Gemini 3.7 Flash arriva il 13 agosto 2026, appena 23 giorni dopo Gemini 3.6 Flash, e concentra l’evoluzione della serie Flash sulle attività che stanno diventando centrali nell’impiego industriale dei modelli generativi: sviluppo software, agenti AI, automazione di workflow complessi, analisi di documenti e utilizzo coordinato di strumenti esterni.
La nuova versione dell’LLM deriva direttamente da 3.6 Flash e mantiene la stessa base tecnologica, introducendo miglioramenti algoritmici al nucleo di reasoning. La model card di Google DeepMind lo descrive come un’evoluzione della precedente generazione Flash capace di dedicare maggiore elaborazione alla pianificazione, al coding e all’utilizzo degli strumenti, lasciando agli sviluppatori il controllo sul compromesso fra qualità, costo e latenza.
Il modello è disponibile in general availability e per utilizzi in produzione con l’identificativo API gemini-3.7-flash. L’accesso avviene attraverso Gemini API, Google AI Studio, Gemini Enterprise, Gemini Enterprise Agent Platform e Google Antigravity. Il modello è utilizzabile anche attraverso Android Studio.
Un Flash progettato per workflow agentici più lunghi
Un agente AI deve normalmente compiere una sequenza di operazioni: interpretare l’obiettivo, pianificare i passaggi, selezionare gli strumenti appropriati, effettuare chiamate a funzioni o API, elaborare i risultati, riconoscere eventuali errori e modificare il piano.
Gemini 3.7 Flash dedica maggiore capacità di reasoning alla pianificazione multi-step e alle tool call, aumentando la probabilità di completare correttamente un’attività al primo tentativo. Google indica esplicitamente una maggiore capacità di reagire agli ostacoli, chiarire l’intento quando necessario e rispettare le istruzioni durante l’esecuzione di workflow articolati.
Questo comportamento ha anche una conseguenza economica. In un sistema agentico un errore raramente genera soltanto una risposta sbagliata: può produrre altre inferenze, ulteriori chiamate agli strumenti, nuovi token e ripetizioni dell’intera sequenza. First-pass accuracy, numero di retry e lunghezza del ciclo agentico diventano quindi componenti del costo effettivo di esecuzione.
Tre livelli di thinking per controllare latenza, qualità e costo
Gli sviluppatori possono regolare la quantità di elaborazione dedicata al reasoning attraverso thinking_level, con tre impostazioni: low, medium e high.
medium è il valore predefinito ed è l’impostazione raccomandata da Google per coding complesso e applicazioni agentiche. low riduce il tempo necessario per produrre una risposta ed è destinato a carichi sensibili alla latenza, come chat in tempo reale, pipeline di incident response, analisi rapide e generazione di testi. high aumenta invece il reasoning e la capacità di utilizzare strumenti, risultando più adatto a problemi matematici difficili, coding complesso e attività agentiche con numerosi passaggi, a fronte di un consumo superiore di token.
La quantità di calcolo utilizzata dal modello diventa così una variabile applicativa controllabile, che può essere scelta in funzione del valore e della difficoltà del singolo task.
Un milione di token di contesto e output fino a 64K
Gemini 3.7 Flash accetta testo, immagini, audio e video, dispone di una context window fino a 1 milione di token e può produrre fino a 64.000 token di output.
Una finestra di questa dimensione permette di lavorare nella stessa interazione su quantità considerevoli di codice sorgente, documentazione tecnica, contratti, report finanziari, trascrizioni e altri corpus multimodali. L’output da 64K è rilevante soprattutto per code generation, refactoring estesi, produzione di documentazione e trasformazioni di documenti complessi.
Anche la capacità di recuperare informazioni distribuite all’interno di contesti molto lunghi migliora: nei test di long-context retrieval pubblicati da Google, Gemini 3.7 Flash supera la generazione precedente, un risultato importante per agenti che devono mantenere riferimenti coerenti a grandi quantità di codice o documentazione durante sequenze operative prolungate.
L’API cambia, ma resta compatibile con l’ecosistema Gemini
Gemini 3.7 Flash introduce alcuni aggiornamenti nelle API, a partire dal nuovo model ID gemini-3.7-flash e dal parametro thinking_level, che sostituisce thinking_budget e consente di scegliere tra i livelli low, medium e high. Google mantiene però la stessa dotazione di strumenti integrati di Gemini 3.6 Flash, facilitando la migrazione delle applicazioni esistenti.
Per i nuovi progetti Google indica la Interactions API come interfaccia di riferimento. Disponibile in general availability da giugno 2026, riunisce generazione testuale, input multimodali, output strutturati, orchestrazione degli strumenti e chiamate ad agenti specializzati, mentre generateContent resta disponibile come API legacy.
I benchmark indicano progressi soprattutto nel coding e negli agenti
I benchmark pubblicati da Google mostrano un miglioramento complessivo rispetto a Gemini 3.6 Flash, con gli incrementi più evidenti nelle attività che richiedono coding, pianificazione multi-step, utilizzo degli strumenti e gestione di workflow complessi.
Nel software engineering cresce sia la capacità di produrre codice adatto ad ambienti di produzione sia quella di affrontare modifiche estese su codebase reali. I risultati migliorano anche nello sviluppo web, dove 3.7 Flash mostra una maggiore aderenza ai riferimenti visuali e una capacità superiore di completare applicazioni attraverso sequenze di interventi coordinate.
La stessa tendenza emerge nell’automazione dei processi aziendali, nell’utilizzo agentico del computer e nella comprensione di documenti professionali complessi. Uno degli scarti più netti riguarda AutomationBench, dove il punteggio passa dal 17,0% di Gemini 3.6 Flash al 30,4% di Gemini 3.7 Flash, segnalando un miglioramento sostanziale nella capacità di eseguire workflow composti da molte operazioni consecutive.
Anche le valutazioni dedicate a finanza, diritto, bioscienze e documenti ad alta densità informativa indicano progressi. Il quadro complessivo è più significativo delle variazioni decimali dei singoli test: Gemini 3.7 Flash concentra il salto generazionale sui workload nei quali il modello deve mantenere uno stato, prendere decisioni successive e portare a termine un’attività composta da molte operazioni.
Dal mockup all’applicazione web
Gemini 3.7 Flash migliora anche la design adherence, cioè la capacità di produrre interfacce coerenti con un riferimento grafico.
Il modello può ricevere screenshot, immagini o un intero design system e utilizzarli per generare il codice dell’interfaccia. Può anche svolgere l’operazione inversa, confrontando un’applicazione esistente con un mockup per individuare discrepanze e verificare la corrispondenza fra implementazione e progetto.
Il risultato rende interessante il modello per workflow nei quali il progetto grafico diventa un vincolo verificabile: generazione iniziale dell’interfaccia, confronto con il riferimento, rilevamento delle differenze e successiva correzione del codice possono essere inseriti nella stessa pipeline.
Quattro dimostrazioni mostrano il tipo di workload cercato da Google
Le dimostrazioni pubblicate insieme al modello rendono più esplicito il tipo di applicazioni per cui 3.7 Flash è stato ottimizzato.
In un primo esempio un semplice prompt viene trasformato in un gioco 3D funzionante, con Gemini 3.7 Flash utilizzato insieme a Nano Banana per generare dinamicamente personaggi, oggetti e texture.
Un secondo esempio riguarda la generazione in un singolo passaggio di landing page interattive, nelle quali Gemini 3.7 Flash orchestra sub-agent e utilizza Gemini Omni per creare componenti con effetti di parallasse.
Il terzo caso porta l’architettura agentica nel mondo fisico: un modello robotico viene addestrato utilizzando le capacità multimodali di Gemini 3.7 Flash all’interno di un grafo composto da tre agenti, con un ciclo destinato ad accelerare l’apprendimento del robot.
Nel quarto esempio, un PDF statico viene trasformato in una data story interattiva, elaborando report annuali complessi e generando grafici e insight aggregati. Il caso collega direttamente le capacità di comprensione documentale con la generazione di interfacce e visualizzazioni utilizzabili.
Il prezzo promozionale dimezza il listino originario di 3.6 Flash
La strategia commerciale accompagna il miglioramento delle prestazioni con un taglio significativo dei costi.
Fino al 31 dicembre 2026, Gemini 3.7 Flash viene offerto a 0,75 dollari per milione di token in input e 3,75 dollari per milione di token in output, come indicato nella pagina ufficiale dei prezzi della Gemini API.
Quando Gemini 3.6 Flash era stato annunciato il 21 luglio 2026, il prezzo era di 1,50 dollari per milione di token in input e 7,50 dollari in output. Il prezzo introduttivo di Gemini 3.7 Flash rappresenta quindi un dimezzamento esatto del listino originario.
Google ha esteso temporaneamente le stesse tariffe ridotte anche a Gemini 3.6 Flash. Dal 1° gennaio 2027, per entrambi i modelli, il prezzo salirà a 1,50 dollari per milione di token in input e 7,50 dollari per milione di token in output.
Nell’Artificial Analysis Intelligence Index utilizzato nella model card, Gemini 3.7 Flash si colloca nella stessa fascia dei modelli di frontiera concorrenti, rafforzando il posizionamento di Flash come modello destinato a combinare prestazioni elevate con costi adatti a carichi eseguiti su larga scala.
Per un agente AI il prezzo per token costituisce soltanto una parte del costo operativo. Un task può generare numerose inferenze, passaggi di reasoning e tool call. Un modello che completa più frequentemente il lavoro al primo tentativo può ridurre il costo per attività conclusa anche quando impiega più reasoning in una singola inferenza.
Gemini Spark passa a 3.7 Flash
Gemini Spark, l’agente personale disponibile nella Gemini app agli abbonati Google AI Pro e Ultra nei Paesi supportati, utilizza Gemini 3.7 Flash dal 13 agosto.
Google aveva introdotto Spark a I/O come agente capace di funzionare continuativamente ed eseguire operazioni sotto il controllo dell’utente. Con 3.7 Flash migliora soprattutto l’utilizzo degli strumenti di Google Workspace e la gestione dei workflow che richiedono competenze differenti.
Gli esempi indicati comprendono consolidamento di file, preparazione di email e aggiornamento di documenti di stato, attività nelle quali il risultato richiede l’esecuzione coordinata di più operazioni anziché la generazione di una singola risposta.
Spark è disponibile agli abbonati Google AI Pro e Ultra in più di 160 Paesi.
Gemini 3.7 Flash diventa il modello predefinito dell’agente Antigravity
Anche l’agente Antigravity adotta Gemini 3.7 Flash come modello predefinito nei Gemini Managed Agents e nel Google Antigravity SDK.
La documentazione della Gemini API mostra esplicitamente l’impiego dell’agente per task nei quali devono essere coordinati più strumenti. Un esempio combina analisi delle prestazioni di un sito, Core Web Vitals, PageSpeed Insights e verifica dell’indicizzazione attraverso Google Search, producendo poi un unico risultato strutturato.
Questi casi mostrano il ruolo assegnato al modello nella piattaforma Google: 3.7 Flash diventa il motore generalista destinato all’esecuzione ad alta frequenza di workflow agentici, mentre le API e gli agenti specializzati forniscono gli strumenti e l’ambiente di orchestrazione.
Limiti, knowledge cutoff e sicurezza
La model card mantiene espliciti i limiti tipici dei foundation model, compresa la possibilità di generare allucinazioni, insieme a occasionali problemi di lentezza o timeout.
Il knowledge cutoff presenta una struttura particolare. Google indica marzo 2026 come data di riferimento per Gemini 3.7 Flash, precisando che in alcuni domini la conoscenza aggiornata può fermarsi a gennaio 2025, coerentemente con la famiglia Gemini 3.
Sul fronte della sicurezza Google ha aggiornato le mitigazioni relative ai rischi CBRN – chimici, biologici, radiologici e nucleari – e all’uso offensivo nel settore cybersecurity.
Nelle valutazioni effettuate con il Frontier Safety Framework, Gemini 3.7 Flash non raggiunge nessuno dei livelli di capacità critica monitorati. Nel dominio cybersecurity il modello raggiunge la soglia di allerta associata al Capability Critical Level, ma rimane sotto il CCL vero e proprio. Una dinamica analoga viene riportata per alcune valutazioni CBRN.
Le valutazioni dedicate a ricerca e sviluppo nel machine learning indicano inoltre un limite importante per l’autonomia degli agenti: Gemini 3.7 Flash riesce a completare singole attività di coding, ma non mostra ancora l’indipendenza necessaria per concatenarle autonomamente in un workflow di ricerca end-to-end senza intervento umano.
Gemini 3.7 Flash rende più evidente la direzione presa dalla competizione fra modelli destinati alle applicazioni professionali. La metrica utile si sposta progressivamente verso la capacità di completare un lavoro composto da molte operazioni consecutive, mantenendo il contesto, utilizzando strumenti esterni, gestendo gli errori e contenendo il numero di retry. Context window, costo per token e risultati nei benchmark rimangono parametri rilevanti, ma l’efficienza economica di un agente dipende sempre più dall’intera sequenza che separa il prompt iniziale dal completamento effettivo del task.
