Gemini 3.7 Flash: O que há de novo, preços e alternativas (2026)

O Google anunciou o Gemini 3.7 Flash em 13 de agosto de 2026, chamando-o de "nosso modelo de batalha mais inteligente até agora para programação e agentes". Ele custa metade do que o 3.6 Flash custava, chegando três semanas após ele. O preço listado é promocional de lançamento e expira no final do ano.

Este artigo aborda o que mudou, qual é o preço real e o que os benchmarks medem. Também aborda o que utilizar quando o seu entregável for um relatório ou uma apresentação. As informações estão atualizadas até 17 de agosto de 2026.

O que há de novo no Gemini 3.7 Flash

O principal destaque é o salto em tarefas de agentes e programação. O Google lista como áreas-alvo a engenharia de software, trabalho de conhecimento, desenvolvimento web, geração de código, depuração, resolução de problemas, compreensão de documentos e automação de fluxo de trabalho empresarial.

Duas delas importam para quem trabalha com arquivos em vez de código. A compreensão de documentos e a automação de fluxo de trabalho empresarial são as que envolvem planilhas, demonstrativos e relatórios.

O ritmo de lançamento por si só já chama a atenção. O Gemini 3.6 Flash chegou cerca de três semanas antes, portanto, trata-se de uma iteração rápida e não de uma mudança geracional.

Esse ritmo tem uma consequência prática. Qualquer coisa que você desenvolva em torno de uma versão específica de modelo precisa tolerar que essa versão mude por baixo dos panos.

O Google também enquadra essa categoria explicitamente como um modelo de batalha, e não como um modelo de fronteira. Ele é voltado para volume e custo, não para o problema individual mais difícil que você tem.

A disponibilidade varia de acordo com o público. Os desenvolvedores têm acesso no Google AI Studio, Android Studio e Google Antigravity. As empresas o acessam por meio da Gemini Enterprise Agent Platform. Usuários individuais o acessam pelo Gemini Spark, para assinantes do AI Pro e Ultra em mais de 160 países.

Essas três frentes não são o mesmo produto. Um desenvolvedor testando no AI Studio e um colega usando o Spark estão trabalhando com interfaces e limites diferentes.

Preços e a data que realmente importa

	Agora	A partir de 1º de janeiro de 2027
Entrada	$0.75 por 1M de tokens	$1.50 por 1M de tokens
Saída	$3.75 por 1M de tokens	$7.50 por 1M de tokens

O Google afirma claramente que "o preço promocional de lançamento expira em 31 de dezembro de 2026". O aumento para o dobro do valor é oficial, não especulação.

Em comparação com o 3.6 Flash, o Google descreve a tarifa atual como "metade do custo original do 3.6 Flash por milhão de tokens". Portanto, o desconto é real hoje e temporário por definição.

Se você estiver modelando um orçamento para além deste ano, use os números de janeiro. Uma projeção de custos baseada na tarifa de lançamento estará errada em poucos meses.

O oposto também é verdadeiro. Para um projeto que termina este ano, a tarifa atual representa uma economia real de dinheiro, e não apenas um número de marketing.

Mais um detalhe que afeta o planejamento: o aumento para o dobro se aplica tanto à entrada quanto à saída, de modo que a proporção entre elas não muda.

O que os benchmarks medem e o que eles não medem

O Google publica cinco comparações em relação ao 3.6 Flash. Os ganhos são expressivos em todas elas.

Benchmark	3.7 Flash	3.6 Flash
FrontierCode 1.1 Main	43.6%	34.4%
DeepSWE v1.1	65.3%	49.0%
WebDev Arena Elo	1588	1538
GDP.pdf	34.0%	22.0%
AutomationBench	30.4%	17.0%

Três das cinco são avaliações de programação. Elas dizem muito pouco sobre se um modelo lê corretamente a sua exportação trimestral de dados.

A que mais se aproxima desse tipo de trabalho é a GDP.pdf, uma avaliação de compreensão de documentos. Observe o seu número absoluto em vez de sua melhora: 34.0% significa que cerca de dois terços dos itens ainda são perdidos.

AutomationBench se comporta da mesma maneira. Um salto de 17.0% para 30.4% é um grande ganho relativo, mas uma pontuação absoluta baixa.

Essa combinação é o resumo mais honesto. Este é um modelo significativamente melhor para trabalhos com documentos, e o trabalho com documentos ainda é a coluna mais fraca da tabela.

O que isso muda se o seu entregável for um relatório ou uma apresentação

Uma inferência mais barata e rápida muda a viabilidade econômica antes mesmo de mudar a qualidade do resultado. Reduzir pela metade o custo do token torna viável executar uma etapa que você antes pulava.

O candidato óbvio é a verificação. Solicitar uma segunda passagem para checar um valor em relação à sua fonte custa pouco quando os tokens são baratos.

O segundo candidato é o volume. Processar todos os arquivos de uma pasta torna-se viável financeiramente, em vez de exigir apenas uma amostragem.

O terceiro é a iteração. Quando a primeira tentativa é barata, você pode fazer a mesma pergunta de três maneiras diferentes e comparar as respostas.

O que não muda é a etapa final. Um modelo que retorna números corretos ainda deixa para você a tarefa de montar o gráfico, o resumo escrito e os slides. Nossa página do gerador de relatórios de IA aborda onde entra essa etapa de montagem.

É por isso que o custo por token é um indicador fraco para o custo por entregável. Os tokens raramente são a parte cara da produção de um relatório.

Julgue a mudança pelo que você agora pode se dar ao luxo de fazer duas vezes. Verificar o próprio trabalho é a etapa que a maioria das pessoas pula por motivos de custo.

Três coisas que o anúncio não diz

A janela de contexto. Nenhum número aparece na publicação. Se os seus arquivos forem longos, essa omissão é a primeira coisa a ser testada.

Como ele lida com dados tabulares desorganizados. A compreensão de documentos é apontada como um ponto forte, mas sem descrever o que acontece com células mescladas, cabeçalhos de várias linhas ou tabelas digitalizadas.

Se a disponibilidade no Spark equivale à paridade com a API. O Gemini Spark e a API são listados como frentes separadas, e a publicação não diz se o comportamento é idêntico.

Quais são os limites de taxa. Nenhuma cota por minuto ou por dia aparece no anúncio, o que importa mais com um preço baixo do que com um alto.

Há uma quarta lacuna importante para o planejamento. Nada é dito sobre quanto tempo o 3.7 Flash permanecerá atual, sendo que o 3.6 Flash durou cerca de três semanas.

Onde um modelo mais rápido deixa de ajudar

Um modelo é apenas um componente. O trabalho pelo qual você é avaliado é um artefato finalizado, e a lacuna entre os dois é onde a maior parte do tempo realmente é gasta.

Essa lacuna tem três partes: colocar o arquivo em um formato utilizável, decidir quais números importam e produzir algo que um colega possa ler sem que você precise narrar.

Note que apenas a parte do meio é realmente sobre inteligência. A primeira e a última são sobre manipulação de arquivos e produção de formatos.

Nenhuma dessas três partes é resolvida por um token mais barato. Elas são resolvidas por ferramentas que mantêm o arquivo, a análise e o resultado em uma única interface.

Essa é a camada em que o Powerdrill Bloom atua. Você faz o upload do arquivo Excel, CSV, TSV ou PDF e o explora em um canvas. O que você decide manter se transforma em um gráfico, relatório ou slides em uma única etapa. Sua limitação honesta está na outra direção: ele não é um endpoint de modelo bruto, portanto, você não controla os tokens, a temperatura ou a escolha do modelo.

Alternativas que vale a pena conhecer

Se você precisa de	Considere
Inferência barata e rápida para tarefas de agentes e programação	Gemini 3.7 Flash
Raciocínio profundo em documentos longos e desorganizados	Um modelo de fronteira em vez de uma categoria de batalha
Um gráfico, relatório ou apresentação finalizada a partir de um arquivo de dados	Um agente de ação com upload e exportação de arquivos
Uma visualização interativa de uma planilha do Google Sheets	O Sheets canvas, abordado em nosso guia do Sheets canvas

Escolha de acordo com a parte da cadeia que está faltando para você. Se a peça que falta for o custo de inferência, um modelo de batalha é a resposta.

Note que essas não são aquisições concorrentes. Uma categoria de modelo e uma ferramenta de entrega situam-se em pontos diferentes, e a maioria das equipes acaba pagando por ambas.

Se a peça que falta for o artefato final, um modelo mais barato não vai produzi-lo. Trata-se de uma categoria diferente de ferramenta, e não de uma ferramenta mais fraca.

Conclusão

O Gemini 3.7 Flash é um verdadeiro avanço em tarefas de agentes e documentos, pela metade do custo anterior, sendo que essa redução de custo é temporária. Esses são os três fatos que vale a pena guardar.

O número que se deve ter em mente é o GDP.pdf em 34.0%. Melhoria e suficiência são coisas diferentes, e a compreensão de documentos ainda é a coluna que você mesmo precisa verificar.

Se o seu trabalho resulta em um gráfico, um resumo escrito ou uma apresentação, experimente o Powerdrill Bloom em um de seus próprios arquivos. Veja também nossos guias sobre plugins de agentes e o que é MCP.

Perguntas frequentes

O que é o Gemini 3.7 Flash?

É o modelo de categoria de batalha do Google anunciado em 13 de agosto de 2026, descrito como seu modelo de batalha mais inteligente até o momento para programação e agentes. O Google lista programação, trabalho de conhecimento, compreensão de documentos e automação de fluxo de trabalho empresarial entre suas áreas-alvo.

Quanto custa o Gemini 3.7 Flash?

Atualmente, $0.75 por milhão de tokens de entrada e $3.75 por milhão de tokens de saída. O Google afirma que esse preço promocional de lançamento expira em 31 de dezembro de 2026, após o qual se aplicam as tarifas de $1.50 e $7.50.

Ele é melhor do que o Gemini 3.6 Flash?

O Google publica ganhos em todos os cinco benchmarks comparados, incluindo o FrontierCode 1.1 Main com 43.6% contra 34.4%. Também lista o preço atual como metade do custo original do 3.6 Flash por milhão de tokens.

Qual é o tamanho da sua janela de contexto?

O anúncio não indica um número para a janela de contexto. Se arquivos longos são importantes para o seu trabalho, teste você mesmo em vez de presumir paridade com outra categoria.

Ele pode transformar uma planilha em uma apresentação?

Um modelo retorna texto e raciocínio, não uma apresentação formatada. Produzir slides a partir de um arquivo de dados exige ferramentas que lidem com o arquivo e com a exportação, o que é uma camada separada do modelo.