G
Gemini 3.7 Flash (batch)API
Gemini 3.7 Flash ist ein multimodales Modell von Google für schnelle agentische Workflows, Codierung und komplexes mehrstufiges Denken.
Preise werden automatisch aktualisiert — täglich geprüft anhand der Listenpreise der Anbieter.
- $0.38 pro 1M Tokens, basierend auf 3 Eingaben für 1 Ausgabe die von Artificial Analysis verwendete Konvention
- günstiger als 86% der 194 kommerziellen Modelle, die hier verfolgt werden
- 12 von 35 Google Modellen, die hier verfolgt werden, vom günstigsten
Benchmarks & Leistung
Unabhängige Benchmark-Ergebnisse für Gemini 3.7 Flash (batch), gemessen von Artificial Analysis. Höher ist besser. Messmodus: high.
Modelle auf diesem Niveau kosten $5 pro 1M Tokens (Median von 16) — dieses kostet $0.38.
Kein hier verfolgtes Modell ist sowohl günstiger als auch besser in diesem Index.
Über dieses Modell
Gemini 3.7 Flash (batch) ist ein kommerzielles KI-Modell von Google. Die unten aufgeführten Spezifikationen werden automatisch verfolgt: Die Preise werden täglich aus öffentlichen Listenpreisen aktualisiert, sodass die Zahlen auf dieser Seite die aktuellen Kosten für die Nutzung des Modells über seine API widerspiegeln.
Häufig gestellte Fragen
Was ist Gemini 3.7 Flash (batch)?
Gemini 3.7 Flash (batch) ist ein KI-Sprachmodell von Google. Es ist ein proprietäres Modell, das über eine API verfügbar ist. Es erzielt 56 im Artificial Analysis Intelligenzindex.
Ist Gemini 3.7 Flash (batch) kostenlos?
Gemini 3.7 Flash (batch) ist nicht kostenlos: Es kostet $0.19 pro Million Eingabe-Token und $0.94 pro Million Ausgabe-Token. Open-Weight-Alternativen können selbst gehostet werden, ohne Kosten pro Token.
Worin ist Gemini 3.7 Flash (batch) gut?
Unabhängige Benchmarks von Artificial Analysis geben ihm GPQA 94.5%, Humanity's Last Exam 47.9%, Long Context Reasoning 80%, SciCode 56.8%, τ-Bench Banking 32.8%, Terminal-Bench 85.8%. Es wird besonders verwendet für Code-Generierung.
Wie schnell ist Gemini 3.7 Flash (batch)?
Es generiert etwa 339.4 Tokens pro Sekunde, mit einer Median 7.17s Verzögerung vor dem ersten Token. Unabhängig von Artificial Analysis gemessen.