8.0
热点
AI SCORE
行业动态2026-08-22 19:35
Gemini 3.7 Flash定价详解：$0.75/百万token，2026年底截止
dev.to · AI#Gemini#API定价#LLM成本
Editor brief · 编辑速览
Gemini 3.7 Flash输入$0.75/百万输出$3.75/百万，限时至2026年底；需注意minimal层级已下线并返回400错误，选型时需核查具体账单。
Gemini 3.7 Flash 于 2026-08-13 发布，每百万输入 token 0.75 美元，每百万输出 token 3.75 美元。关于这个价格，有两点很容易被忽略：它在 2026-12-31 到期，次日价格翻倍；Gemini 3.6 Flash 现在的定价与 3.7 Flash 完全相同。
真正影响构建的问题在别处。思考层级从四个减少到了三个。minimal 被移除了，而且它消失得并不安静。
价格: 2026-12-31 前 $0.75 输入 / $3.75 输出 每百万
2027-01-01 起 $1.50 / $7.50
Batch 和 Flex: $0.375 / $1.875，同样在到期日翻倍
缓存: 读取 $0.075，存储 $0.50 每百万 token 每小时
上下文: 1,048,576 输入 / 65,536 输出
思考: thinking_level low | medium | high，默认 medium
minimal 返回 HTTP 400
网关: ofox 上的 google/gemini-3.7-flash
实测: minimal 400 报错，none 和 xhigh 接受并计费
快照: 2026-08-21，每层级 10 次流式调用
最后更新于 2026-08-21。优惠价格截止到 2026-12-31，预算超此日期前请重新核实。
$0.75 输入，$3.75 输出，直到它不再是这样。Google 的定价页面把两个费率放在同一个单元格里，这就是为什么错误的数字会进到预算表格里。
上下文缓存读取价格为每百万 $0.075，存储价格为每百万 token 每小时 $0.50，两者都在同一日期翻倍。Search grounding 每月提供 5,000 次免费请求，在所有 Gemini 3.x 模型间共享（不是按模型分开），之后每 1,000 次 $14。
页面上有一行比标题价格更能决定你的账单："Output price (including thinking tokens)"。推理按输出费率计费，所以 effort 设置是一个价格乘数，而不是一个带有舍入误差的质量旋钮。
不。两者价格完全相同，逐格对应。如果你看到有人说 3.7 Flash 是 3.6 Flash 的一半价格，这个对比的保质期大约只有一天，而定价页面自己的历史记录说明了原因。
2026-07-22，就在 3.6 Flash 于 2026-07-21 发布之后，根据存档的定价页面：3.6 Flash 收费 $1.50 / $7.50。
2026-08-12，根据 3.7 发布前的最后一份存档：3.6 Flash 仍然是 $1.50 / $7.50，没有折扣行。3.7 Flash 还未出现在页面上。
2026-08-13：3.7 Flash 发布。
2026-08-14，根据下一份存档：3.6 Flash 和 3.7 Flash 都显示 2026-12-31 前 $0.75 / $3.75，之后 $1.50 / $7.50。
2027-01-01：两者都恢复为 $1.50 / $7.50，这就是 3.6 Flash 首发日的价格。
所以基线在同一个 48 小时内发生了移动。Google 的模型卡注释了最终状态而没有说明：两行价格的星号都注明了优惠价格截止到 2026 年 12 月 31 日。从 3.6 升级不花一分钱也不节省一分钱。折扣买来的是四个半月的优惠，两个模型同等享有。
ofox 模型页面有 Google 页面没有细分的费率：缓存写入每百万 $0.0415，一小时缓存写入 $0.50，音频输入 $0.75，网络搜索每次请求 $0.014。
两条路线，唯一的区别是 base URL 和模型字符串。
from openai import OpenAI
client = OpenAI(api_key="sk-...", base_url="https://api.ofox.ai/v1")
r = client.chat.completions.create(
model="google/gemini-3.7-flash",
reasoning_effort="low",
messages=[{"role": "user", "content": "Rewrite this query with a window function"}],
)
print(r.choices[0].message.content)
直接调用 Google，模型字符串去掉 google/ 前缀，base URL 也要变：
client = OpenAI(
api_key="AIza...",
base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
)
r = client.chat.completions.create(model="gemini-3.7-flash", reasoning_effort="low", messages=[...])
在 Google 原生协议中，参数不是 reasoning_effort，而是 thinking_level，接受 low、medium 和 high，默认是 medium。两条路线在 ofox 上都开放，Google 和 Cloud Vertex 作为上游。
功能特性值得从模型页面抄下来而不是靠 400 报错来发现：函数调用、结构化输出、上下文缓存、代码执行、搜索 grounding、URL 上下文、文件搜索和 Maps grounding 都支持，计算机使用标记为 Preview，Batch、Flex 和 Priority 都可用。Live API、图像生成和音频生成不支持。输入接受文本、图像、视频、音频和 PDF；输出仅限文本。
因为该层级被移除了，请求失败而不是降级处理。模型页面在 Thinking 下明确说明：Supported (low, medium, high)，后面跟着 Note: minimal is not supported and returns an error。
我们还是发送了。经由 ofox 路线，reasoning_effort: "minimal" 返回 HTTP 400，错误信息：
{"error": {"code": null,
"message": "Thinking level is unsupported: THINKING_LEVEL_MINIMAL",
"param": null, "type": "invalid_request_error"}}
3.6 Flash 仍然接受 minimal，我们在它消失前测量了它在 3.6 Flash 上的表现。在 3.6 Flash 上，同样的提示词在 minimal 层级返回的中间值为 42 个完成 token，零个推理 token，首 token 时间为 1.36 秒。3.7 接受的最低层级 low，在 4.19 秒时返回了中间值 354 个 token。这意味着计费输出增加了 8.4 倍，等待时间增加了 3 倍，而模型的可见答案两边都是相同的 40 个 token。
所以迁移不是"改一下模型 ID 然后继续"。一个硬编码 minimal 的配置在换 ID 的那一刻就停止工作了，而最近的合法值悄无声息地增加了八倍成本。3.7 Flash 上没有零思考设置可以降级使用。
这个探测更有趣的另一半是哪些没有失败。none 和 xhigh 不是该模型的文档化值，两者都返回了 HTTP 200 且账单上有推理 token：在十次运行中，推理 token 的中间值分别为 271 和 604，即下表中 308 和 637 个完成 token。只有 minimal 被拒绝。200 状态码并不能确认你发送的值选中了其名称所暗示的层级——这和 GLM 5.3 用未文档化的 reasoning_effort 值设置的陷阱一样，验证在路线层面而不是模型层面。在上线前探测你自己的路线，因为"它返回了 200"和"它做了我要它做的事"是两回事。
Google 的 OpenAI 兼容性页面值得你花两分钟读一下：它的 reasoning_effort 映射表列出了 Gemini 3.1 Pro、3.1 Flash-Lite、 Gemini 3 Flash 和 2.5，没有 3.7 的列，它把 OpenAI 的 minimal 向下映射。模型页面说 3.7 拒绝 minimal。两个 Google 页面说法不一，你自己路由的一次简短探测就能确认实际情况。
相同的答案，最高可达账单的两倍。Mak，ofox 的产品负责人，在 2026-08-21 通过相同的 ofox 路线跑了每层级 10 次流式调用，一个简短的提示词（把 GROUP BY 重写为窗口函数），记录到第一个内容 token 的时间和 API 报告的用量。
10 次运行的中间值；范围是观察到的最小到最大值，随着增加运行次数会扩大，所以把它们当作离散度而非边界来理解。这一切都是同一个提示词在同一条路线上，参数处理在通往同一模型的不同路线上可能不同，所以把形状当作可迁移的，数字当作我们的。
答案的规模从不改变。看不见的那部分会变。文本 token 在每个层级都维持在 40 左右，因为模型被要求写的 SQL 语句不管思考多久都是 40 个 token。那条线以上的都是推理，按输出费率计费。仅输出部分按每百万 $3.75 计算，1,000 次这样的调用在 low 层级花费 $1.33，在 high 层级花费 $2.58；34 个 token 的提示词两边都只增加不到三分钱，所以 effort 设置在这个离散度中基本上做了所有的工作。
low 在其中一次运行中触底到 40 个完成 token，推理计数恰好为零；none 也出现了两次这种情况。medium 和 high 从来没有这样过，而这个底部正是它们范围分开的主要原因。
low 和 high 分得很清楚。low 和 medium 不行。high 的范围（560–806）与 low 的范围（40–418）不重叠，所以这个差距在这个提示词上是真实的。low 和 medium 在中间值上相差 30 个 token，范围在大部分跨度上重叠，这意味着十次运行无法在这里区分它们。medium 是否是一个有用的中间点取决于你的提示词，用你自己的跑大约四分钟就能回答。
未文档化的值不会失败，但也不会按其名称行事。none 返回 HTTP 200 并花费了中间值 271 个推理 token，这占了 low 花费的大部分。如果你把那个名字理解为关闭开关，你正在为你以为已经禁用的思考付钱。xhigh紧挨着 high。只有 minimal 被拒绝。
这一切并不与模型速度快这一事实相矛盾。Artificial Analysis 在 182 个模型的输出速度排名中将 3.7 Flash 排在第 1 位，达到每秒 389.5 个 token。在同一页面上，他们测量到在 Google 自有 API 上 high 档位的首个 token 耗时 14.52 秒，而同类价格竞品的中位数为 2.80 秒，且在我们这条路由上 high 档位看到的中位数大约是其两倍。这个等待发生在流式响应之前而非之内，这就是为什么用户感受到的是 effort 设置，而不是每秒 token 数。
Google 的模型卡发布了一份与 3.6 Flash、Claude Sonnet 5、GPT-5.6 Terra 和 Muse Spark 1.2 的对比表。其中差距真实存在的行如下：
长上下文检索、视频、前端代码和浏览器自动化是它的强项集中的领域。128k 针检索达到 97.0% 是表中唯一超过 95 的分数，而 AutomationBench 30.4% 对比 Sonnet 5 的 10.7% 这个差距，不是靠更好的提示词能追回来的。
弱点同样紧凑地集中在需要长时间运行的任务上。它在两个版本的 Terminal-bench 上都落后于 GPT-5.6 Terra：2.1 版本 85.8% 对比 87.4%，3.0 版本 14.9% 对比 20.8%。DeepSWE v1.1 也以 4.3 分落后于 Terra，GDPVal-AA v2 的 1525 在表中垫底。选择这个模型适合执行单步任务，而不是八小时无人值守循环。
表中有两项需要仔细阅读。CharXiv 是 3.7 落后于被替代模型的那一行，不带工具 84.5% 对比 85.2%，带工具 88.7% 对比 89.4%，所以涉及图表较多的多模态工作在换用前需要自己做 A/B 测试。还有 Terminal-bench 的两行是由厂商运行的。模型卡声称 Terminal-bench 2.1 为 85.8%，这高于公开 Terminal-Bench 2.1 排行榜榜首保持的 83.8% ± 1.2%（我们上次拉取时有 17 条已验证提交，且没有一条是 3.7 Flash 的）。一个自我报告的分数超越了已验证的榜首成绩，这是表中唯一需要将其作为声明而非结果来理解的数据。
模型卡中还有两行原文引述：知识截止日期是 2026 年 3 月，部分领域仍限于 2025 年 1 月，以及"可能偶尔出现缓慢或超时问题"。
如果你的工作负载不在那个强项列表中，ofox 的模型查找器会按质量、成本和速度对 100+ 个模型进行排名（针对选定的任务类型：编码、智能体、长文档 RAG、视觉、提取、翻译），实时拉取价格和上下文限制。无需注册、无需 API 密钥。
在 Artificial Analysis 智能指数上，四个模型彼此差距在三分以内，但价格差异超过 3 倍。下面的分数和费率来自 Google 模型卡，这是单一来源而非四个来源，所以在将其纳入预算之前请重新检查厂商页面。
四个模型中输出价格最低的，比 Terra 低 3.2 倍，综合得分落后一分。关键在于综合分：它隐藏了 terminal 和 GDPVal 这两行，3.7 Flash 在那里排名最后，所以把"可比"理解为对该指数的陈述而非其他。
再往下一行，3.6 Flash 现在价格相同但少了四分，这让它除了针对其行为已有调优提示词的情况外毫无优势。如果你仍在使用 3.6 Flash，我们之前的 3.6 Flash 成本对比 DeepSeek V4 Flash 有按任务计算的方法，而 3.1 Flash-Lite 预算智能体对比 覆盖了更低的层级。隔两代从 3.5 Flash 过来，编码智能体指南 对 3.7 仍然适用，只是模型 ID 不同，且缺少 minimal。
截至 2026-08-31，ofox 上15% 的顶价折扣使 google/gemini-3.7-flash 和 google/gemini-3.6-flash 位于同一个 OpenAI 兼容端点之后，这让上面片段中的 A/B 测试变成了一处字符串的修改。
Google: Gemini 3.7 Flash 模型页面
Google: Gemini API 定价
Google: thinking 和 thinking_level
Google: OpenAI 兼容性
DeepMind: Gemini 3.7 Flash 模型卡
Artificial Analysis: Gemini 3.7 Flash
Terminal-Bench 2.1 排行榜
Internet Archive: Gemini API 定价，2026-07-22
Internet Archive: Gemini API 定价，2026-08-12
Internet Archive: Gemini API 定价，2026-08-14
ofox 模型页面: Gemini 3.7 Flash
每百万输入 token 0.75 美元，每百万输出 token 3.75 美元，有效期至 2026 年 12 月 31 日，之后变为 1.50 美元和 7.50 美元。Google 的定价页将两行放在同一单元格中打印。Batch 和 Flex 半价，为 0.375 / 1.875 美元，在同一日期翻倍。输出价格包含思维 token，因此推理按输出费率计费。
不是的，两者定价相同。Google 的定价页对两个模型列出相同的四个层级和相同的两个日期。该页面的存档副本说明了为什么半价说法在与之对照时站不住脚：2026-08-12 时 3.6 Flash 为 1.50 / 7.50 美元固定价，3.7 Flash 未列出；到 2026-08-14 两者都显示为 0.75 / 3.75 美元至 2026-12-31。基准价在同样的 48 小时内被下调了。
因为 3.7 Flash 取消了这个层级。模型页面说明"注意：不支持 minimal，会返回错误。"在我们的探测中，请求返回 HTTP 400，错误信息为"Thinking level is unsupported: THINKING_LEVEL_MINIMAL"，即 invalid_request_error。3.6 Flash 接受 minimal，所以任何硬编码该配置的代码在更换模型 ID 时会直接报错而非静默降级。
原生参数是 thinking_level，接受 low、medium 和 high，默认为 medium。通过 OpenAI 兼容层该参数是 reasoning_effort。我们在一个短提示词上测量了每个层级 10 次流式调用：low 返回的补全 token 中位数为 354，high 为 688，两个范围完全不重叠；而各层级可见答案都保持在 40 个 token 左右。
1,048,576 个输入 token 和 65,536 个输出 token。百万 token 窗口不代表能输出百万 token，因此长文档重写和整仓库生成仍需要分块。输入接受文本、图片、视频、音频和 PDF；输出仅为文本。
两者兼具，取决于你测量的是哪一半。Artificial Analysis 在输出速度上将其排为 182 个模型中的第 1 位，达到每秒 389.5 个 token；在同一页面上测量到在 Google 自有 API 上 high 档位的首个 token 耗时 14.52 秒，而同类价格竞品的中位数为 2.80 秒。首个 token 延迟与吞吐量是两回事，因为思维时间发生在第一个 token 之前：我们在一个短提示词上的中位数分别是 low 4.19 秒、medium 5.47 秒、high 7.69 秒。一个名为 Flash 的模型在高 effort 设置下仍然可以让用户等待。
在 Google 模型卡中打印的 Artificial Analysis 智能指数上，3.7 Flash 得 56 分，GPT-5.6 Terra 和 Muse Spark 1.2 得 57 分，Claude Sonnet 5 得 55 分。同一张卡列出它们的费率分别为每百万 token 2.00 / 12.00 美元、1.25 / 4.25 美元和 2.00 / 10.00 美元，因此 3.7 Flash 是四者中输出价格最低的。
在 ofox 上是 google/gemini-3.7-flash，可通过 OpenAI /v1/chat/completions 协议或 Google 原生 Gemini 协议调用。直接调用 Google 时代码是 gemini-3.7-flash，OpenAI 兼容的基础 URL 是 https://generativelanguage.googleapis.com/v1beta/openai/。
最初发表于 ofox.ai/blog。