Gemini 3.7 Flash stawia na szybkość i niski koszt, a nie na wygraną w każdym benchmarku

Od 1 stycznia 2027 roku standardowe ceny wzrosną dokładnie dwukrotnie — do 1,50 dol. za milion tokenów wejściowych oraz 7,50 dol. za milion tokenów wyjściowych. Wzrosną również stawki zniżkowe lub pakietowe: z 0,375/1,875 dol. do 0,75/3,75 dol. za milion tokenów wejściowych/wyjściowych.

Data wygaśnięcia promocji ma duże znaczenie przy planowaniu produkcji. Projekt, który w drugiej połowie 2026 roku wygląda na wyjątkowo tani, powinien zostać przeliczony ponownie z użyciem stawek obowiązujących w 2027 roku, zanim firma oprze na nim długoterminową architekturę.

Cena za token jest przy tym tylko częścią rachunku za agenta. Rzeczywisty koszt zależy między innymi od długości kontekstu, liczby wywołań narzędzi, ponowień po błędach, wykorzystania pamięci podręcznej, poziomu rozumowania oraz długości odpowiedzi. Koszt podany dla konkretnego benchmarku nie jest gwarantowaną ceną całego procesu działającego w produkcji.

Szybkość i ogólna inteligencja

Według niezależnej analizy Artificial Analysis Gemini 3.7 Flash uzyskał 56 punktów w Intelligence Index. To wynik wyższy niż 55 punktów dla Claude Sonnet 5 i nieznacznie niższy niż 57 punktów dla GPT-5.6 Terra w przywoływanym zestawieniu.

Najwyraźniejszym wyróżnikiem Flasha jest szybkość. Artificial Analysis zmierzyło około 340 tokenów wyjściowych na sekundę oraz średni wynik czasu realizacji zadania na poziomie 1,7. Według tego porównania Flash jest około 40 proc. szybszy od GPT-5.6 Terra przy maksymalnym poziomie rozumowania.

Nie oznacza to, że każda aplikacja będzie odpowiadała w takim tempie. Na czas od wysłania pytania do otrzymania gotowego rezultatu wpływają między innymi warunki sieciowe, routing dostawcy, długość promptu, opóźnienia narzędzi oraz ustawienia rozumowania.

Programowanie i praca agentów

Google deklaruje wyraźną poprawę względem Gemini 3.6 Flash w inżynierii oprogramowania, debugowaniu, rozwiązywaniu zgłoszeń, tworzeniu stron internetowych i zadaniach agentowych. W przywoływanych testach programistycznych model osiągnął:

• 43,6 proc. w FrontierCode 1.1 Main, wobec 34,4 proc. dla Gemini 3.6 Flash,
• 1588 punktów Elo w Code Arena w zadaniach związanych z tworzeniem stron internetowych,
• 85,8 proc. w Terminal-Bench 2.1, wobec 80,4 proc. dla Claude Sonnet 5 i 87,4 proc. dla GPT-5.6 Terra w porównaniu Google.

Wyniki wskazują na sprawny model do kodowania i pracy w terminalu, ale nie na bezdyskusyjnego zwycięzcę. W przywołanym wyniku Terminal-Bench GPT-5.6 Terra pozostaje z przodu. Przewaga Gemini 3.7 Flash leży przede wszystkim w szybkości i niskiej cenie promocyjnej.

ARC-AGI: mocne wyniki przy niskim koszcie zadania

Przy wysokim poziomie wysiłku rozumowania ARC Prize odnotowało dla Gemini 3.7 Flash następujące rezultaty:

• 95,5 proc. w ARC-AGI-1 Semi-Private, przy koszcie 0,12 dol. za zadanie,
• 84,6 proc. w ARC-AGI-2 Semi-Private, przy koszcie 0,25 dol. za zadanie.

To mocne wyniki, zwłaszcza w połączeniu z podanym kosztem pojedynczego zadania. Nie należy jednak traktować ich jako bezpośredniej prognozy niezawodności agenta programistycznego. W środowisku produkcyjnym agent może wykonać wiele wywołań modelu, korzystać z zewnętrznych narzędzi, ponawiać nieudane działania i przetwarzać znacznie większy kontekst niż zadanie benchmarkowe.

Gemini 3.7 Flash na tle konkurencji

Tabela nie jest uniwersalnym rankingiem. Poszczególne wyniki pochodzą z różnych testów, a źródła nie pokazują jednego kontrolowanego badania obejmującego wszystkie modele. Ceny mogą też odzwierciedlać różne warunki hostingu, rabaty lub dostępności.

Strategia Google: przepustowość ważniejsza niż najwyższy wynik

Przywołane porównania wskazują na świadomy wybór pozycjonowania. Gemini 3.7 Flash jest blisko czołówki w przywoływanym Intelligence Index, ale nie ma najwyższego wyniku: GPT-5.6 Terra uzyskał 57 punktów, a także prowadzi w cytowanym porównaniu Terminal-Bench.

Google akcentuje więc kompromis między inteligencją, opóźnieniem i kosztem. Model wystarczająco szybki do interaktywnej pracy i wystarczająco tani, by wielokrotnie go wywoływać, może być dla platformy agentowej bardziej użyteczny niż wolniejszy i droższy system wygrywający w wąskim benchmarku.

To szczególnie istotne w asystentach programistycznych, automatycznym rozwiązywaniu zgłoszeń, agentach tworzących strony oraz procesach, które wielokrotnie odczytują kontekst, uruchamiają narzędzia, sprawdzają rezultaty i próbują ponownie.

W sierpniowej fali premier modeli z 2026 roku kompromis ten nabiera dodatkowego znaczenia. Qwen3.8-Max wzmacnia konkurencję w zadaniach agentowych i inżynierii oprogramowania, GLM-5.3 oraz Nemotron 3.5 Lightning naciskają na cenę i efektywność, a Claude Opus 5 i GPT-5.6 celują w wyższy poziom możliwości.

Werdykt

Gemini 3.7 Flash najlepiej rozumieć jako szybki model do pracy na dużą skalę, a nie jako bezdyskusyjnie najmądrzejszy system na rynku. Jego najmocniejszy zestaw argumentów to 56 punktów w Intelligence Index, około 340 tokenów generowanych na sekundę, solidne wyniki w kodowaniu i zadaniach terminalowych oraz wyjątkowo niska cena promocyjna.

Dla deweloperów najważniejsze zastrzeżenie dotyczy finansów, nie możliwości technicznych. Stawki 0,75/3,75 dol. wygasają 31 grudnia 2026 roku, a od następnego dnia zaczynają obowiązywać ceny 1,50/7,50 dol.

Deklaracja Google o rekordowym tempie wzrostu może się potwierdzić, ale bez danych o wykorzystaniu dostępne dowody mówią obecnie przede wszystkim o strategii: uczynić szybkie i tanie wnioskowanie domyślnym wyborem dla deweloperów — nie zaś o niezależnie potwierdzonym rekordzie adopcji.