Google põe Gemini 3.7 Flash no centro de uma disputa de preço

O ganho aparece nos benchmarks, não só no preço

O Google sustenta a melhoria com números específicos. No FrontierCode 1.1 Main, o Gemini 3.7 Flash marcou 43,6%, contra 34,4% do 3.6 Flash; no DeepSWE v1.1, ficou em 65,3%, contra 49,0%. Em desenvolvimento web, o Elo subiu de 1538 para 1588 no WebDev Arena da Arena.ai.

O avanço também aparece em documentos e fluxos empresariais. No GDP.pdf, benchmark de documentos complexos, o 3.7 Flash alcançou 34,0%, contra 22,0% do antecessor; no AutomationBench, marcou 30,4%, contra 17,0%. O modelo ainda tenta entender melhor bloqueios, esclarecer intenções e executar planejamentos com várias etapas e chamadas de ferramentas. O salto é mensurável.

Esse conjunto explica o apoio de parte dos participantes. Nickandbro escreveu: “Este é genuinamente um modelo competitivo, considerando que supera o Claude Sonnet 5 em quase todos os benchmarks e custa mais da metade. Parece que o Google voltou ao jogo, embora não lidere mais a fronteira.” A avaliação reconhece melhora, mas recusa transformar o resultado em liderança geral.

A página do Google também descreve usos que dependem de mais que texto. O Gemini 3.7 Flash gera jogos 3D, coordena subagentes para páginas interativas, ajuda a treinar robôs em um grafo com três agentes e transforma PDFs em experiências web com gráficos. A diferença aparece no uso. Esse perfil dá ao modelo um espaço que comparações baseadas apenas em texto não capturam.

A conta muda quando cada tarefa consome mais tokens

A redução no preço por token não resolve sozinha a conta final. Tiberium observou: “O 3.7 Flash chega a 56 no AA, acima dos 52 do 3.6 Flash. Mas parece que isso custa mais tokens de saída por tarefa: o 3.6 Flash usa 26 mil, e o 3.7 Flash, 37 mil. Como o preço do 3.7 Flash caiu pela metade, ele ainda fica mais barato por tarefa.” O comentário desloca a análise da tabela de preços para o consumo efetivo.

A velocidade e a multimodalidade aparecem como possíveis justificativas para escolher o modelo. EuazOn escreveu: “As capacidades multimodais são ótimas, mas, se você trabalha apenas com texto, qual é o benefício sobre DS V4 Flash/Pro? De 13 a 26 vezes mais barato, com inteligência comparável e disponível em vários provedores de inferência.” Para equipes que processam texto, o ganho do 3.7 Flash precisa superar essa diferença de custo.

O próprio tópico do Hacker News mostra que a questão mobilizou bastante gente: a página registrava 967 pontos e 491 comentários, enquanto seis comentários foram coletados para esta análise. Entre eles, há uma concordância importante: o 3.7 Flash melhorou em relação ao 3.6, e a queda de preço reduz o custo por tarefa em alguns cenários. Ninguém elimina, porém, a comparação com outros modelos.

Spelk resumiu a principal ressalva sobre o preço: “O preço introdutório até dezembro de 2026 implica que não haverá avanços significativos do Gemini Flash até o ano seguinte.” A frase trata a promoção como sinal sobre o ritmo futuro do produto, não apenas como vantagem imediata. Para quem planeja agentes, o contrato de custo e a evolução do modelo pesam juntos.

A decisão técnica continua aberta. Quem precisa de multimodalidade, velocidade e integração com agentes pode aceitar o preço do Google; quem trabalha só com texto pode preferir alternativas citadas no debate. Antes de trocar de modelo, a equipe precisa medir tokens de saída, retries, latência e desempenho no próprio fluxo. O benchmark mostra avanço, mas não escolhe o fornecedor.