Gemini 3.7 Flash, le modèle de Google DeepMind en chiffres

Gemini 3.7 Flash en bref

Google DeepMind a publié Gemini 3.7 Flash le 13 août 2026. Il dispose d'un mode raisonnement : il peut « réfléchir » avant de répondre, ce qui aide sur les problèmes en plusieurs étapes mais consomme plus de tokens, donc plus d'argent. Ses poids ne sont pas publiés : il s'utilise uniquement à distance, par l'API de Google DeepMind ou d'hébergeurs partenaires (31 référencés sur models.dev). Il a donc 2 mois au 22 octobre 2026.

Nous le rangeons parmi les modèles de pointe (24 modèles dans cette catégorie sur le site).

Combien coûte Gemini 3.7 Flash ?

Gemini 3.7 Flash est facturé 0,75 $US par million de tokens en entrée et 3,75 $US en sortie (tarif du fabricant, relevé du 22 octobre 2026).

Concrètement, une tâche d'agent qui lit 20 000 tokens et en écrit 2 000 revient à environ 0,023 $US, soit 22,5 $US pour 1 000 tâches de ce type.

C'est 3,9 fois moins cher que le prix de sortie médian des modèles de pointe (14,5 $US).

Les tokens relus depuis le cache sont facturés 0,075 $US par million : utile pour un agent qui renvoie souvent le même contexte.

Pour estimer votre propre budget, utilisez le calculateur de coût d'un agent.

Résultats aux benchmarks

Selon les résultats publiés par Epoch AI (relevé du 22 octobre 2026), Gemini 3.7 Flash obtient un indice de capacité de 85,9 sur 100, calculé sur 5 tests de notre panier.

Cela le place à la 17e place du classement hebdomadaire des modèles.

• GPQA Diamond (questions de sciences de niveau doctorat) : 94,8 % — le meilleur modèle suivi, Gemini 4 Argon, atteint 96,4 %
• OTIS Mock AIME (problèmes de mathématiques de compétition) : 97,2 % — le meilleur modèle suivi, GPT-5.5 Pro, atteint 100 %
• FrontierMath (mathématiques de recherche très difficiles) : 71,6 % — le meilleur modèle suivi, GPT-6 Astra, atteint 93,7 %
• FrontierCode (tâches de programmation avancées) : 43,6 % — le meilleur modèle suivi, Claude Opus 5.5, atteint 54,6 %

Contexte et capacités

Sa fenêtre de contexte atteint 1 048 576 tokens, soit environ 1 573 pages de texte à 500 mots par page : de quoi charger un livre entier ou une base de code de taille moyenne. Une réponse peut compter jusqu'à 65 536 tokens.

Il accepte en entrée : texte, image, vidéo, audio et PDF. Ses connaissances s'arrêtent à mars 2026 : au-delà, il lui faut une recherche web ou vos documents.

Il sait appeler des outils (fonctions, API) et produire une sortie structurée en JSON, ce qui en fait une base possible pour un agent IA.

À qui s'adresse-t-il ?

Par sa catégorie, Gemini 3.7 Flash vise d'abord les tâches difficiles où la qualité prime sur le coût : raisonnement poussé, code complexe, analyses longues.

Son résultat à FrontierCode (43,6 %, au-dessus de la médiane des modèles suivis) en fait un candidat sérieux pour les agents de programmation.

Sa très grande fenêtre de contexte le rend intéressant pour analyser de gros volumes de documents en une seule requête.

Avant de l'adopter, testez-le sur vos propres exemples : les benchmarks mesurent des tâches standard, pas votre métier.

Modèles comparables

Dans la même catégorie, les modèles les plus proches de Gemini 3.7 Flash sont :

• Grok 4.6 (xAI, indice 86,1)
• GPT-5.6 Terra (OpenAI, indice 85,7)
• Qwen3.7 Max (Alibaba Cloud (Qwen), indice 86,6)
• Gemini 3 Pro Preview (Google DeepMind, indice 87)