Google نے Gemini 3.7 Flash لانچ کیا: کوڈنگ، ایجنٹس اور knowledge work کے لیے hybrid reasoning

hybrid reasoning کے لیے نیا flagship

13 اگست 2026 کو Google نے Gemini 3.7 Flash جاری کیا — کوڈنگ، ایجنٹس اور complex knowledge work کے لیے بنایا گیا flagship hybrid reasoning model۔ پچھلی Flash نسلوں کے برعکس جو depth کو speed کے لیے قربان کرتی تھیں، 3.7 Flash API میں native controllable reasoning لاتا ہے: ہر request پر سوچ کی گہرائی adjust کریں، الگ «reasoning model» پر switch کیے بغیر۔

لانچ ایک ساتھ تین audiences کو target کرتا ہے: production agents deploy کرنے والے developers، long-horizon coding tasks چلانے والی teams، اور enterprises جنہیں massive document sets پر reliable multimodal analysis چاہیے۔ Google 3.7 Flash کو اس model کے طور پر position کرتی ہے جہاں ایک endpoint آخر کار sub-100ms chat replies اور کئی منٹ کی deep research دونوں serve کرتا ہے۔

Native hybrid reasoning اور thinking budget

مرکز thinking_config.thinking_budget ہے — integer جو control کرتا ہے کہ model جواب دینے سے پہلے کتنے internal reasoning tokens خرچ کر سکتا ہے۔

thinking_budget	رویہ	بہترین
0	ultra-low latency fast mode (پہلا token 85ms سے کم)	live chat، autocomplete، high-QPS routing
256–1024	ہلکی multi-step planning	tool routing، سادہ refactor، RAG synthesis
4096–16384	گہری multi-step reasoning	agent loops، complex debugging، research reports
32768–65536	maximum depth	long-horizon coding، multi-file architecture changes

Gemini API میں یوں set کریں:

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="اس React component کو hooks پر refactor کریں اور error boundaries شامل کریں۔",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_budget=8192  # 0 = fast mode; deep reasoning کے لیے 65536 تک
        )
    ),
)
print(response.text)

چونکہ reasoning native ہے bolt-on نہیں، latency smoothly scale ہوتی ہے: thinking_budget 0 پر classic Flash جیسا، higher values model ID بدلے chain-of-thought quality unlock کرتی ہیں۔ Billing visible output tokens کو internal thinking tokens سے الگ کرتی ہے — آپ صرف requested depth کے لیے pay کرتے ہیں۔

Benchmark highlights

Google نے Gemini 3.6 Flash، Claude Sonnet 5 اور GPT-5.6 Terra کے خلاف head-to-head numbers شائع کیے۔ 3.7 Flash ہر listed eval میں lead کرتا ہے:

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%

builders کے لیے دو numbers نمایاں:

• DeepSWE v1.1 پر 65.3% — 3.6 Flash سے 16-point jump؛ agentic coding primary training target ہے۔
• GDM-MRCR v2 پر 97.0% — 2.5M-token window میں almost perfect long-context retrieval، document-heavy workflows کے لیے critical۔

پچھلی generation کا context: Gemini 3.6 Flash vs 3.5 Flash comparison۔

Pricing اور 50% introductory discount

Google aggressive launch promotion چلا رہی ہے:

	Intro price (31 دسمبر 2026 تک)	Standard price (1 جنوری 2027 سے)
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 کے باقی حصے میں input اور output پر 50% discount۔ Context caching — بڑے system prompts یا document corpora reuse کرنے پر مفید — promo سے independent $0.075 per million tokens پر رہتا ہے۔

Higher thinking budgets پر کم tool-call round trips کے ساتھ، completed agent task کی effective cost token sticker price سے بہت نیچے جا سکتی ہے۔ ہماری API cost estimate guide typical workloads کا math walkthrough کرتی ہے۔

Multimodal، web dev اور agent capabilities

benchmarks کے علاوہ 3.7 Flash production-ready capabilities لاتا ہے:

• 2.5M-token context window — entire codebases، contract bundles یا research corpora ایک pass میں۔
• 245 output tokens/s — UI code اور long reports stream کرنے کے لیے UX throttle کیے بغیر کافی تیز۔
• 99.7% JSON tool execution precision — agent tool chains کے لیے reliable structured outputs۔
• Computer use — browser اور desktop workflows کے لیے built-in client-side automation۔
• UI generation fidelity — WebDev Arena (1588 Elo) پر higher layout accuracy کا مطلب cleaner generated frontends۔

آج Gemini API، Google AI Studio، Gemini Enterprise اور Google Antigravity کے ذریعے available۔

Developer guide اور migration

3.6 Flash یا 3.5 Flash-Lite سے upgrade کر رہے ہوں تو ان patterns سے شروع کریں:

1. Model ID replace — gemini-3.6-flash کو gemini-3.7-flash سے؛ API surface backward compatible۔
2. Task type کے مطابق thinking budgets — user-facing chat کے لیے 0، RAG Q&A کے لیے 1024، coding agents کے لیے 8192+، latency irrelevant overnight batch jobs کے لیے صرف 32768۔
3. Context caching enable — system prompt یا document set 32K tokens سے بڑا ہو اور requests کے درمیان repeat ہو تو input cost 90% cut۔
4. Tool schemas tune — 99.7% JSON precision strict schemas reward؛ loose definitions application layer پر fail۔
5. Thinking token usage monitor — usage_metadata log کریں کہ کون سے agent steps کو واقعی deep reasoning چاہیے۔

Agentic workflow patterns: 3.5 Flash-Lite agentic workflows guide — thinking budget concept 3.7 Flash پر finer granularity کے ساتھ naturally extend ہوتا ہے۔

Bottom line

Gemini 3.7 Flash پہلا Flash-tier model ہے جہاں speed اور depth mutually exclusive نہیں۔ Controllable thinking_budget ایک model کو latency-critical chat اور deep agentic coding serve کرنے دیتا ہے، اور launch pricing 2026 کے آخر تک experimentation سستا رکھتی ہے۔

Related

• Gemini 3.6 Flash vs 3.5 Flash: full comparison
• Gemini 3.5 Flash-Lite: agentic workflows guide
• Gemini API cost estimate guide
• Gemini vs ChatGPT vs Claude comparison