Entwicklerleitfaden für Gemini 3.7 Flash

Gemini 3.7 Flash ist unser intelligentes Modell für den täglichen Gebrauch für Entwickler und bietet einen Fortschritt in der Softwareentwicklung, der sich beim Erstellen von Inhalten deutlich bemerkbar macht. Dieses Modell bietet bessere Intelligenz für komplexe Aufgaben, das Befolgen von Anweisungen und Toolaufrufe in Ihren täglichen Workflows.

In diesem Dokument werden die Neuerungen von 3.7 Flash, die Einordnung in die Gemini-Modellfamilie, die Migration zu 3.7 Flash und eine Kurzanleitung zur Verwendung von 3.7 Flash beschrieben.

Wie passt es in die Gemini-Familie?

Gemini 3.7 Flash ist das primäre agentische Modell der Gemini 3-Familie. Es schließt die Lücke zwischen den Pro-Modellen für Deep Reasoning und den Gemini Flash-Lite-Modellen mit hohem Durchsatz und bietet gleichzeitig eine hohe Token-Effizienz und mehrstufige multimodale Verarbeitung.

Modellspezifikationen und -vergleiche

In der folgenden Tabelle werden einige der Spezifikationen von 3.7 Flash, 3.6 Flash und 3.1 Pro verglichen:

Gemini 3.7 Flash Gemini 3.6 Flash Gemini 3.1 Pro
Modell-ID gemini-3.7-flash gemini-3.6-flash gemini-3.1-pro-preview
Startphase AV GA Vorschau
Eingabetypen Text, Bild, Audio, Video Text, Bild, Audio, Video Text, Bild, Audio, Video
Ausgabetyp(en) Text Text Text
Verlaufszeitraum 1.048.576 1.048.576 1.048.576
Maximale Länge des Ausgabetokens 65.536 65.536 65.536
Unterstützte Regionen Global, Multiregional Global, Multiregional Global
Unterstützte Denkaufwände LOW, MEDIUM, HIGH
(Standard: MEDIUM) 		MINIMAL, LOW, MEDIUM, HIGH
(Standard: MEDIUM) 		LOW, MEDIUM, HIGH
(Standard: HIGH)
Schwerpunkt Agentische Workflows, Programmierung, interaktives Videoverständnis Allgemeine agentische Workflows, mehrstufige Orchestrierung Aufgaben mit komplexen logischen Schlussfolgerungen und hoher Komplexität

Eine vollständige Liste der unterstützten Funktionen, Tools und Nutzungsoptionen finden Sie auf der Seite zum 3.7 Flash-Modell.

Was ist neu in Gemini 3.7 Flash?

In der folgenden Tabelle werden die Standard-Benchmarks für die Entwicklerbewertung zwischen Gemini 3.7 Flash und 3.6 Flash verglichen:

Benchmark für die Bewertung 3.7 Flash 3.6 Flash
Terminal-bench 2.1 85,1 % 73,0 %
DeepSWE 63,7 % 49,0 %
Humanity's Last Exam (HLE) 45,7 % 37,4 %
LMArena WebDev 1.592 1532

Kurzanleitung

Bevor Sie beginnen, müssen Sie sich bei der Agent Platform mit Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC) oder einem API-Schlüssel authentifizieren. Weitere Informationen finden Sie unter Erste Schritte mit der Gemini Enterprise Agent Platform.

Ersetzen Sie in den folgenden Codeblöcken PROJECT_ID durch Ihre Projekt-ID.

Installation

Achten Sie darauf, dass Sie das neueste google-genai SDK verwenden:

pip install --upgrade google-genai

Einfache Anfrage

Python

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

response = client.models.generate_content(
  model="gemini-3.7-flash",
  contents="How does AI work?",
)
print(response.text)

REST

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.7-flash:generateContent \
-d '{
  "contents": {
    "role": "USER",
    "parts": { "text": "Why is the sky blue?" },
  },
}'

Obligatorische API-Regeln und Verhaltenskonventionen

Gemini 3.7 Flash setzt die folgenden Standard-API-Konventionen der Gemini 3-Familie strikt durch:

  • Verworfene Sampling-Parameter (temperature, top_k, top_p): Diese Parameter werden vom Backend ignoriert. Stattdessen können Sie den Determinismus mit thinking_level (LOW, MEDIUM, HIGH) und response_schema oder json_schema steuern.
  • Nicht unterstützte Parameter (frequency_penalty, presence_penalty, candidate_count): Wenn Sie frequency_penalty, presence_penalty oder candidate_count übergeben, wird ein aktiver API-Fehler ausgegeben. Entfernen Sie sie aus dem alten Clientcode.

  • Strikte Regeln für Funktionsaufrufe: Ein FunctionResponse-Turn muss genau mit dem id, dem name und der Ausführungsanzahl des vorherigen FunctionCall übereinstimmen.

    • Multimodale Assets: Platzieren Sie multimodale Assets immer in der Antwortnutzlast.
    • Formatierung und Text vor dem Tool: Formatieren Sie Inline-Anweisungen mit \n\n. Wenn Malformed_Function_Call-Fehler im Zusammenhang mit Text vor dem Tool auftreten, entfernen Sie führende Kommentare vor Toolaufrufen.

    • Wenn Sie vor einem Toolaufruf Zwischennotizen oder Statusaktualisierungen übergeben möchten, verpacken Sie diese in einen dedizierten update()-Funktionsaufruf, anstatt rohes XML oder Text auszugeben:

      {
  "name": "update",
  "description": "Update working notes before tool execution",
  "parameters": {
    "type": "OBJECT",
    "properties": {
      "previous_step": {"type": "STRING"},
      "plan": {"type": "STRING"},
      "next_step": {"type": "STRING"}
    },
    "required": ["previous_step", "plan", "next_step"]
  }
}

  • Validierung der Chatsequenz:

    • Verlaufsnutzlasten dürfen nicht mit einem Rollenwechsel „model“ enden.
    • Vorausgefüllte Modellantworten werden nicht unterstützt und müssen beim Upgrade entfernt werden.
    • Leere Turns im Unterhaltungsverlauf werden automatisch gelöscht oder führen zu Validierungsfehlern.

Von 3.5 Flash oder 3.6 Flash zu 3.7 Flash migrieren

So migrieren Sie von 3.5 Flash oder 3.6 Flash zu 3.7 Flash:

  1. Modell-ID aktualisieren: Ändern Sie den Modellstring in Ihren API-Aufrufen in gemini-3.7-flash.
  2. Parameter für das Reasoning-Budget ersetzen: Ersetzen Sie die Ganzzahlkonfigurationen thinking_budget durch das String-Enum thinking_level, das auf einen der folgenden Werte festgelegt ist:
    • HIGH: Empfohlen für dichte visuelle QA, Bewegungserkennung im Bruchteil einer Sekunde (Sport, Bearbeitung) oder mehrstufige Problemlösung bei Videos mit einer Länge von mehr als 60 Minuten.
    • MEDIUM: Das Standard-Thinking-Level. Diese Stufe bietet ein optimales Gleichgewicht für allgemeine Fragen und Antworten zu Videos, Zusammenfassungen von Vorlesungen und das Abrufen von Clips.
    • LOW: Empfohlen für Aufgaben wie schnelle, transkriptorientierte Suchen oder grundlegende Metadatenextraktion.
  3. Eingestellte und nicht unterstützte Parameter entfernen:
    • Entfernen Sie temperature, top_p und top_k.
    • Entfernen Sie candidate_count, frequency_penalty und presence_penalty.
    • Entfernen Sie alle vorausgefüllten Modellantworten aus dem Unterhaltungsverlauf.

Zusammenfassende Checkliste für Entwickler

Zusätzliche Ressourcen