Google lança Gemini 3.7 Flash com foco em programação e preço mais baixo
A Google anunciou o Gemini 3.7 Flash, nova versão de seu modelo da linha Flash voltada para tarefas de programação e agentes autônomos, lançada apenas três semanas após o Gemini 3.6 Flash. De acordo com o cartão técnico divulgado pela empresa, trata-se de um refinamento da versão anterior, com melhorias algorítmicas na base de raciocínio, e não de um novo ciclo completo de pré-treinamento, ou seja, de reaprendizagem massiva em grandes volumes de dados.
O modelo é multimodal, isto é, capaz de processar diferentes tipos de informação simultaneamente, e aceita entradas de texto, imagens, áudio e vídeo dentro de uma janela de contexto de um milhão de tokens, unidade que representa fragmentos de texto usados pela inteligência artificial para processar informação. A saída pode chegar a 64 mil tokens, e o sistema oferece configurações personalizáveis de raciocínio que permitem equilibrar qualidade, custo e velocidade de resposta. A data de corte do conhecimento foi mantida em março de 2026.
Os ganhos de desempenho se concentram em três frentes: engenharia de software, trabalho com grandes volumes de documentos e desenvolvimento web. Segundo a avaliação interna da Google, o modelo se destaca especialmente em fluxos que envolvem agentes autônomos, sistemas baseados em inteligência artificial que executam tarefas de forma independente em múltiplas etapas, com chamadas a ferramentas externas. Nessas situações, o Gemini 3.7 Flash dedica mais esforço ao planejamento e à invocação de ferramentas, ajusta melhor o caminho de execução quando encontra obstáculos e melhora a compreensão e o seguimento de instruções, o que reduz a necessidade de intervenção manual por desenvolvedores.
O argumento mais forte do lançamento, porém, é o preço. O modelo sai por 0,75 dólar por milhão de tokens de entrada e 3,75 dólares por milhão de tokens de saída, valor promocional válido até 31 de dezembro de 2026. A partir de 1º de janeiro de 2027, os preços passam para 1,50 e 7,50 dólares, respectivamente. Mesmo assim, o valor inicial corresponde à metade da tabela original do 3.6 Flash e representa cerca de um terço do custo combinado de concorrentes como Claude Sonnet 5 e GPT-5.6 Terra, que cobram 2,00 e 10,00 dólares, e 2,00 e 12,00 dólares nas mesmas métricas. Considerando uma proporção de 80% de tokens de entrada e 20% de saída, o custo médio do Gemini 3.7 Flash fica em 1,35 dólar por milhão de tokens, contra 3,60 dólares do Sonnet 5 e 4,00 dólares do GPT-5.6 Terra.
O acesso ao modelo é exclusivamente via API e plataformas empresariais, sem disponibilização de pesos abertos, ou seja, sem liberação pública dos parâmetros internos do modelo, o que impede execução em servidores próprios. Os canais disponíveis incluem a API do Gemini, o Google AI Studio, o ambiente Google Antigravity, o Android Studio, a plataforma Gemini Enterprise Agent Platform e o aplicativo Gemini Enterprise. Consumidores finais podem utilizá-lo por meio do Gemini Spark nos planos Google AI Pro e Ultra. Com isso, startups e empresas de médio porte são apontadas como o público que mais se beneficia, já que o preço torna viável manter agentes em operação contínua sem necessidade de orçamento elevado. Organizações de setores regulados encontram um caminho por meio do Gemini Enterprise, enquanto equipes que exigem residência de dados — armazenamento das informações dentro de limites geográficos específicos — ou ambientes totalmente isolados de redes externas ficam de fora da proposta.
A própria avaliação da Google indica os setores jurídicos, financeiros, de biociências e de operações empresariais como os mais favorecidos. Entre os casos de uso citados estão agentes de programação de longa duração, automação de rotinas administrativas com base em documentos extensos, geração de interfaces a partir de imagens ou sistemas de design e conversão de PDFs em dados estruturados, processos que transformam informações contidas em documentos não editáveis em formatos organizados e consultáveis.
No quadro de benchmarks, testes padronizados que medem o desempenho do modelo em tarefas específicas, os números reforçam a proposta. No FrontierCode 1.1 Main, que avalia qualidade de código em ambiente de produção, o modelo atinge 43,6%, contra 34,4% da versão 3.6. No DeepSWE v1.1, voltado para engenharia de software de horizonte longo, chega a 65,3%. No WebDev Arena, obtém 1.588 pontos Elo, sistema de classificação que compara modelos em disputas diretas, acima dos 1.538 registrados antes. No GDP.pdf, que mede compreensão de documentos complexos, o salto vai de 22,0% para 34,0%. No AutomationBench, conjunto de fluxos empresariais, a evolução foi de 17,0% para 30,4%, à frente dos 10,7% do Claude Sonnet 5 e dos 23,6% do GPT-5.6 Terra. Na recuperação de informações em contextos longos do GDM-MRCR v2, com 128 mil tokens, o índice alcança 97,0%.
O GPT-5.6 Terra, por sua vez, segue à frente em benchmarks voltados a agentes de terminal e uso de computador, com 69,6% no DeepSWE, 87,4% no Terminal-bench 2.1, 20,8% no Terminal-bench 3.0 e 50,2% no OSWorld-2.0. No GDPval-AA v2, que mede trabalho de conhecimento, o Gemini 3.7 Flash marca 1.525 pontos Elo, contra 1.598 do Sonnet 5 e 1.628 do Muse Spark 1.2. No CharXiv Reasoning, há uma pequena queda, de 85,2% para 84,5%. No Índice de Inteligência da Artificial Analysis, o modelo obtém 56 pontos, enquanto GPT-5.6 Terra e Muse Spark 1.2 ficam em 57.
Com a combinação de preços agressivos, ganhos consistentes em codificação e ampliação do acesso empresarial, a Google posiciona o Gemini 3.7 Flash como peça central de sua estratégia para tornar agentes de inteligência artificial economicamente viáveis em larga escala, ainda que sem abrir mão do controle sobre os pesos do modelo.
