Googles strategi: flere forespørgsler frem for højeste score

Sammenligningen peger på et bevidst valg. Gemini 3.7 Flash ligger tæt på fronten på den citerede Intelligence Index, men har ikke den højeste score: GPT-5.6 Terra ligger lidt foran med 57 og fører også i den citerede Terminal-Bench-sammenligning.

Google fremhæver i stedet balancen mellem intelligens, svartid og pris. En model, der er hurtig nok til interaktiv udvikling og billig nok til mange gentagne kald, kan være mere nyttig på en agentplatform end en langsommere og dyrere model, der vinder en snæver benchmark.

Det er relevant for kodeassistenter, automatisk løsning af softwareissues, webudviklingsagenter og arbejdsgange, hvor modellen igen og igen læser kontekst, kalder værktøjer, undersøger resultater og prøver på ny.

I modelbølgen fra august 2026 bliver den afvejning stadig tydeligere. Qwen3.8-Max giver hård konkurrence inden for agenter og softwareudvikling, mens GLM-5.3 og Nemotron 3.5 Lightning presser på pris og effektivitet. Claude Opus 5 og GPT-5.6 retter sig mod højere kapacitet, og Sonnet 5 er et nærliggende alternativ til produktionsbrug.

Konklusion

Gemini 3.7 Flash bør først og fremmest forstås som en arbejdshest til høj gennemstrømning – ikke som den ubestridt klogeste model. Dens stærkeste argument er kombinationen af en Intelligence Index-score på 56, omkring 340 outputtokens i sekundet, gode resultater i kodning og terminalagenter samt en usædvanligt lav introduktionspris.

For udviklere er den største advarsel økonomisk snarere end teknisk: Prisen på 0,75/3,75 dollar udløber 31. december 2026, og standardprisen på 1,50/7,50 dollar træder i kraft dagen efter.

Googles påstand om rekordvækst kan vise sig at holde stik. Men uden offentliggjorte brugertal understøtter materialet indtil videre en mere begrænset konklusion: Google forsøger at gøre hurtig og billig inferens til standardvalget for udviklere – ikke at bevise, at Flash fører på alle intelligensmål.