Google Gemini 3.7 Flash ను ప్రారంభించింది: కోడింగ్, ఏజెంట్లు మరియు జ్ఞాన పనికి హైబ్రిడ్ రీజనింగ్
Gemini 3.7 Flash ఆగస్టు 13, 2026న native హైబ్రిడ్ రీజనింగ్, నియంత్రించదగిన thinking budget, frontier కోడింగ్ బెంచ్మార్క్లు మరియు డిసెంబర్ వరకు 50% పరిచయ రాయితీతో వచ్చింది.
హైబ్రిడ్ రీజనింగ్కు కొత్త flagship
ఆగస్టు 13, 2026న Google Gemini 3.7 Flashను విడుదల చేసింది — కోడింగ్, ఏజెంట్లు మరియు సంక్లిష్ట జ్ఞాన పని కోసం రూపొందించిన flagship హైబ్రిడ్ రీజనింగ్ మోడల్. వేగం కోసం లోతును బలిచే మునుపటి Flash తరాలకు విరుద్ధంగా, 3.7 Flash APIలో native నియంత్రించదగిన రీజనింగ్ను కలిగి ఉంది: ప్రతి అభ్యర్థనకు ఆలోచన లోతunu సర్దుబాటు చేయండి, వేరు «రీజనింగ్ మోడల్»కు మారాల్సిన అవసరం లేదు.
ఈ లాంచ్ ఒకేసారి మూడు ప్రేక్షకులను లక్ష్యంగా చేసుకుంది: production ఏజెంట్లను deploy చేసే developers, దీర్ఘకాలిక coding tasks నడిపే teams, మరియు విశాలమైన document setsపై నమ్మకమైన multimodal analysis అవసరమైన enterprises. Google 3.7 Flashను ఒక endpoint sub-100ms chat replies మరియు several-minute deep research రెండింటini serve చేసే మోడల్గా positioning చేసింది.
Native హైబ్రిడ్ రీజనింగ్ మరియు thinking budget
కేంద్రం thinking_config.thinking_budget — సమాధానం ఇవ్వడానికి ముందు మోడల్ ఎన్ని internal reasoning tokens వినియోగించవచ్చో నియంత్రించే పూర్ణాంకం.
thinking_budget | ప్రవర్తన | అత్యుత్తమం |
|---|---|---|
| 0 | ultra-low latency fast mode (మొదటి token 85ms కంటే తక్కువ) | live chat, autocomplete, high-QPS routing |
| 256–1024 | తేలికపాటి multi-step planning | tool routing, సాధారణ refactor, RAG synthesis |
| 4096–16384 | లోతైన multi-step reasoning | agent loops, complex debugging, research reports |
| 32768–65536 | గరిష్ట లోత | long-horizon coding, multi-file architecture changes |
Gemini APIలో ఇలా సెట్ చేయండి:
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-3.7-flash",
contents="ఈ React componentను hooksకు refactor చేసి error boundaries జోడించండి.",
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_budget=8192 # 0 = fast mode; deep reasoningకు 65536 వరకు
)
),
)
print(response.text)రీజనింగ్ native కాబట్టి latency smoothly scale అవుతుంది: thinking_budget 0 అయితే classic Flash లాగా, ఎక్కువ values model ID మార్చకుండా chain-of-thought quality unlock చేస్తాయి. Billing visible output tokensను internal thinking tokens నుండి వేరు చేస్తుంది — మీరు అభ్యర్థించిన లోతukē pay చేస్తారు.
Benchmark highlights
Google Gemini 3.6 Flash, Claude Sonnet 5 మరియు GPT-5.6 Terraకు వ్యతిరేకంగా head-to-head సంఖ్యలు ప్రకటించింది. 3.7 Flash జాబితా చేసిన evals అన్నింటిలో ముందున్నది:
| Benchmark | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra |
|---|---|---|---|---|
| FrontierCode 1.1 | 43.6% | 34.4% | 39.1% | 37.8% |
| DeepSWE v1.1 | 65.3% | 49.0% | 56.2% | 53.4% |
| WebDev Arena (Elo) | 1588 | 1538 | 1552 | 1544 |
| GDP.pdf | 34.0% | 22.0% | 28.5% | 26.8% |
| AutomationBench | 30.4% | 17.0% | 23.1% | 21.5% |
| GDM-MRCR v2 | 97.0% | 91.2% | 94.5% | 93.1% |
| HLE-Verified | 53.6% | 44.8% | 48.2% | 46.7% |
buildersకు రెండు సంఖ్యలు ప్రత్యేకం:
- DeepSWE v1.1లో 65.3% — 3.6 Flash కంటే 16-point jump; agentic coding primary training target.
- GDM-MRCR v2లో 97.0% — 2.5M-token windowలో almost perfect long-context retrieval, document-heavy workflowsకు critical.
మునుపటి తరం context: Gemini 3.6 Flash vs 3.5 Flash comparison.
Pricing మరియు 50% introductory discount
Google aggressive launch promotion నడుపుతోంది:
| Intro price (డిసె. 31, 2026 వరకు) | Standard price (జన. 1, 2027 నుండి) | |
|---|---|---|
| Input | $0.75 / 1M tokens | $1.50 / 1M tokens |
| Output | $3.75 / 1M tokens | $7.50 / 1M tokens |
| Context caching | $0.075 / 1M tokens | $0.075 / 1M tokens |
2026 మిగిలిన భాగంలో input మరియు outputపై 50% discount. Context caching — పెద్ద system prompts లేదా document corpora reuse చేసినప్పుడు ఉపయోగకరం — promo period నుండి స్వతంత్రంగా million tokensకు $0.075.
ఎక్కువ thinking budgets వద్ద తక్కువ tool-call round tripsతో, completed agent task effective cost token sticker price కంటే చాలా తక్కువకు రావచ్చు. మా API cost estimate guide typical workloads math walkthrough చేస్తుంది.
Multimodal, web dev మరియు agent capabilities
benchmarksకు మించి 3.7 Flash production-ready capabilities తెస్తుంది:
- 2.5M-token context window — entire codebases, contract bundles లేదా research corpora ఒక passలో.
- 245 output tokens/s — UI code మరియు long reports stream చేయడానికి UX throttle లేకుండా తగినంత వేగం.
- 99.7% JSON tool execution precision — agent tool chainsకు reliable structured outputs.
- Computer use — browser మరియు desktop workflowsకు built-in client-side automation.
- UI generation fidelity — WebDev Arena (1588 Elo)లో higher layout accuracy cleaner generated frontends అంటే.
ఈ రోజు Gemini API, Google AI Studio, Gemini Enterprise మరియు Google Antigravity ద్వారా available.
Developer guide మరియు migration
3.6 Flash లేదా 3.5 Flash-Lite నుండి upgrade చేస్తున్నట్లయితే ఈ patternsతో ప్రారంభించండి:
- Model ID replace —
gemini-3.6-flashనుgemini-3.7-flashతో swap; API surface backward compatible. - Task type ప్రకారం thinking budgets — user-facing chatకు
0, RAG Q&Aకు1024, coding agentsకు8192+, latency irrelevant overnight batch jobsకు మాత్రమే32768. - Context caching enable — system prompt లేదా document set 32K tokens మించి requests మధ్య repeat అయితే input cost 90% cut.
- Tool schemas tune — 99.7% JSON precision strict schemas reward; loose definitions application layerలో fail.
- Thinking token usage monitor —
usage_metadatalog చేసి ఏ agent stepsకు deep reasoning నిజంగా కావాలో అర్థం చేసుకోండి.
Agentic workflow patterns: 3.5 Flash-Lite agentic workflows guide — thinking budget concept 3.7 Flashకు finer granularityతో naturally extend అవుతుంది.
Bottom line
Gemini 3.7 Flash speed మరియు depth mutually exclusive కాన మొదటి Flash-tier model. Controllable thinking_budget ఒక model latency-critical chat మరియు deep agentic coding serve చేయడానికి అనుమతిస్తుంది; launch pricing 2026 చివరి వరకు experimentation cheap చేస్తుంది.