Harga Promo yang Menjadi Perhatian Utama
Tiga pekan setelah merilis Gemini 3.6 Flash, Google kembali memperkenalkan model terbaru di lini Flash-nya, yaitu Gemini 3.7 Flash, pada 13 Agustus. Model ini dirancang untuk kebutuhan coding, alur kerja agen, dan pemrosesan dokumen di lingkungan enterprise. Yang paling menarik adalah harga perkenalannya: hanya setengah dari biaya model Flash sebelumnya.
Melalui API, hingga 31 Desember 2026, Gemini 3.7 Flash dibanderol US$0,75 per juta token input dan US$3,75 per juta token output. Mulai 1 Januari 2027, harga daftar naik dua kali lipat menjadi masing-masing US$1,50 dan US$7,50. Google juga menyebut diskon ini berlaku surut untuk Gemini 3.6 Flash yang sebelumnya diluncurkan dengan harga lebih tinggi pada akhir Juli.
Bagi tim yang menjalankan agen di production, penurunan harga ini sangat berarti. Pada volume token besar, biaya inferensi dapat membengkak cepat. VentureBeat menilai periode diskon ini memberi perusahaan kesempatan menguji apakah janji Google tentang lebih sedikit percobaan ulang dan pengawasan manual benar-benar menekan total biaya operasional.
Klaim Peningkatan Kemampuan
Google menyebut Gemini 3.7 Flash sebagai model “workhorse” paling cerdas untuk coding dan agen. Model ini diklaim lebih adaptif saat menemui hambatan, lebih sering meminta klarifikasi bila tugas ambigu, dan lebih patuh pada instruksi. Untuk perencanaan multi-langkah dan pemanggilan alat, model ini disebut mengalokasikan lebih banyak komputasi. Yang juga patut disorot adalah throughput 340 token per detik, kecepatan yang dibutuhkan aplikasi real-time.
Perbandingan Benchmark dengan Pendahulunya
Google mempublikasikan sejumlah angka benchmark yang dibandingkan dengan pendahulunya, Gemini 3.6 Flash:
- FrontierCode 1.1 Main: 43,6% vs 34,4%
- DeepSWE v1.1: 65,3% vs 49,0%
- WebDev Arena: 1.588 vs 1.538
- GDP.pdf: 34,0% vs 22,0%
- AutomationBench: 30,4% vs 17,0%
Secara teknis, model ini bukan hasil pretraining baru, melainkan penyempurnaan dari 3.6 Flash dengan peningkatan algoritmik pada inti penalaran. Konteksnya mencapai satu juta token, output maksimal 64.000 token, dan pengetahuan terpotong pada Maret 2026.
Tidak Selalu Unggul di Semua Pengujian
Semua angka tersebut berasal dari pengujian Google sendiri; verifikasi independen belum tersedia. Dalam tabel perbandingan Google, Gemini 3.7 Flash juga tidak menang di semua bidang. Pada Terminal-bench 2.1, skornya 85,8%, lebih rendah dari GPT-5.6 Terra yang mencatat 87,4%. OpenAI juga unggul pada Terminal-bench 3.0 dan OSWorld-2.0. Pada multimodal Agent’s Last Exam, Claude Sonnet 5 memimpin dengan 33,3%, sementara Gemini 3.7 Flash memperoleh 26,3%. Sebaliknya, Google unggul jelas di AutomationBench dan GDP.pdf.
Secara keseluruhan, 3.7 Flash berada sedikit di bawah model-model top saat ini dari OpenAI, Anthropic, dan SpaceXAI, serta di bawah model open-weights terkemuka dari Alibaba (Qwen) dan Moonshot AI (KimiK3).
Ketersediaan dan Keamanan
Developer dapat mengakses 3.7 Flash melalui Gemini API di Google AI Studio dan Android Studio, serta di lingkungan agen Google Antigravity. Untuk enterprise, model ini tersedia di Gemini Enterprise Agent Platform dan aplikasi Gemini Enterprise. Pengguna akhir dengan langganan Google AI Pro atau Ultra bisa mengaksesnya melalui Gemini Spark yang tersedia di lebih dari 160 negara.
Google juga mengatakan telah menambahkan perlindungan terbaru terhadap penyalahgunaan di domain CBRN (kimia, biologi, radiologi, nuklir) dan serangan siber. Namun, tanggal rilis untuk flagship Gemini 3.5 Pro yang lebih kuat masih belum diumumkan, setelah tertunda berbulan-bulan.
Kesimpulan
Gemini 3.7 Flash menegaskan bahwa Google ingin memperkuat posisinya di pasar model AI yang cepat dan hemat biaya. Harga diskon hingga akhir 2026 menjadi peluang bagi developer dan enterprise untuk menguji model ini dalam skala produksi. Meski belum menjadi pemimpin mutlak di semua benchmark, peningkatan pada coding, agen, dan pemrosesan dokumen menjadikannya opsi menarik, terutama dengan throughput tinggi dan konteks satu juta token. Kini keputusan ada di tangan pengguna: apakah klaim harga murah dan efisiensi operasional cukup meyakinkan untuk diadopsi lebih luas.