Daya tarik utamanya bukan klaim sebagai model dengan kecerdasan tertinggi di semua pengujian. Gemini 3.7 Flash lebih menonjol lewat perpaduan kemampuan yang mendekati model frontier, kecepatan output sangat tinggi, dan harga API awal yang rendah—kombinasi yang menarik bagi developer yang menjalankan loop agen berulang dalam skala besar.

Apa arti klaim “pertumbuhan tercepat” Google?

Google menyebut Gemini 3.7 Flash sebagai model dengan pertumbuhan tercepat dalam sejarahnya. Namun, data yang tersedia tidak memuat angka yang diperlukan untuk menguji klaim tersebut. Google tidak mengungkap basis penggunaan, periode pengukuran, jumlah developer aktif, volume token, maupun model pembanding.

Kesimpulan yang lebih aman adalah bahwa Google sedang memosisikan Flash untuk mendorong adopsi developer secara cepat. Harga perkenalan yang rendah dan integrasinya ke berbagai produk developer Google mendukung strategi itu. Namun, predikat “pertumbuhan tercepat” masih sebaiknya diperlakukan sebagai klaim perusahaan yang belum terukur secara independen, bukan statistik pasar yang telah terbukti.

Harga murah saat peluncuran, tetapi naik dua kali lipat pada 2027

Tarif API perkenalan Gemini 3.7 Flash hingga 31 Desember 2026 adalah:

• Input: US$0,75 per juta token
• Output, termasuk token untuk proses berpikir: US$3,75 per juta token

Mulai 1 Januari 2027, tarif standar menjadi US$1,50 per juta token input dan US$7,50 per juta token output—tepat dua kali lipat dari harga perkenalan. Tarif diskon atau model batch juga naik dari US$0,375/US$1,875 menjadi US$0,75/US$3,75 per juta token input/output.

Tanggal berakhirnya harga perkenalan ini penting bagi perencanaan produksi. Workflow yang terlihat sangat murah pada masa peluncuran perlu dihitung ulang menggunakan tarif 2027 sebelum dipakai sebagai dasar arsitektur jangka panjang.

Harga token juga hanya menggambarkan sebagian dari biaya agen. Pengeluaran aktual dipengaruhi panjang konteks, jumlah pemanggilan tool, percobaan ulang, input yang tersimpan di cache, tingkat penalaran, dan panjang output. Karena itu, biaya per benchmark tidak boleh dianggap sebagai jaminan biaya untuk keseluruhan workflow produksi.

Kecepatan menjadi pembeda utama

Dalam laporan Artificial Analysis yang dikutip, Gemini 3.7 Flash memperoleh skor 56 pada Intelligence Index. Angka ini berada di atas Claude Sonnet 5 dengan skor 55, tetapi sedikit di bawah GPT-5.6 Terra dengan skor 57.

Kecepatan adalah keunggulan paling jelas dari Flash. Artificial Analysis mengukur sekitar 340 token output per detik dan skor rata-rata waktu per tugas sebesar 1,7. Laporan tersebut menyebut Flash sekitar 40% lebih cepat daripada GPT-5.6 Terra pada tingkat penalaran maksimum.

Angka tersebut menggambarkan performa model atau penyedia yang diukur, bukan pengalaman universal di setiap aplikasi. Kondisi jaringan, routing penyedia, ukuran prompt, latensi tool, dan pengaturan penalaran dapat mengubah waktu respons dari ujung ke ujung.

Performa coding dan workflow agen

Google melaporkan peningkatan besar dibandingkan Gemini 3.6 Flash dalam rekayasa perangkat lunak, debugging, penyelesaian masalah, pengembangan web, dan workflow agen. Hasil coding yang dikutip mencakup:

• 43,6% pada FrontierCode 1.1 Main, naik dari 34,4% pada Gemini 3.6 Flash.
• 1.588 Elo di Code Arena untuk pengembangan web.
• 85,8% pada Terminal-Bench 2.1, dibandingkan 80,4% untuk Claude Sonnet 5 dan 87,4% untuk GPT-5.6 Terra dalam perbandingan Google.

Hasil ini menunjukkan bahwa Gemini 3.7 Flash adalah model yang mumpuni untuk coding dan agen terminal, tetapi bukan pemenang di semua kategori. GPT-5.6 Terra masih unggul pada hasil Terminal-Bench yang dikutip, sedangkan kelebihan Flash terletak pada kecepatan dan harga awal yang lebih rendah.

ARC-AGI: skor tinggi dengan biaya per tugas rendah

Pada tingkat upaya penalaran tinggi, ARC Prize melaporkan Gemini 3.7 Flash mencatat:

• 95,5% pada ARC-AGI-1 Semi-Private, dengan biaya US$0,12 per tugas
• 84,6% pada ARC-AGI-2 Semi-Private, dengan biaya US$0,25 per tugas

Hasil ini kuat, terutama jika mempertimbangkan biaya per tugas yang dilaporkan. Meski demikian, performa ARC-AGI sebaiknya dibaca sebagai sinyal benchmark, bukan ramalan langsung tentang keandalan agen software.

Agen produksi dapat melakukan beberapa panggilan model, menggunakan tool eksternal, mengulang tindakan yang gagal, dan memproses konteks yang jauh lebih besar daripada tugas benchmark. Biaya aktualnya bisa sangat berbeda.

Perbandingan dengan model pesaing

Tabel ini bukan papan peringkat universal. Benchmark berasal dari evaluasi yang berbeda-beda, dan sumber yang tersedia tidak menunjukkan satu pengujian terkendali yang membandingkan semua model. Harga juga dapat mencerminkan perbedaan hosting, diskon, atau ketersediaan.

Strategi Google: throughput, bukan skor tertinggi

Perbandingan yang tersedia menunjukkan pilihan posisi yang cukup jelas. Gemini 3.7 Flash berada dekat dengan frontier pada Intelligence Index, tetapi tidak mencatat skor tertinggi: GPT-5.6 Terra sedikit lebih tinggi dengan skor 57 dan juga memimpin perbandingan Terminal-Bench yang dikutip.

Google justru menekankan keseimbangan antara kecerdasan, latensi, dan biaya. Model yang cukup cepat untuk pengembangan interaktif dan cukup murah untuk dipanggil berulang kali bisa lebih berguna bagi platform agen daripada model yang lebih mahal dan lambat tetapi hanya unggul pada benchmark tertentu.

Hal ini penting untuk asisten coding, penyelesaian masalah otomatis, agen pengembangan web, dan workflow yang berulang kali membaca konteks, memanggil tool, memeriksa hasil, lalu mencoba lagi.

Gelombang rilis model pada Agustus 2026 membuat pertukaran tersebut semakin relevan. Qwen3.8-Max menghadirkan persaingan kuat di bidang agen dan rekayasa perangkat lunak. GLM-5.3 dan Nemotron 3.5 Lightning menekan dari sisi harga dan efisiensi, sementara Claude Opus 5 dan GPT-5.6 menyasar kemampuan kelas atas.

Kesimpulan

Gemini 3.7 Flash paling tepat dipahami sebagai workhorse ber-throughput tinggi, bukan model terpintar yang tidak terbantahkan. Kasus terkuatnya adalah kombinasi skor Intelligence Index 56, generasi sekitar 340 token per detik, hasil coding dan agen terminal yang solid, serta harga perkenalan yang sangat rendah.

Bagi developer, catatan terpentingnya justru bersifat finansial. Tarif US$0,75 untuk input dan US$3,75 untuk output hanya berlaku sampai 31 Desember 2026. Mulai hari berikutnya, tarif standar menjadi US$1,50 dan US$7,50.

Klaim Google soal pertumbuhan tercepat mungkin saja benar, tetapi tanpa angka penggunaan pendukung, bukti yang ada baru menunjukkan strategi untuk menjadikan inferensi cepat dan terjangkau sebagai pilihan default bagi workflow developer—belum membuktikan rekor adopsi model.

Daya tarik utamanya bukan klaim sebagai model dengan kecerdasan tertinggi di semua pengujian. Gemini 3.7 Flash lebih menonjol lewat perpaduan kemampuan yang mendekati model frontier, kecepatan output sangat tinggi, dan harga API awal yang rendah—kombinasi yang menarik bagi developer yang menjalankan loop agen berulang dalam skala besar.

Apa arti klaim “pertumbuhan tercepat” Google?

Google menyebut Gemini 3.7 Flash sebagai model dengan pertumbuhan tercepat dalam sejarahnya. Namun, data yang tersedia tidak memuat angka yang diperlukan untuk menguji klaim tersebut. Google tidak mengungkap basis penggunaan, periode pengukuran, jumlah developer aktif, volume token, maupun model pembanding.

Kesimpulan yang lebih aman adalah bahwa Google sedang memosisikan Flash untuk mendorong adopsi developer secara cepat. Harga perkenalan yang rendah dan integrasinya ke berbagai produk developer Google mendukung strategi itu. Namun, predikat “pertumbuhan tercepat” masih sebaiknya diperlakukan sebagai klaim perusahaan yang belum terukur secara independen, bukan statistik pasar yang telah terbukti.

Harga murah saat peluncuran, tetapi naik dua kali lipat pada 2027

Tarif API perkenalan Gemini 3.7 Flash hingga 31 Desember 2026 adalah:

• Input: US$0,75 per juta token
• Output, termasuk token untuk proses berpikir: US$3,75 per juta token

Mulai 1 Januari 2027, tarif standar menjadi US$1,50 per juta token input dan US$7,50 per juta token output—tepat dua kali lipat dari harga perkenalan. Tarif diskon atau model batch juga naik dari US$0,375/US$1,875 menjadi US$0,75/US$3,75 per juta token input/output.

Tanggal berakhirnya harga perkenalan ini penting bagi perencanaan produksi. Workflow yang terlihat sangat murah pada masa peluncuran perlu dihitung ulang menggunakan tarif 2027 sebelum dipakai sebagai dasar arsitektur jangka panjang.

Harga token juga hanya menggambarkan sebagian dari biaya agen. Pengeluaran aktual dipengaruhi panjang konteks, jumlah pemanggilan tool, percobaan ulang, input yang tersimpan di cache, tingkat penalaran, dan panjang output. Karena itu, biaya per benchmark tidak boleh dianggap sebagai jaminan biaya untuk keseluruhan workflow produksi.

Kecepatan menjadi pembeda utama

Dalam laporan Artificial Analysis yang dikutip, Gemini 3.7 Flash memperoleh skor 56 pada Intelligence Index. Angka ini berada di atas Claude Sonnet 5 dengan skor 55, tetapi sedikit di bawah GPT-5.6 Terra dengan skor 57.

Kecepatan adalah keunggulan paling jelas dari Flash. Artificial Analysis mengukur sekitar 340 token output per detik dan skor rata-rata waktu per tugas sebesar 1,7. Laporan tersebut menyebut Flash sekitar 40% lebih cepat daripada GPT-5.6 Terra pada tingkat penalaran maksimum.

Angka tersebut menggambarkan performa model atau penyedia yang diukur, bukan pengalaman universal di setiap aplikasi. Kondisi jaringan, routing penyedia, ukuran prompt, latensi tool, dan pengaturan penalaran dapat mengubah waktu respons dari ujung ke ujung.

Performa coding dan workflow agen

Google melaporkan peningkatan besar dibandingkan Gemini 3.6 Flash dalam rekayasa perangkat lunak, debugging, penyelesaian masalah, pengembangan web, dan workflow agen. Hasil coding yang dikutip mencakup:

• 43,6% pada FrontierCode 1.1 Main, naik dari 34,4% pada Gemini 3.6 Flash.
• 1.588 Elo di Code Arena untuk pengembangan web.
• 85,8% pada Terminal-Bench 2.1, dibandingkan 80,4% untuk Claude Sonnet 5 dan 87,4% untuk GPT-5.6 Terra dalam perbandingan Google.

Hasil ini menunjukkan bahwa Gemini 3.7 Flash adalah model yang mumpuni untuk coding dan agen terminal, tetapi bukan pemenang di semua kategori. GPT-5.6 Terra masih unggul pada hasil Terminal-Bench yang dikutip, sedangkan kelebihan Flash terletak pada kecepatan dan harga awal yang lebih rendah.

ARC-AGI: skor tinggi dengan biaya per tugas rendah

Pada tingkat upaya penalaran tinggi, ARC Prize melaporkan Gemini 3.7 Flash mencatat:

• 95,5% pada ARC-AGI-1 Semi-Private, dengan biaya US$0,12 per tugas
• 84,6% pada ARC-AGI-2 Semi-Private, dengan biaya US$0,25 per tugas

Hasil ini kuat, terutama jika mempertimbangkan biaya per tugas yang dilaporkan. Meski demikian, performa ARC-AGI sebaiknya dibaca sebagai sinyal benchmark, bukan ramalan langsung tentang keandalan agen software.

Agen produksi dapat melakukan beberapa panggilan model, menggunakan tool eksternal, mengulang tindakan yang gagal, dan memproses konteks yang jauh lebih besar daripada tugas benchmark. Biaya aktualnya bisa sangat berbeda.

Perbandingan dengan model pesaing

Tabel ini bukan papan peringkat universal. Benchmark berasal dari evaluasi yang berbeda-beda, dan sumber yang tersedia tidak menunjukkan satu pengujian terkendali yang membandingkan semua model. Harga juga dapat mencerminkan perbedaan hosting, diskon, atau ketersediaan.

Strategi Google: throughput, bukan skor tertinggi

Perbandingan yang tersedia menunjukkan pilihan posisi yang cukup jelas. Gemini 3.7 Flash berada dekat dengan frontier pada Intelligence Index, tetapi tidak mencatat skor tertinggi: GPT-5.6 Terra sedikit lebih tinggi dengan skor 57 dan juga memimpin perbandingan Terminal-Bench yang dikutip.

Google justru menekankan keseimbangan antara kecerdasan, latensi, dan biaya. Model yang cukup cepat untuk pengembangan interaktif dan cukup murah untuk dipanggil berulang kali bisa lebih berguna bagi platform agen daripada model yang lebih mahal dan lambat tetapi hanya unggul pada benchmark tertentu.

Hal ini penting untuk asisten coding, penyelesaian masalah otomatis, agen pengembangan web, dan workflow yang berulang kali membaca konteks, memanggil tool, memeriksa hasil, lalu mencoba lagi.

Gelombang rilis model pada Agustus 2026 membuat pertukaran tersebut semakin relevan. Qwen3.8-Max menghadirkan persaingan kuat di bidang agen dan rekayasa perangkat lunak. GLM-5.3 dan Nemotron 3.5 Lightning menekan dari sisi harga dan efisiensi, sementara Claude Opus 5 dan GPT-5.6 menyasar kemampuan kelas atas.

Kesimpulan

Gemini 3.7 Flash paling tepat dipahami sebagai workhorse ber-throughput tinggi, bukan model terpintar yang tidak terbantahkan. Kasus terkuatnya adalah kombinasi skor Intelligence Index 56, generasi sekitar 340 token per detik, hasil coding dan agen terminal yang solid, serta harga perkenalan yang sangat rendah.

Bagi developer, catatan terpentingnya justru bersifat finansial. Tarif US$0,75 untuk input dan US$3,75 untuk output hanya berlaku sampai 31 Desember 2026. Mulai hari berikutnya, tarif standar menjadi US$1,50 dan US$7,50.

Klaim Google soal pertumbuhan tercepat mungkin saja benar, tetapi tanpa angka penggunaan pendukung, bukti yang ada baru menunjukkan strategi untuk menjadikan inferensi cepat dan terjangkau sebagai pilihan default bagi workflow developer—belum membuktikan rekor adopsi model.