Gemini 3.7 Flash rullas ut i Google Search – men SEO-effekten är ännu oklar

Tillgången är enligt Google global, men begränsad till engelska och betalande abonnenter på Google AI Pro och Google AI Ultra. Google har inte meddelat att modellen ska bli tillgänglig för gratiskonton eller att den ska ersätta standardmodellen för alla AI Mode-användare.

Så aktiverar du modellen

För berättigade användare är stegen:

1. Öppna Google Searchs AI Mode.
2. Klicka på + i fältet ”Ask anything”.
3. Öppna modellväljaren under avsnittet ”Gemini 3 models”.
4. Välj Gemini 3.7 Flash.

I samma meny visas även alternativen Auto och Pro.

Googles uttalade skäl för Search-integrationen är att modellen ska följa instruktioner bättre och förstå användarens avsikt mer träffsäkert. Det är dock ett produktpåstående – inte belägg för att Googles övergripande rankningssystem eller regler för källhänvisningar har ändrats.

Vad betyder lanseringen för SEO?

Det korta svaret är: vi vet ännu inte.

Det finns inte tillräckligt med trovärdiga och reproducerbara oberoende tester för att slå fast att Gemini 3.7 Flash påverkar:

• organisk ranking,
• klick- eller hänvisningstrafik,
• vilka webbplatser som citeras,
• hur ofta AI Mode visar länkar,
• synlighet i lokala resultat eller så kallade local packs.

Att modellen enligt Google förstår sökavsikt bättre kan i teorin påverka hur AI Mode avgör om en fråga ska besvaras direkt eller om användaren ska hänvisas till källor. För publicister och SEO-specialister är det därför en relevant hypotes att testa – men ännu inte ett etablerat resultat.

För lokala sökningar har modellen stöd för så kallad grounding mot både Google Search och Google Maps. Googles dokumentation för företagskunder anger dessutom att Search-grounding kan anpassas efter användarens geografiska position med latitud och longitud. Det visar att infrastrukturen finns, men bevisar inte att AI Mode redan ger bättre lokala svar eller ökad synlighet för företag.

Kodning och AI-agenter i fokus

Jämfört med Gemini 3.6 Flash uppger Google att 3.7 Flash är bättre på felsökning, problemlösning, kodgenerering i första försöket och kod som är redo för produktion.

Modellen är också byggd för agentbaserade arbetsflöden. Den stöder bland annat:

• grounding med Google Search och Google Maps,
• kodkörning,
• funktionsanrop,
• datoranvändning som förhandsfunktion.

Det gör att den kan kopplas till system som söker information, kör kod, anropar externa funktioner och i vissa fall interagerar med ett datorgränssnitt.

Benchmarkresultat

Googles egna jämförelser visar bland annat följande resultat mot Gemini 3.6 Flash:

• FrontierCode 1.1 Main: 43,6 procent mot 34,4 procent.
• DeepSWE v1.1: 65,3 procent mot 49,0 procent.
• WebDev Arena: 1 588 Elo-poäng.

Resultaten pekar på en tydlig förbättring i Googles testsvit. Samtidigt är detta leverantörsrapporterade benchmarkresultat, och de bör inte tolkas som bevis för att modellen är bäst i alla verkliga användningsfall.

Google beskriver modellen som konkurrenskraftig med ledande kodnings- och agentmodeller, samtidigt som den ska vara betydligt billigare. Oberoende jämförelser på lika villkor mot de senaste konkurrerande frontmodellerna är däremot fortfarande begränsade. En definitiv vinnare går därför inte att utse ännu.

Pris i Gemini API

Det introducerade API-priset gäller till och med den 31 december 2026:

• Indata: 0,75 dollar per miljon token.
• Utdata: 3,75 dollar per miljon token.

Google uppger att detta är hälften av det ursprungliga lanseringspriset för Gemini 3.6 Flash.

Från och med den 1 januari 2027 anges standardpriset till:

• Indata: 1,50 dollar per miljon token.
• Utdata: 7,50 dollar per miljon token.

Priset gäller API-användning och ska inte blandas ihop med månadsavgiften för konsumentabonnemangen Google AI Pro och Google AI Ultra.

Vad händer med Gemini 3.5 Flash-Lite?

Gemini 3.7 Flash är inte tänkt att vara den direkta ersättaren till Gemini 3.5 Flash-Lite. Google har i stället signalerat att en särskild Gemini 3.7 Flash-Lite ska komma senare.

Fram till dess är Gemini 3.5 Flash-Lite fortfarande Googles alternativ för låg fördröjning och låg kostnad. Den tidigare modellen positionerades som den snabbaste och mest ekonomiska modellen i 3.5-klassen, med en rapporterad utmatningshastighet på 350 token per sekund.

Skillnaden i inriktning är viktig: Flash-Lite prioriterar snabbhet och pris, medan 3.7 Flash är avsedd för mer krävande kodnings- och agentarbetsflöden.

Tillgång i Googles produkter

Gemini 3.7 Flash är allmänt tillgänglig via Gemini API och Googles utvecklar- och molntjänster, bland annat Gemini Enterprise Agent Platform. Där anges stöd för Search- och Maps-grounding, funktionsanrop, kodkörning och datoranvändning som förhandsfunktion.

Även Gemini Spark, Googles personliga AI-agent i Gemini-appen, använder 3.7 Flash från lanseringen för Google AI Pro- och Ultra-prenumeranter i fler än 160 länder. Google beskriver Spark som en agent som kan hjälpa till med fler stegs uppgifter i Google Workspace, exempelvis att sammanställa filer, skriva e-post och uppdatera statusdokument.

Finns Gemini 3.7 Flash i GitHub Copilot?

GitHubs ändringslogg anger att Gemini 3.7 Flash har blivit tillgänglig i GitHub Copilot. Modellen faktureras enligt leverantörens listpris vid användningsbaserad debitering.

Den tillgängliga informationen räcker däremot inte för att fastställa alla detaljer om vilka Copilot-planer, organisationer eller regioner som omfattas. Användare bör därför kontrollera modellväljaren i sitt Copilot-konto och GitHubs aktuella dokumentation innan de räknar med att modellen finns tillgänglig i en viss abonnemangsnivå.

Slutsats

Gemini 3.7 Flash är framför allt en uppgradering för utvecklare, företag och agenter som behöver hantera komplexa uppgifter i flera steg utan kostnaden för en större Pro-modell. I Searchs AI Mode är den än så länge ett engelskspråkigt premiumalternativ för Pro- och Ultra-användare.

För SEO är den viktigaste slutsatsen mer försiktig: Googles påstående om bättre förståelse av användarens avsikt kan få betydelse för hur AI Mode formulerar svar och väljer källor, men det finns ännu inga tillräckliga data som visar en konkret effekt på ranking, klick eller lokal synlighet.