Gemini 3.7 Flash kiest voor snelheid en schaal boven de hoogste benchmarkscore

Vanaf 1 januari 2027 gelden de standaardtarieven van 1,50 dollar per miljoen invoertokens en 7,50 dollar per miljoen uitvoertokens. Ook de vermelde tarieven voor korting- of batchverwerking verdubbelen: van 0,375 en 1,875 dollar naar 0,75 en 3,75 dollar per miljoen invoer- en uitvoertokens.

Die einddatum is belangrijk voor ontwikkelaars die een productieomgeving bouwen. Een toepassing die tijdens de introductieperiode uitzonderlijk goedkoop lijkt, moet opnieuw worden doorgerekend met de tarieven van 2027 voordat een langdurige architectuur wordt vastgelegd.

Tokenprijzen vertellen bovendien maar een deel van het verhaal. De werkelijke kosten van een agent hangen ook af van de lengte van de context, toolaanroepen, mislukte pogingen, gecachte invoer, de gewenste mate van redeneren en de hoeveelheid uitvoer. De kosten van één benchmarktaak zijn dus geen garantie voor de prijs van een volledige productie-workflow.

Snelheid en algemene intelligentie

Volgens onafhankelijke metingen van Artificial Analysis krijgt Gemini 3.7 Flash een Intelligence Index-score van 56. Daarmee staat het model boven Claude Sonnet 5 met 55, maar net onder GPT-5.6 Terra met 57 in de aangehaalde vergelijking.

Snelheid is de duidelijkste onderscheidende factor. Artificial Analysis mat ongeveer 340 uitvoertokens per seconde en een gemiddelde tijd-per-taakscore van 1,7. Volgens die vergelijking is Flash bij maximale redeneerkracht ongeveer 40 procent sneller dan GPT-5.6 Terra.

Deze cijfers beschrijven gemeten model- of providerprestaties, geen universele gebruikerservaring. Netwerkcondities, routering door de provider, de omvang van de prompt, toolvertraging en redeneerinstellingen kunnen de totale responstijd sterk beïnvloeden.

Resultaten voor programmeren en AI-agents

Google meldt duidelijke verbeteringen ten opzichte van Gemini 3.6 Flash bij software-engineering, debugging, het oplossen van issues, webdevelopment en agent-workflows. De aangehaalde coderesultaten zijn onder meer:

• 43,6 procent op FrontierCode 1.1 Main, tegenover 34,4 procent voor Gemini 3.6 Flash.
• 1.588 Elo op Code Arena voor webdevelopment.
• 85,8 procent op Terminal-Bench 2.1, tegenover 80,4 procent voor Claude Sonnet 5 en 87,4 procent voor GPT-5.6 Terra in Googles vergelijking.

Dat wijst op een capabel model voor programmeren en terminalagents, maar niet op een onbetwiste winnaar. GPT-5.6 Terra staat voor op de aangehaalde Terminal-Bench-score. Flash onderscheidt zich vooral met snelheid en de lagere introductiekosten.

ARC-AGI: sterke scores tegen lage kosten per taak

Bij een hoge redeneerinspanning rapporteert ARC Prize de volgende resultaten voor Gemini 3.7 Flash:

• 95,5 procent op ARC-AGI-1 Semi-Private, voor 0,12 dollar per taak
• 84,6 procent op ARC-AGI-2 Semi-Private, voor 0,25 dollar per taak

Dat zijn sterke cijfers, zeker in combinatie met de genoemde kosten per taak. Toch moet ARC-AGI vooral worden gelezen als een benchmarksignaal, niet als een directe voorspelling van de betrouwbaarheid van een software-agent. Een productieagent kan meerdere modelaanroepen doen, externe tools gebruiken, mislukte acties opnieuw proberen en veel grotere contexten verwerken dan een afzonderlijke benchmarktaak.

Hoe verhoudt Flash zich tot andere modellen?

Deze tabel is geen universele ranglijst. De benchmarks komen uit verschillende evaluaties en de bronnen tonen geen gecontroleerde test waarin alle modellen onder exact dezelfde omstandigheden zijn vergeleken. Ook kunnen prijzen verschillende hosting-, kortings- of beschikbaarheidsvoorwaarden weerspiegelen.

Googles strategische keuze: meer verwerkte taken in plaats van de hoogste score

De aangehaalde vergelijkingen wijzen op een bewuste positionering. Gemini 3.7 Flash zit dicht bij de frontier op de genoemde Intelligence Index, maar heeft niet de hoogste score: GPT-5.6 Terra staat met 57 iets hoger en leidt ook op de aangehaalde Terminal-Bench-vergelijking.

Google legt daarom de nadruk op de balans tussen intelligentie, latency en kosten. Een model dat snel genoeg is voor interactieve ontwikkeling en goedkoop genoeg voor duizenden herhaalde aanroepen kan voor een agentplatform nuttiger zijn dan een trager en duurder model dat één specifieke benchmark wint.

Dat is vooral relevant voor codeerassistenten, automatische issue-oplossing, webdevelopment-agents en workflows die telkens context lezen, tools aanroepen, resultaten inspecteren en nieuwe pogingen doen. In de drukke modelreleasegolf van augustus 2026 komt die afweging duidelijker naar voren: Qwen3.8-Max vergroot de concurrentie bij software-engineering en agents, GLM-5.3 en Nemotron 3.5 Lightning zetten druk op prijs en efficiëntie, terwijl Claude Opus 5 en GPT-5.6 op het hogere capaciteitssegment mikken.

Eindoordeel

Gemini 3.7 Flash is het best te begrijpen als een high-throughput werkpaard, niet als het aantoonbaar slimste model op de markt. De sterkste argumenten zijn de Intelligence Index-score van 56, een gemeten generatiesnelheid van ongeveer 340 tokens per seconde, degelijke resultaten voor programmeren en terminalagents en de uitzonderlijk lage introductieprijs.

Voor ontwikkelaars ligt de voornaamste waarschuwing financieel. De tarieven van 0,75 en 3,75 dollar per miljoen tokens lopen af op 31 december 2026. Een dag later gelden 1,50 en 7,50 dollar. Googles claim over recordgroei kan uiteindelijk juist blijken, maar zonder ondersteunende gebruikscijfers bewijst de beschikbare informatie voorlopig vooral iets anders: Google probeert snelle, betaalbare inferentie de standaard te maken voor ontwikkelaars en grootschalige AI-agents.