Її головна перевага — не перемога в кожному тесті на інтелект. Google продає іншу комбінацію: можливості, близькі до передових, дуже високу швидкість генерації та низьку стартову вартість API. Для розробників, чиї агенти постійно повторюють цикли «прочитати контекст — викликати інструмент — перевірити результат — спробувати знову», це може бути важливіше за перше місце в окремому бенчмарку.

Що насправді означає «найшвидше зростання»

Google називає Gemini 3.7 Flash моделлю, що зростає найшвидше за всю історію компанії. Однак у доступних матеріалах немає даних, які дозволили б незалежно перевірити це формулювання: не розкрито базу використання, період вимірювання, кількість активних розробників, обсяг токенів або конкретну модель для порівняння.

Тому обережніший висновок такий: Google позиціонує Flash для швидкого залучення розробників, а низька вступна ціна та інтеграція в кілька продуктів компанії підтримують цю стратегію. Суперлатив про зростання варто сприймати як непідтверджене твердження самої Google, а не як незалежно встановлений показник ринку.

Ціна: дешево на старті, удвічі дорожче з 2027 року

Вступні тарифи Gemini 3.7 Flash у Gemini API діють до 31 грудня 2026 року:

• вхідні дані: $0,75 за мільйон токенів;
• вихідні дані, включно з токенами міркування: $3,75 за мільйон токенів.

З 1 січня 2027 року стандартна ціна зросте рівно вдвічі — до $1,50 за мільйон вхідних і $7,50 за мільйон вихідних токенів. Дисконтовані або пакетні тарифи також піднімуться з $0,375/$1,875 до $0,75/$3,75 за мільйон вхідних/вихідних токенів.

Ця дата важлива для планування виробничих систем. Проєкт, який здається надзвичайно дешевим під час промоційного періоду, потрібно перерахувати за тарифами 2027 року ще до того, як команда прив’яже до нього довгострокову архітектуру.

Водночас ціна токенів — лише частина реальних витрат на AI-агента. На підсумковий рахунок впливають розмір контексту, кількість викликів інструментів, повторні спроби, кешування вхідних даних, рівень міркування та обсяг відповіді. Вартість окремого бенчмаркового завдання не є гарантованою ціною повного робочого процесу у продакшені.

Швидкість і загальний рівень інтелекту

За незалежними даними Artificial Analysis, Gemini 3.7 Flash отримала 56 балів у Intelligence Index. Це трохи вище за Claude Sonnet 5 із 55 балами, але нижче за GPT-5.6 Terra, яка набрала 57.

Найпомітніша відмінність Flash — швидкість. Artificial Analysis виміряла приблизно 340 вихідних токенів за секунду та середній показник часу на завдання 1,7. За цим вимірюванням Flash приблизно на 40% швидша за GPT-5.6 Terra на максимальному рівні міркування.

Це показники вимірювань моделі або конкретного провайдера, а не гарантія однакової швидкодії в кожному застосунку. На час відповіді також впливають мережа, маршрутизація запиту, розмір промпту, затримка інструментів і налаштування міркування.

Програмування та агентні сценарії

Google повідомляє про суттєве покращення Gemini 3.7 Flash порівняно з Gemini 3.6 Flash у програмній інженерії, налагодженні, виправленні проблем, веброзробці та агентних робочих процесах. Серед наведених результатів:

• 43,6% у FrontierCode 1.1 Main проти 34,4% у Gemini 3.6 Flash;
• 1588 Elo у Code Arena для веброзробки;
• 85,8% у Terminal-Bench 2.1 — проти 80,4% у Claude Sonnet 5 і 87,4% у GPT-5.6 Terra в порівнянні Google.

Результати свідчать, що це сильна модель для коду та термінальних агентів, але не беззаперечний лідер. У наведеному тесті Terminal-Bench попереду залишається GPT-5.6 Terra, тоді як перевага Flash — у швидкості та нижчій вступній ціні.

ARC-AGI: високі результати за невелику ціну завдання

На високому рівні зусиль міркування Gemini 3.7 Flash показала такі результати в тестах ARC Prize:

• 95,5% у ARC-AGI-1 Semi-Private за $0,12 за завдання;
• 84,6% у ARC-AGI-2 Semi-Private за $0,25 за завдання.

Це сильні показники, особливо з огляду на заявлену вартість одного завдання. Проте ARC-AGI — це сигнал про можливості моделі в конкретному бенчмарку, а не прямий прогноз надійності програмного агента. У реальному продукті агент може зробити кілька викликів моделі, використати зовнішні інструменти, повторити невдалу дію та обробити значно більший контекст.

Порівняння з конкурентами

Ця таблиця не є універсальним рейтингом. Моделі тестувалися в різних оцінюваннях, а джерела не підтверджують проведення єдиного контрольованого тесту для всіх систем. Крім того, ціни можуть стосуватися різних умов хостингу, знижок або доступності.

Стратегія Google: пропускна здатність замість першого місця

Наведені порівняння вказують на свідомий вибір позиціонування. Gemini 3.7 Flash близька до передових моделей за Intelligence Index, але не має найвищого результату: GPT-5.6 Terra трохи попереду з 57 балами й також лідирує в цитованому порівнянні Terminal-Bench.

Натомість Google підкреслює баланс між інтелектом, затримкою та вартістю. Модель, яка достатньо швидка для інтерактивної розробки й достатньо дешева для численних повторних викликів, може бути кориснішою для платформи агентів, ніж повільніша та дорожча система, що виграє вузький бенчмарк.

Це особливо важливо для помічників програмістів, автоматичного виправлення помилок, агентів веброзробки та процесів, де модель багато разів читає контекст, викликає інструменти, аналізує результат і повторює дію.

На тлі хвилі релізів у серпні 2026 року така ставка стає ще помітнішою. Qwen3.8-Max посилює конкуренцію в агентних і програмістських завданнях, GLM-5.3 та Nemotron 3.5 Lightning тиснуть на ціни й ефективність, а Claude Opus 5 і GPT-5.6 націлені на вищий рівень можливостей.

Висновок

Gemini 3.7 Flash найкраще сприймати як швидку робочу модель із високою пропускною здатністю, а не як беззаперечно найрозумнішу систему. Її найсильніший аргумент — поєднання 56 балів у Intelligence Index, генерації приблизно 340 токенів за секунду, хороших результатів у програмуванні та агентних тестах і незвично низької вступної ціни.

Для розробників головне застереження має фінансовий характер: тарифи $0,75/$3,75 діють лише до 31 грудня 2026 року, а з наступного дня почнуть діяти стандартні $1,50/$7,50.

Твердження Google про рекордне зростання ще може підтвердитися, але наразі надані дані доводять передусім інше: компанія прагне зробити швидкий і доступний inference стандартом для масштабних розробницьких та агентних процесів, а не обов’язково перемагати в кожному тесті на максимальний інтелект.

Її головна перевага — не перемога в кожному тесті на інтелект. Google продає іншу комбінацію: можливості, близькі до передових, дуже високу швидкість генерації та низьку стартову вартість API. Для розробників, чиї агенти постійно повторюють цикли «прочитати контекст — викликати інструмент — перевірити результат — спробувати знову», це може бути важливіше за перше місце в окремому бенчмарку.

Що насправді означає «найшвидше зростання»

Google називає Gemini 3.7 Flash моделлю, що зростає найшвидше за всю історію компанії. Однак у доступних матеріалах немає даних, які дозволили б незалежно перевірити це формулювання: не розкрито базу використання, період вимірювання, кількість активних розробників, обсяг токенів або конкретну модель для порівняння.

Тому обережніший висновок такий: Google позиціонує Flash для швидкого залучення розробників, а низька вступна ціна та інтеграція в кілька продуктів компанії підтримують цю стратегію. Суперлатив про зростання варто сприймати як непідтверджене твердження самої Google, а не як незалежно встановлений показник ринку.

Ціна: дешево на старті, удвічі дорожче з 2027 року

Вступні тарифи Gemini 3.7 Flash у Gemini API діють до 31 грудня 2026 року:

• вхідні дані: $0,75 за мільйон токенів;
• вихідні дані, включно з токенами міркування: $3,75 за мільйон токенів.

З 1 січня 2027 року стандартна ціна зросте рівно вдвічі — до $1,50 за мільйон вхідних і $7,50 за мільйон вихідних токенів. Дисконтовані або пакетні тарифи також піднімуться з $0,375/$1,875 до $0,75/$3,75 за мільйон вхідних/вихідних токенів.

Ця дата важлива для планування виробничих систем. Проєкт, який здається надзвичайно дешевим під час промоційного періоду, потрібно перерахувати за тарифами 2027 року ще до того, як команда прив’яже до нього довгострокову архітектуру.

Водночас ціна токенів — лише частина реальних витрат на AI-агента. На підсумковий рахунок впливають розмір контексту, кількість викликів інструментів, повторні спроби, кешування вхідних даних, рівень міркування та обсяг відповіді. Вартість окремого бенчмаркового завдання не є гарантованою ціною повного робочого процесу у продакшені.

Швидкість і загальний рівень інтелекту

За незалежними даними Artificial Analysis, Gemini 3.7 Flash отримала 56 балів у Intelligence Index. Це трохи вище за Claude Sonnet 5 із 55 балами, але нижче за GPT-5.6 Terra, яка набрала 57.

Найпомітніша відмінність Flash — швидкість. Artificial Analysis виміряла приблизно 340 вихідних токенів за секунду та середній показник часу на завдання 1,7. За цим вимірюванням Flash приблизно на 40% швидша за GPT-5.6 Terra на максимальному рівні міркування.

Це показники вимірювань моделі або конкретного провайдера, а не гарантія однакової швидкодії в кожному застосунку. На час відповіді також впливають мережа, маршрутизація запиту, розмір промпту, затримка інструментів і налаштування міркування.

Програмування та агентні сценарії

Google повідомляє про суттєве покращення Gemini 3.7 Flash порівняно з Gemini 3.6 Flash у програмній інженерії, налагодженні, виправленні проблем, веброзробці та агентних робочих процесах. Серед наведених результатів:

• 43,6% у FrontierCode 1.1 Main проти 34,4% у Gemini 3.6 Flash;
• 1588 Elo у Code Arena для веброзробки;
• 85,8% у Terminal-Bench 2.1 — проти 80,4% у Claude Sonnet 5 і 87,4% у GPT-5.6 Terra в порівнянні Google.

Результати свідчать, що це сильна модель для коду та термінальних агентів, але не беззаперечний лідер. У наведеному тесті Terminal-Bench попереду залишається GPT-5.6 Terra, тоді як перевага Flash — у швидкості та нижчій вступній ціні.

ARC-AGI: високі результати за невелику ціну завдання

На високому рівні зусиль міркування Gemini 3.7 Flash показала такі результати в тестах ARC Prize:

• 95,5% у ARC-AGI-1 Semi-Private за $0,12 за завдання;
• 84,6% у ARC-AGI-2 Semi-Private за $0,25 за завдання.

Це сильні показники, особливо з огляду на заявлену вартість одного завдання. Проте ARC-AGI — це сигнал про можливості моделі в конкретному бенчмарку, а не прямий прогноз надійності програмного агента. У реальному продукті агент може зробити кілька викликів моделі, використати зовнішні інструменти, повторити невдалу дію та обробити значно більший контекст.

Порівняння з конкурентами

Ця таблиця не є універсальним рейтингом. Моделі тестувалися в різних оцінюваннях, а джерела не підтверджують проведення єдиного контрольованого тесту для всіх систем. Крім того, ціни можуть стосуватися різних умов хостингу, знижок або доступності.

Стратегія Google: пропускна здатність замість першого місця

Наведені порівняння вказують на свідомий вибір позиціонування. Gemini 3.7 Flash близька до передових моделей за Intelligence Index, але не має найвищого результату: GPT-5.6 Terra трохи попереду з 57 балами й також лідирує в цитованому порівнянні Terminal-Bench.

Натомість Google підкреслює баланс між інтелектом, затримкою та вартістю. Модель, яка достатньо швидка для інтерактивної розробки й достатньо дешева для численних повторних викликів, може бути кориснішою для платформи агентів, ніж повільніша та дорожча система, що виграє вузький бенчмарк.

Це особливо важливо для помічників програмістів, автоматичного виправлення помилок, агентів веброзробки та процесів, де модель багато разів читає контекст, викликає інструменти, аналізує результат і повторює дію.

На тлі хвилі релізів у серпні 2026 року така ставка стає ще помітнішою. Qwen3.8-Max посилює конкуренцію в агентних і програмістських завданнях, GLM-5.3 та Nemotron 3.5 Lightning тиснуть на ціни й ефективність, а Claude Opus 5 і GPT-5.6 націлені на вищий рівень можливостей.

Висновок

Gemini 3.7 Flash найкраще сприймати як швидку робочу модель із високою пропускною здатністю, а не як беззаперечно найрозумнішу систему. Її найсильніший аргумент — поєднання 56 балів у Intelligence Index, генерації приблизно 340 токенів за секунду, хороших результатів у програмуванні та агентних тестах і незвично низької вступної ціни.

Для розробників головне застереження має фінансовий характер: тарифи $0,75/$3,75 діють лише до 31 грудня 2026 року, а з наступного дня почнуть діяти стандартні $1,50/$7,50.

Твердження Google про рекордне зростання ще може підтвердитися, але наразі надані дані доводять передусім інше: компанія прагне зробити швидкий і доступний inference стандартом для масштабних розробницьких та агентних процесів, а не обов’язково перемагати в кожному тесті на максимальний інтелект.