Gemini 3.7 Flash ist Googles neues Arbeitsmodell für Programmierung, KI-Agenten und umfangreiche Dokumente. Das Modell richtet sich vor allem an Menschen und Unternehmen, die viele Aufgaben schnell und zu überschaubaren Kosten bearbeiten wollen. Es erscheint nur drei Wochen nach Gemini 3.6 Flash und soll seinen direkten Vorgänger bei Codequalität, Webentwicklung und Geschäftsabläufen deutlich übertreffen.
Was ist Gemini 3.7 Flash?
Google bezeichnet Gemini 3.7 Flash als sein bislang leistungsfähigstes Arbeitsmodell für Code und Agenten. Ein KI-Agent ist ein System, das nicht nur Text erzeugt, sondern mehrere Arbeitsschritte plant, Werkzeuge verwendet und Aufgaben teilweise selbstständig ausführt. Laut der Ankündigung des Gemini-Teams beruht das schnelle Update auf Rückmeldungen von Entwicklern und algorithmischen Verbesserungen.
Das Modell verarbeitet Text, Bilder, Audio und Video. Seine Kontextlänge beträgt laut MarkTechPost eine Million Token; Token sind kleine Texteinheiten, in die ein KI-Modell Eingaben und Ausgaben zerlegt. Ausgeben kann Gemini 3.7 Flash bis zu 64’000 Token. Damit ist es grundsätzlich für lange Berichte, umfangreiche Anweisungen oder grössere Sammlungen von Projektdateien ausgelegt.
Die Bezeichnung Flash steht innerhalb der Gemini-Familie für Modelle, die Geschwindigkeit und Kosten stärker gewichten als maximale Spitzenleistung. Gemini 3.7 Flash ist über die Programmierschnittstelle (API), Google AI Studio und Antigravity verfügbar. Ob und in welchem Umfang es auch in der normalen Gemini-App eingesetzt wird, geht aus den gelieferten Quellen nicht hervor.
Zusätzlich lässt sich der Denkaufwand anpassen. Damit kannst du je nach Aufgabe zwischen einer schnelleren Bearbeitung und ausführlicherem Schlussfolgern wählen. Die zuvor verfügbare Stufe „minimal“ wurde allerdings entfernt, wie ein Praxistest von Simon Willison festhält.
Wie stark ist das Modell bei Code und Agenten?
Die deutlichsten Fortschritte meldet Google bei Programmieraufgaben. Im Benchmark FrontierCode 1.1 Main steigt Gemini 3.7 Flash von 34,4 Prozent beim Vorgänger auf 43,6 Prozent. DeepSWE v1.1, ein Test für Softwareentwicklungsaufgaben, weist eine Verbesserung von 49,0 auf 65,3 Prozent aus. Benchmarks sind standardisierte Tests, die Modelle unter festgelegten Bedingungen vergleichen, aber nicht jede reale Arbeitssituation abbilden.
Google leitet daraus eine höhere Trefferquote beim ersten Codeentwurf sowie bessere Leistungen bei Fehlersuche und Problemlösung ab. Nach den firmeneigenen Messungen soll das Modell bei der Codequalität auch Claude Sonnet 5 und GPT-5.6 Terra übertreffen. Diese Rangfolge ist noch nicht unabhängig geprüft und gilt nicht für jede Art von Agentenaufgabe: MarkTechPost berichtet, dass GPT-5.6 Terra bei Terminal- und Computersteuerungsagenten weiterhin vorne liegt.
Ein konkreter Anwendungsfall ist die Überarbeitung eines fehlerhaften Programms: Gemini kann vorhandenen Code untersuchen, eine Ursache suchen und einen Lösungsvorschlag erstellen. Ein zweites Beispiel ist die Webentwicklung. Aus einem Bildschirmfoto, einem Bild oder einem vollständigen Gestaltungssystem soll das Modell eine funktionsfähige Benutzeroberfläche mit weniger zusätzlichen Eingaben erzeugen.
Auf der WebDev Arena erreicht Gemini 3.7 Flash laut Google einen Elo-Wert von 1588 gegenüber 1538 beim Vorgänger. Der Elo-Wert ist eine aus direkten Vergleichen abgeleitete Rangzahl. Die Verbesserung spricht für verlässlichere Webentwürfe, garantiert aber keine fehlerfreie Darstellung: In Willisons Test verschwand ein erzeugter Pelikan in Chrome und Firefox, während Safari ihn anzeigte, weil die Browser ein leeres SVG-Filterelement unterschiedlich behandelten. Das Fahrrad blieb immerhin erhalten.
Wie gut verarbeitet es Dokumente und Arbeitsabläufe?
Gemini 3.7 Flash verbessert sich nicht nur beim Programmieren. Im GDP.pdf-Test, der das Verständnis komplexer Dokumente misst, steigt das Ergebnis laut Google von 22,0 auf 34,0 Prozent. Das ist ein klarer Sprung, zugleich zeigt der absolute Wert, dass lange und informationsreiche Dokumente weiterhin keine Aufgabe sind, deren Ergebnis du ungeprüft übernehmen solltest.
Für den Alltag bedeutet das etwa, dass du einen langen Finanz-, Rechts- oder Biowissenschaftsbericht zusammenfassen und gezielt nach bestimmten Aussagen durchsuchen lassen kannst. Google nennt solche wissensintensiven Bereiche ausdrücklich als Einsatzfelder. Die Quellen liefern jedoch keinen Nachweis, dass das Modell fachliche Beratung ersetzen oder jede relevante Passage zuverlässig erkennen kann.
Bei AutomationBench, einem Test für übliche automatisierte Geschäftsabläufe, verbessert sich das Modell von 17,0 auf 30,4 Prozent. Ein denkbares, aus diesem Einsatzbereich abgeleitetes Beispiel ist die Verarbeitung eines eingehenden Dokuments in mehreren Schritten: Inhalte erfassen, benötigte Angaben herausziehen und daraus einen Arbeitsentwurf erstellen. Für verbindliche Entscheidungen bleibt eine menschliche Prüfung nötig, besonders wenn unvollständige oder falsch interpretierte Angaben Folgen haben.
Die schnellen Versionswechsel erschweren zudem die Einordnung. Ars Technica bezweifelt, ob die höheren Testwerte bereits eine neue Modellversion nur drei Wochen nach Gemini 3.6 Flash rechtfertigen. Der Bericht ordnet die Veröffentlichung auch als Versuch ein, den Eindruck stetiger Fortschritte zu wahren, nachdem das angekündigte Gemini 3.5 Pro nicht wie vorgesehen im Juni erschienen war.
Was kostet Gemini 3.7 Flash?
Der Einführungspreis beträgt 0,75 US-Dollar pro Million Eingabe-Token und 3,75 US-Dollar pro Million Ausgabe-Token. Damit kostet Gemini 3.7 Flash nach Googles Angaben vorerst halb so viel wie der ursprüngliche Preis von Gemini 3.6 Flash. Das Angebot gilt laut den Quellen bis zum Jahresende; wie die Preise danach aussehen, ist nicht angegeben.
Für lange Dokumente und Agentenabläufe ist die Unterscheidung zwischen Eingabe und Ausgabe relevant. Ein umfangreicher Bericht verursacht viele Eingabe-Token, während ausführliche Analysen oder erzeugter Code die teureren Ausgabe-Token erhöhen. Ein grosser Kontext bedeutet deshalb nicht automatisch eine günstige Nutzung: Entscheidend ist, wie viel Material du tatsächlich sendest und wie lang die Antworten ausfallen.
Der Preis ist konkurrenzfähig gegenüber dem Vorgänger, aber nicht automatisch der niedrigste am Markt. Ars Technica nennt für OpenAIs ähnlich positioniertes GPT-5.6 Luna einen Eingabepreis von 0,20 US-Dollar pro Million Token. Ein vollständiger Kostenvergleich ist auf Grundlage der gelieferten Angaben nicht möglich, weil dafür unter anderem der Ausgabe-Punkt und die benötigte Anzahl von Wiederholungen für eine brauchbare Lösung berücksichtigt werden müssten.
Pro und Kontra von Gemini 3.7 Flash
Pro:
- Bessere Codewerte – Googles Tests zeigen deutliche Fortschritte bei Fehlersuche, Problemlösung und produktionsnahem Code.
- Grosser Kontext – Bis zu eine Million Token ermöglichen die Verarbeitung umfangreicher Dokumente und Projektmaterialien.
- Niedriger Einführungspreis – Eingaben und Ausgaben kosten zunächst halb so viel wie beim ursprünglichen Preis von Gemini 3.6 Flash.
- Mehrere Medientypen – Das Modell kann neben Text auch Bilder, Audio und Video in Aufgaben einbeziehen.
Kontra:
- Hersteller-Benchmarks – Die wichtigsten Leistungsvergleiche stammen von Google und sind noch nicht umfassend unabhängig bestätigt.
- Begrenzte Agentenführung – Bei Terminal- und Computersteuerung liegt GPT-5.6 Terra laut einer Quelle weiterhin vorne.
- Befristeter Preis – Der günstige Tarif ist als Einführungspreis nur bis zum Jahresende ausgewiesen.
- Fehler im Detail – Erzeugter Code kann funktionieren und dennoch Browserprobleme oder schwer erkennbare Mängel enthalten.
Was bedeutet das für deine Praxis?
Wenn du einsteigst, ist Google AI Studio der naheliegende erste Testort, weil Gemini 3.7 Flash dort verfügbar ist und du keine eigene Anwendung entwickeln musst. Beginne mit einer begrenzten, überprüfbaren Aufgabe, etwa der Erklärung eines kurzen Codeabschnitts oder der Zusammenfassung eines Dokuments mit anschliessender Kontrolle der genannten Passagen. So erkennst du eher, ob das Modell zuverlässig arbeitet, bevor du ihm grössere Projekte übergibst.
Als fortgeschrittene Anwenderin oder fortgeschrittener Anwender kannst du verschiedene Denkstufen, lange Kontexte und serverseitige Werkzeuge vergleichen. Das von Simon Willison aktualisierte llm-gemini-Werkzeug unterstützt Gemini 3.7 Flash, Denkspuren und serverseitige Codeausführung. Besonders aussagekräftig ist ein Vergleich mit deinem bisherigen Modell anhand derselben realen Aufgaben, statt nur die veröffentlichten Ranglisten zu übernehmen.
Für Unternehmen in der Schweiz fehlen in den Quellen konkrete Angaben zu regionaler Verfügbarkeit, unterstützten Sprachen, Datenstandorten und Datenschutzbedingungen. Die Nutzung über API und AI Studio ist zwar genannt, daraus lässt sich aber keine besondere Schweizer Regelung ableiten. Bei vertraulichen Dokumenten oder internen Quelltexten bleiben die jeweiligen Vertrags- und Datenverarbeitungsbedingungen deshalb ein offener Prüfpunkt.
Auch die Marktposition liefert einen nüchternen Gegenpol zur Produktankündigung. Auswertungen zu eingereichten KI-Texten beziffern Geminis Anteil im Juli 2026 auf 1,9 Prozent, nach anfänglich 12 Prozent, während OpenAI seit Beginn der Erhebung in jedem Monat über 50 Prozent lag. Diese Werte sind verzerrt, weil Pangram vor allem typische Textarbeit misst, OpenRouter stärker von offenen Modellen geprägt ist und Similarweb die Nutzung mobiler Apps auslässt; Google selbst nennt gleichzeitig eine Milliarde monatliche Nutzerinnen und Nutzer der Gemini-App.
Gemini 3.7 Flash wirkt damit wie ein relevantes Arbeitsmodell für Code, Weboberflächen und lange Unterlagen, besonders wenn Geschwindigkeit und ein vorerst niedriger Preis zählen. Die Verbesserungen gegenüber 3.6 Flash sind messbar, doch die stärksten Aussagen beruhen auf Googles eigenen Tests und einige Agentenaufgaben bleiben bei Konkurrenten besser aufgehoben. Das offene Risiko liegt weniger in der Modellgrösse als in unbemerkten Fehlern, wechselnden Preisen und noch ungeklärten Bedingungen für sensible Daten.
Quellen
- Introducing Gemini 3.7 Flash – Google DeepMind, 2026-08-13
- Googles neues Gemini 3.7 Flash soll Claude Sonnet 5 und GPT-5.6 Terra bei der Codequalität übertreffen – THE DECODER, 2026-08-13
- Google AI Just Released Gemini 3.7 Flash: A Coding and Agent Model at $0.75/1M Input Tokens – MarkTechPost, 2026-08-13
- Google announces Gemini 3.7 Flash just three weeks after previous release – Ars Technica, 2026-08-13
- llm-gemini 0.33 – Simon Willison’s Weblog, 2026-08-13
- Googles KI-Marktanteil mit Gemini schrumpft im Vergleich zu ChatGPT und Claude – THE DECODER, 2026-08-12
