Google a lancé Gemini 3.7 Flash le 13 août 2026, trois semaines après 3.6 Flash, à 0,75 dollar le million de jetons en entrée et 3,75 dollars en sortie. Ce tarif de lancement mérite une note dans l'agenda, car il expire le 31 décembre 2026 et remonte à 1,50 et 7,50 dollars dès le 1er janvier. Les gains de benchmarks sont réels et se concentrent sur le travail d'agent : DeepSWE v1.1 passe de 49,0 à 65,3 pour cent, AutomationBench de 17,0 à 30,4 pour cent. Google présente le modèle comme une bête de somme pour le code et les agents, pas comme une sortie de pointe, et l'écart de trois semaines dit la même chose.
The short answer
Google a lancé Gemini 3.7 Flash le 13 août 2026, en le décrivant comme son modèle de travail le plus intelligent à ce jour pour le code et les agents. Il est facturé 0,75 dollar le million de jetons en entrée et 3,75 dollars en sortie jusqu'au 31 décembre 2026, puis 1,50 et 7,50 dès le 1er janvier. Le contexte est de 1 million de jetons, la sortie maximale de 64K, la connaissance s'arrête en mars 2026. Les plus gros gains portent sur le travail d'agent : DeepSWE v1.1 de 49,0 à 65,3 pour cent, AutomationBench de 17,0 à 30,4 pour cent.
Quand on ouvre les notes de version d'un modèle de milieu de gamme, on regarde d'abord le tableau de benchmarks. Cette fois, la ligne intéressante est dans la note de bas de page tarifaire.
Ce qui a été publié
Le 13 août 2026, Google a sorti Gemini 3.7 Flash et l'a présenté comme son modèle de travail le plus intelligent à ce jour pour le code et les agents. Il arrive trois semaines après Gemini 3.6 Flash, un écart assez court pour vous dire de quel type de sortie il s'agit. Personne ne pré-entraîne un modèle de base en trois semaines. Les articles de lancement décrivent des gains issus d'un travail d'optimisation algorithmique plutôt que d'un nouveau pré-entraînement, et la fiche technique va dans ce sens : même fenêtre de 1 million de jetons, même sortie maximale de 64K, connaissance arrêtée en mars 2026.
La disponibilité est large dès le premier jour. Le modèle est dans l'API Gemini et Google AI Studio, dans Google Antigravity et Android Studio, ainsi que sur la plateforme et l'application Gemini Enterprise. Le grand public y accède via Gemini Spark sur les offres AI Pro et Ultra.
Le prix, c'est ça l'annonce
Gemini 3.7 Flash est facturé 0,75 dollar le million de jetons en entrée et 3,75 dollars le million en sortie. Les deux chiffres portent une date d'expiration : le 31 décembre 2026. À partir du 1er janvier 2027, le modèle coûte 1,50 et 7,50 dollars.
Ces seconds chiffres méritent d'être reconnus, car ce sont exactement ceux de 3.6 Flash à son lancement. La description exacte de ce qui s'est passé n'est donc pas que Google a baissé le prix de sa gamme de travail. L'entreprise a sorti un meilleur modèle au même prix catalogue et l'a mis en promotion pendant quatre mois et demi. C'est toujours une bonne affaire, mais cela ne se planifie pas de la même façon.
L'écart concurrentiel pendant la fenêtre est bien réel. Claude Sonnet 5 est affiché à 2,00 et 10,00 dollars, GPT-5.6 Terra à 2,00 et 12,00. Face à 3,75 dollars en sortie, là où les charges d'agent dépensent l'essentiel de leur budget, cela représente environ un tiers du coût pour un modèle qui se tient à un ou deux points du même indice composite.
Où sont vraiment les gains
Le chiffre que Google met en avant est DeepSWE v1.1, de 49,0 à 65,3 pour cent. Celui que nous regarderions de plus près est AutomationBench, de 17,0 à 30,4 pour cent, parce qu'il a presque doublé et parce qu'un score de 17 pour cent signale une capacité qui n'existait pas encore vraiment.
Alignez les mouvements et la logique apparaît. FrontierCode 1.1 Main passe de 34,4 à 43,6 pour cent. WebDev Arena passe de 1538 à 1588 Elo. La compréhension documentaire sur GDP.pdf passe de 22,0 à 34,0 pour cent. La mémoire longue se situe à 97,0 pour cent sur GDM-MRCR v2 en 128k, et CharXiv Reasoning à 84,5 pour cent. Ce qui progresse, c'est le travail à plusieurs étapes sur des entrées longues et désordonnées, exactement la charge dont un modèle bon marché était jusqu'ici disqualifié.
Sur la vue composite, Artificial Analysis place l'Intelligence Index à 56, contre 55 pour Claude Sonnet 5, 52 pour 3.6 Flash et 57 pour GPT-5.6 Terra comme pour Muse Spark 1.2. Toute cette gamme tient désormais en quelques points, et c'est pour cela que les fournisseurs se battent sur le prix et la latence. La même semaine a vu un niveau de service OpenAI visé sur le débit brut de jetons, et les deux annonces défendent le même argument par des bouts différents.
Ce que nous en ferions
Figez la version. Un cycle de trois semaines dans votre arbre de dépendances va plus vite que le cycle d'évaluation de la plupart des équipes, et un identifiant de modèle qui pointe silencieusement vers la dernière version est un changement que vous n'avez pas testé. Traitez-le comme n'importe quelle dépendance épinglée, évaluez la nouvelle version sur vos tâches, puis basculez.
Budgétez au tarif de janvier. Si une charge ne tient son objectif de coût qu'à 0,75 et 3,75 dollars, elle ne le tient pas, parce que ce tarif a une date de fin publiée et que le chiffre suivant est le double. Faites le calcul à 1,50 et 7,50 : si la charge passe quand même, la promotion devient quatre mois de marge plutôt qu'une hypothèse porteuse.
Surveillez ensuite le plafond de 64K en sortie plutôt que le million de jetons en entrée. C'est la fenêtre de contexte qui attire l'attention, mais la limite que les équipes rencontrent en pratique est la réponse, généralement quand on demande au modèle de produire un fichier entier ou un long document structuré d'un seul coup. Cette panne se contourne facilement quand on sait qu'elle existe, et se débogue mal quand on l'ignore.
Sources et pour aller plus loin
- Fiche du modèle Gemini 3.7 Flash, Google DeepMind
- Google's Gemini 3.7 Flash targets coding and agents with a 50% introductory price cut, VentureBeat, 13 août 2026
- Google AI Just Released Gemini 3.7 Flash, MarkTechPost, 13 août 2026
- Gemini 3.7 Flash launches three weeks after last model, live in Spark, 9to5Google, 13 août 2026
- Google's Gemini 3.7 Flash arrives before Gemini 3.5 Pro, Axios, 13 août 2026
- Gemini 3.7 Flash: On the Intelligence vs. Time per Task Pareto frontier, Artificial Analysis
- Google Releases Gemini 3.7 Flash, Competes With GPT 5.6 Terra and Muse Spark 1.2 On Benchmarks, OfficeChai, 13 août 2026
Questions fréquentes
Combien coûte réellement Gemini 3.7 Flash ?
Le tarif de lancement publié est de 0,75 dollar le million de jetons en entrée et 3,75 dollars le million en sortie. Ce tarif est explicitement limité dans le temps : il court jusqu'au 31 décembre 2026, et à partir du 1er janvier 2027 le modèle est facturé 1,50 et 7,50 dollars, soit exactement ce que coûtait 3.6 Flash à son propre lancement. La lecture honnête de l'annonce est donc que Google a sorti un meilleur modèle au même prix catalogue et l'a mis en promotion pendant quatre mois et demi. Si vous bâtissez un budget pour l'an prochain, calculez à 1,50 et 7,50.
Où se situent vraiment les gains de benchmarks ?
Sur les tâches d'agent et de flux de travail bien plus que sur la connaissance brute. DeepSWE v1.1 passe de 49,0 à 65,3 pour cent et AutomationBench, que Google décrit comme une mesure de l'automatisation des processus en entreprise, passe de 17,0 à 30,4 pour cent, soit presque un doublement. FrontierCode 1.1 Main passe de 34,4 à 43,6 pour cent et WebDev Arena de 1538 à 1588 Elo. La compréhension documentaire suit, avec GDP.pdf de 22,0 à 34,0 pour cent. La logique est constante : ce qui progresse le plus, ce sont les tâches à plusieurs étapes, avec appels d'outils et entrées longues.
Comment se compare-t-il aux autres modèles de la même gamme ?
Sur l'indice composite Intelligence Index d'Artificial Analysis, Gemini 3.7 Flash obtient 56, devant Claude Sonnet 5 à 55 et son propre prédécesseur à 52, juste derrière GPT-5.6 Terra et Muse Spark 1.2 à 57. Sur l'intelligence mesurée, il est donc dans la même bande que tout le reste du milieu de gamme. La différence se joue sur le prix. Claude Sonnet 5 est affiché à 2,00 et 10,00 dollars, GPT-5.6 Terra à 2,00 et 12,00, contre 0,75 et 3,75 pendant la fenêtre de lancement. Sur les jetons de sortie, qui dominent les factures d'agents, cela représente environ un tiers du coût.
Quelles limites techniques faut-il intégrer dès le départ ?
La fenêtre de contexte est de 1 million de jetons et la sortie maximale de 64K jetons par réponse, et c'est cette seconde limite que les équipes rencontrent en premier, typiquement quand on demande au modèle de produire un gros fichier ou un long document structuré. La date de connaissance s'arrête à mars 2026 : tout ce qui est postérieur doit arriver par récupération documentaire ou appel d'outil, pas depuis les poids. La configuration du raisonnement est exposée, ce qui permet d'arbitrer latence contre profondeur appel par appel plutôt qu'une fois pour toute l'application.
Pourquoi Google sort-il un nouveau Flash toutes les trois semaines ?
Parce que ce ne sont pas de nouveaux pré-entraînements. Trois semaines, c'est beaucoup trop court, et les articles de lancement décrivent les gains comme un travail d'optimisation algorithmique mené par les équipes DeepMind plutôt que comme un nouveau modèle de base. Concrètement, le rythme de renouvellement de cette gamme est désormais plus rapide que le cycle d'évaluation de la plupart des équipes, et figer une version précise en production cesse d'être optionnel. Traitez l'identifiant de modèle comme une dépendance versionnée, évaluez la nouvelle version sur vos propres tâches, et gardez l'ancienne accessible en attendant.