Gemini 3.7 Flash: फीचर्स, बेंचमार्क, और प्राइसिंग

नोट: Gemini 3.7 Flash के लॉन्च के कुछ ही हफ्तों बाद, Google ने Gemini 3.8 Flash लॉन्च किया। इसे एक्शन में देखें हमारे Gemini 3.8 Flash API ट्यूटोरियल में।

Google ने Gemini 3.7 Flash जारी किया है—अब तक का उसका सबसे सक्षम Flash-टियर मॉडल—जो सीधे तौर पर कोडिंग और एजेण्टिक वर्कफ़्लो पर केंद्रित है। यह लॉन्च ऐसे समय आया है जब Google का फ़्लैगशिप Gemini 3.5 Pro अभी भी विलंबित है, जिसे Reuters ने इस रूप में चिह्नित किया कि क्या DeepMind, Anthropic और OpenAI के साथ कदम मिला सकता है।

हेडलाइन नंबर काफ़ी आक्रामक हैं। Gemini 3.7 Flash, FrontierCode 1.1 Main पर 43.6% स्कोर करता है (3.6 Flash के 34.4% से ऊपर), वेब डेवलपमेंट के लिए Code Arena पर 1588 Elo हिट करता है, और $0.75 प्रति 1M इनपुट टोकन तथा $3.75 प्रति 1M आउटपुट टोकन के इंट्रोडक्टरी प्राइस पर शिप होता है—जो 3.6 Flash की मूल लागत का आधा है।

इस लेख में, मैं Gemini 3.7 Flash की सभी नई बातों को कवर करूंगा—इसके फीचर्स, बेंचमार्क्स, और वे हैंड्स-ऑन टेस्ट सेटअप जिनको आप ख़ुद चला सकते हैं। जिन प्रतिद्वंदी मॉडलों से यह टकराता है, उन पर गहराई से जाने के लिए हमारे गाइड्स देखें: GPT-5.6 Terra बनाम Claude Sonnet 5 और Claude सीखने का तरीका। 

संक्षेप में

• Gemini 3.7 Flash, Google का सबसे सक्षम Flash मॉडल है—कोडिंग और एजेण्टिक वर्कफ़्लो पर केंद्रित—1M टोकन कॉन्टेक्स्ट विंडो के साथ।
• इंट्रोडक्टरी प्राइसिंग 31 दिसंबर 2026 तक $0.75/1M इनपुट और $3.75/1M आउटपुट टोकन है, उसके बाद मानक $1.50/$7.50।
• यह FrontierCode 1.1 (43.6%), GDP.pdf (34.0%), Harvey LAB-AA (90.7%), और GDM-MRCR लॉन्ग कॉन्टेक्स्ट (97.0%) में Claude Sonnet 5 और GPT-5.6 Terra से आगे है।
• DeepSWE, Terminal-bench, और OSWorld एजेण्टिक इवैल्युएशन्स में GPT-5.6 Terra अब भी आगे है।
• Gemini API, Google Antigravity, Gemini Enterprise, और Gemini Spark के ज़रिए उपलब्ध।

Gemini 3.7 Flash क्या है?

Gemini 3.7 Flash, Google का मिड-टियर वर्कहॉर्स मॉडल है—इसे उसके सबसे सक्षम Flash मॉडल के रूप में पोजिशन किया गया है—जटिल कोडिंग, एजेण्टिक वर्कफ़्लो, और भरोसेमंद मल्टी-स्टेप एक्ज़िक्यूशन के लिए। यह Gemini 3.6 Flash के बाद आया है, जो तीन हफ्ते पहले आया था, और Google बेहतर गुणवत्ता का श्रेय डेवलपर फ़ीडबैक और एल्गोरिथमिक बदलावों को देता है।

यह मॉडल Gemini API के ज़रिए सामान्य उपलब्धता में है, 1M टोकन कॉन्टेक्स्ट विंडो (1,048,576 इनपुट टोकन) और 65,536 आउटपुट-टोकन लिमिट के साथ। यह टेक्स्ट, इमेज, वीडियो, ऑडियो, और PDF इनपुट लेता है, और केवल टेक्स्ट वापस देता है। Google लो, मीडियम, और हाई—ट्यून करने योग्य थिंकिंग लेवल्स एक्सपोज़ करता है, लेकिन यदि आप असमर्थित minimal सेटिंग माँगते हैं तो API एरर लौटाता है।

सबसे अर्थपूर्ण बेंचमार्क हेडलाइन DeepSWE v1.1 है—एक लॉन्ग-होराइज़न सॉफ़्टवेयर इंजीनियरिंग इवैल्युएशन—जहाँ 3.7 Flash, FrontierCode पर अपने पूर्ववर्ती के 34.4% के मुक़ाबले 65.3% स्कोर करता है, और DeepSWE पर 3.6 Flash के सिर्फ़ 48.6% के मुक़ाबले। यह एक ही जेनरेशन में बड़ा उछाल है—वह भी ऐसे मॉडल के लिए जिसकी कीमत भी घटी है—जो असामान्य है।

Gemini 3.7 Flash में नया क्या है?

कहानी यह है: कम कीमत पर अधिक सक्षम Flash मॉडल, बेहतर इंस्ट्रक्शन-फ़ॉलोइंग, और एजेण्ट लूप्स में कम बेबीसिटिंग। प्रैक्टिशनर्स के लिए सबसे मायने रखने वाले बदलाव ये हैं।

मज़बूत कोडिंग और इश्यू रेज़ोल्यूशन

आप Gemini 3.7 Flash को कठिन डिबगिंग और रीफ़ैक्टरिंग सौंप सकते हैं और फर्स्ट-पास एक्यूरेसी ज़्यादा अपेक्षित कर सकते हैं। Google बताता है कि FrontierCode 1.1 Main पर प्रोडक्शन कोड क्वालिटी के लिए यह 43.6% स्कोर करता है (3.6 Flash के 34.4% से ऊपर), और लॉन्ग-होराइज़न सॉफ़्टवेयर इंजीनियरिंग के लिए DeepSWE v1.1 पर 65.3%।

वर्किंग इंजीनियरों के लिए व्यावहारिक पढ़त यह है कि रिट्राई कम होंगे। Google कहता है कि मॉडल रोडब्लॉक्स के अनुरूप बेहतर ढलता है और निर्देशों का अधिक निष्ठा से पालन करता है, जिससे वह मैनुअल ओवरसाइट घटती है जो सस्ते मॉडलों को वॉल-क्लॉक समय में महँगा बनाती है।

तेज़ वेब ऐप और UI जनरेशन

Gemini 3.7 Flash, 3.6 Flash की तुलना में कम प्रॉम्प्ट्स में फंक्शनल लेआउट्स और फीचर-कम्प्लीट वेब ऐप्स जनरेट करता है। Code Arena की वेब डेवलपमेंट लीडरबोर्ड पर यह 1588 Elo स्कोर करता है—3.6 Flash के 1538 और Claude Sonnet 5 के 1541 के मुकाबले।

मॉडल UI जनरेट करते समय रेफरेंस इनपुट से मैच भी कर सकता है—चाहे वह रेफरेंस स्क्रीनशॉट हो, इमेज हो, या पूरा डिज़ाइन सिस्टम। यदि आप इसे प्राइसिंग पेज का मॉकअप देते हैं, तो यह जनरल लेआउट इम्प्रोवाइज़ करने के बजाय डिज़ाइन एडेहेरेन्स दोहराने का लक्ष्य रखता है।

बेहतर मल्टी-स्टेप एजेण्ट एक्ज़िक्यूशन

मॉडल प्लानिंग और टूल कॉल्स पर ज़्यादा मेहनत करता है—वहीं सस्ते मॉडल आम तौर पर टूट जाते हैं। AutomationBench—वास्तविक बिज़नेस वर्कफ़्लोज़ के लिए एक प्राइवेट इवैल्युएशन—पर 3.7 Flash, 3.6 Flash के 17.0% और Claude Sonnet 5 के 10.7% की तुलना में 30.4% स्कोर करता है।

API के ज़रिए उपलब्ध बिल्ट-इन टूल्स में कैशिंग, कोड एक्ज़िक्यूशन, फ़ाइल सर्च, फ़ंक्शन कॉलिंग, सर्च ग्राउंडिंग, Google Maps के साथ ग्राउंडिंग, स्ट्रक्चर्ड आउटपुट्स, और URL कॉन्टेक्स्ट शामिल हैं। कंप्यूटर यूज़ मौजूद है पर प्रीव्यू के रूप में चिह्नित है, इसलिए मैं अभी प्रोडक्शन एजेण्ट्स उसके आसपास नहीं बनाऊँगा।

सुधरा हुआ डॉक्यूमेंट और नॉलेज वर्क

Gemini 3.7 Flash, फ़ाइनेंस, क़ानून, और बायोसाइंसेज़ जैसे नॉलेज-डेंस फ़ील्ड्स को बेहतर रीजनिंग और डॉक्यूमेंट कम्प्रिहेंशन के साथ हैंडल करता है। विशेषज्ञ PDF कम्प्रिहेंशन के लिए GDP.pdf बेंचमार्क पर यह 34.0% स्कोर करता है—3.6 Flash के 22.0% के मुकाबले—और जटिल लीगल वर्कफ़्लोज़ के लिए Harvey LAB-AA पर 90.7% हिट करता है।

यदि आपका काम घने वार्षिक रिपोर्ट्स या कॉन्ट्रैक्ट्स से स्ट्रक्चर्ड जवाब निकालना है, तो यह वह रिलीज़ है जिसे टेस्ट करना चाहिए। मॉडल अब भी केवल टेक्स्ट आउटपुट देता है, इसलिए यह जो चार्ट पढ़ता है उन्हें जनरेट नहीं करेगा—सिर्फ़ उनका वर्णन या सार करेगा।

एजेण्ट्स को स्केल करने के लिए कम कीमत

इंट्रोडक्टरी प्राइसिंग, 3.6 Flash लॉन्च रेट्स की तुलना में Flash-आधारित एजेण्ट्स चलाने की लागत आधी कर देती है। 31 दिसंबर 2026 तक, आप $0.75 प्रति 1M इनपुट टोकन और $3.75 प्रति 1M आउटपुट टोकन का भुगतान करते हैं।

• इनपुट: $0.75 प्रति 1M टोकन (इंट्रोडक्टरी), 1 जनवरी 2027 को $1.50 प्रति 1M तक बढ़ेगा
• आउटपुट: $3.75 प्रति 1M टोकन (इंट्रोडक्टरी), 1 जनवरी 2027 को $7.50 प्रति 1M तक बढ़ेगा

तुलना के लिए, Claude Sonnet 5 Google की अपनी बेंचमार्क टेबल पर $2.00 इनपुट और $10.00 आउटपुट पर बैठता है, और GPT-5.6 Terra $2.00 इनपुट और $12.00 आउटपुट पर। कच्चे टोकन प्राइस पर, 3.7 Flash दोनों को बड़े मार्जिन से पछाड़ता है।

Gemini 3.7 Flash बेंचमार्क्स

Google की बेंचमार्क टेबल में Gemini 3.7 Flash का मुकाबला 3.6 Flash, Claude Sonnet 5, GPT-5.6 Terra, और Muse Spark 1.2 से कराया गया है। पैटर्न एक-सा है: 3.7 Flash लगभग हर इवैल्युएशन में अपने पूर्ववर्ती को पछाड़ता है और महँगे प्रतिद्वंद्वियों से टक्कर लेता है—हालाँकि कुछ एजेण्टिक कोडिंग इवैल्युएशन्स में GPT-5.6 Terra इसे पीछे छोड़ देता है।

झटपट नज़र: Gemini 3.7 Flash बनाम बाक़ी

यहाँ Google की बेंचमार्क टेबल पर चार मॉडलों के प्रमुख नंबर आमने-सामने हैं।

FrontierCode 1.1 Main

FrontierCode 1.1 Main प्रोडक्शन कोड क्वालिटी मापता है—यानी ऐसा कोड जो सही हो और शिप करने लायक हो, सिर्फ़ सिन्टैक्टिकली वैध नहीं।

Gemini 3.7 Flash 43.6% स्कोर करता है—Claude Sonnet 5 के 42.7%, GPT-5.6 Terra के 41.3%, और अपने पूर्ववर्ती 3.6 Flash के 34.4% से आगे।

Flash-टियर मॉडल का प्रोडक्शन कोड क्वालिटी में दोनों फ़्रन्टियर प्रतिद्वंद्वियों को पछाड़ना—खासकर उनकी टोकन लागत के एक-तिहाई पर—इस रिलीज़ का सबसे अलग नतीजा है।

DeepSWE v1.1

DeepSWE v1.1 लॉन्ग-होराइज़न सॉफ़्टवेयर इंजीनियरिंग परखता है—यानी मल्टी-फ़ाइल टास्क्स जिन्हें कई चरणों में दीर्घकालिक संदर्भ चाहिए।

यहाँ 3.7 Flash 65.3% स्कोर करता है—3.6 Flash के 48.6% से बड़ा उछाल—लेकिन GPT-5.6 Terra 69.6% के साथ आगे है, और Claude Sonnet 5 53.8% पर पीछे।

निष्कर्ष: लॉन्ग-होराइज़न कोडिंग में 3.7 Flash ने Terra से अधिकांश गैप बंद कर दिया, पर उसे पछाड़ा नहीं। यदि आपको मल्टी-फ़ाइल एजेण्टिक कोडिंग में एकदम ऊपरी सीमा चाहिए, तो उस खास इवैल्युएशन में Terra अब भी जीतता है।

Terminal-bench 2.1 और 3.0

Terminal-bench एजेण्टिक टर्मिनल कोडिंग मापता है—जहाँ मॉडल कमांड लाइन चलाकर टास्क पूरे करता है।

Terminal-bench 2.1 पर 3.7 Flash, 3.6 Flash के 78.0% और Claude Sonnet 5 के 80.4% की तुलना में 85.8% स्कोर करता है—हालाँकि GPT-5.6 Terra 87.4% के साथ आगे है।

जनरल एजेण्ट क्षमताओं के लिए नया Terminal-bench 3.0 सबके लिए कठिन है: 3.7 Flash 14.9% स्कोर करता है—3.6 Flash के 5.4% से कहीं ऊपर—लगभग Claude Sonnet 5 के 14.6% के बराबर—और Terra के 20.8% से पीछे।

ये कम एब्सोल्यूट नंबर इस बात का उपयोगी रियलिटी चेक हैं कि सामान्य एजेण्ट विश्वसनीयता को अभी और कितना रास्ता तय करना है।

GDP.pdf और Harvey LAB-AA

GDP.pdf विशेषज्ञ PDF डॉक्यूमेंट कम्प्रिहेंशन की परीक्षा है, और Harvey LAB-AA जटिल लीगल वर्कफ़्लोज़ की।

Gemini 3.7 Flash दोनों में आगे है: GDP.pdf पर 34.0%—Claude Sonnet 5 के 28.0% और GPT-5.6 Terra के 24.7% के मुकाबले—और Harvey LAB-AA पर 90.7%—Sonnet 5 के 90.1% और Terra के 85.2% के मुकाबले।

यदि आपका वर्कलोड डॉक्यूमेंट-हेवी लीगल या फ़ाइनेंशियल एनालिसिस है, तो यहाँ सबसे सस्ता मॉडल ही सबसे सटीक भी है—जो दुर्लभ संयोजन है।

GDM-MRCR v2 लॉन्ग कॉन्टेक्स्ट

GDM-MRCR v2 (8-नीडल) लॉन्ग-कॉन्टेक्स्ट रिट्रीवल मापता है—जाँचता है कि क्या मॉडल लम्बे इनपुट में दबी कई सूचनाएँ ढूँढ सकता है।

128k एवरेज पर, 3.7 Flash 97.0% स्कोर करता है—3.6 Flash के 91.8%, Claude Sonnet 5 के 81.5%, और GPT-5.6 Terra के 93.5% से आगे।

1M टोकन कॉन्टेक्स्ट विंडो और टेबल पर सबसे मजबूत 8-नीडल रिट्रीवल के साथ, 3.7 Flash उन पाइपलाइन्स के लिए मजबूत विकल्प है जो बड़े डॉक्यूमेंट्स या लंबे ट्रांसक्रिप्ट्स को एक ही कॉल में स्टफ़ करते हैं।

जब हमने Terra और Sonnet 5 की तुलना की थी, तो लॉन्ग-कॉन्टेक्स्ट रिट्रीवल उनके बीच एक तेज़ फ़र्क था—और 3.7 Flash अब इसी बैंड में दोनों से ऊपर बैठता है।

जहाँ GPT-5.6 Terra अब भी आगे है

हारों के बारे में ईमानदार होना ज़रूरी है।

GPT-5.6 Terra, DeepSWE v1.1 (69.6% बनाम 65.3%), Terminal-bench 2.1 (87.4% बनाम 85.8%), Terminal-bench 3.0 (20.8% बनाम 14.9%), और OSWorld-2.0 एजेण्टिक कंप्यूटर यूज़ (50.2% बनाम 47.9%) में Gemini 3.7 Flash को पछाड़ता है।

पैटर्न यह है कि सबसे कठिन एजेण्टिक और टर्मिनल कोडिंग इवैल्युएशन्स में Terra के पास हल्का फ़ायदा है, जबकि 3.7 Flash प्रोडक्शन कोड क्वालिटी, डॉक्यूमेंट कम्प्रिहेंशन, और लॉन्ग-कॉन्टेक्स्ट रिट्रीवल में जीतता है। आपके लिए कौन-सा बेहतर है, यह इस पर निर्भर करेगा कि आपकी बॉटलनेक एजेण्ट विश्वसनीयता है या लागत।

Gemini 3.7 Flash की प्राइसिंग और उपलब्धता

Gemini 3.7 Flash अभी कई Google सतहों के ज़रिए सामान्य उपलब्ध है।

API मॉडल ID gemini-3.7-flash है, और आप Google AI Studio, Android Studio, या एजेण्ट-फ़र्स्ट Google Antigravity एनवायरनमेंट में बिल्ड करना शुरू कर सकते हैं।

• डेवलपर्स: Google AI Studio और Android Studio में Gemini API; Google Antigravity में एजेण्ट वर्कफ़्लोज़
• एंटरप्राइज़: Gemini Enterprise Agent Platform और Gemini Enterprise ऐप
• इंडिविजुअल्स: Gemini Spark—Gemini ऐप में 24/7 पर्सनल एजेण्ट—Google AI Pro और Ultra सब्सक्राइबर्स के लिए 160 से अधिक देशों में

प्राइसिंग 31 दिसंबर 2026 तक $0.75 प्रति 1M इनपुट टोकन और $3.75 प्रति 1M आउटपुट टोकन है। 1 जनवरी 2027 से मानक रेट $1.50 इनपुट और $7.50 आउटपुट लागू होंगे। ध्यान दें कि इस मॉडल के लिए ऑडियो जनरेशन, इमेज जनरेशन, और Live API सपोर्टेड नहीं हैं, और कंप्यूटर यूज़ केवल प्रीव्यू में है।

अंतिम विचार

Gemini 3.7 Flash, वह है जहाँ Google तेज़ी से शिप कर रहा है और कीमतें घटा रहा है—जबकि उसका फ़्लैगशिप Gemini 3.5 Pro अब भी विलंबित है।

3.6 Flash के तीन हफ्ते बाद—और आधी टोकन लागत पर—एक बेहतर Flash मॉडल जारी करना यह दर्शाता है कि कंपनी मिड-टियर पर जीतना चाहती है, जहाँ वास्तव में ज़्यादातर प्रोडक्शन वॉल्यूम होता है।

सच कहूँ तो, यदि आपका वर्कलोड डॉक्यूमेंट कम्प्रिहेंशन, प्रोडक्शन वेब और ऐप कोड, या लॉन्ग-कॉन्टेक्स्ट रिट्रीवल है—तो यही वह मॉडल है जिसे पहले आज़माना चाहिए—यहाँ यह Claude Sonnet 5 और GPT-5.6 Terra से सीधे आगे है और लागत भी बहुत कम है।

यदि आपकी बॉटलनेक सबसे कठिन एजेण्टिक टर्मिनल कोडिंग है, तो Terra DeepSWE और Terminal-bench पर अब भी थोड़ा आगे है—और उस सीलिंग के लिए आपको ज़्यादा भुगतान करना होगा।

DeepMind नेतृत्व में बदलाव और Pro मॉडल की देरी के साथ, Google यह साबित करने के लिए Flash पर निर्भर है कि वह अब भी प्रतिस्पर्धा कर सकता है। उसकी अभी प्रकाशित बेंचमार्क टेबल पर, यह तर्क काफ़ी हद तक एक मिड-टियर मॉडल के लिए सही बैठता है।

यदि आप ऐसे मॉडलों के साथ हाथ गंदे करना चाहते हैं, तो मैं सलाह दूँगा कि पहले हमारी AI Fundamentals स्किल ट्रैक से बुनियाद बनाएँ—फिर Gemini 3.7 Flash को अपने एजेण्ट पाइपलाइन्स में वायर करें।