Guida per gli sviluppatori a Gemini 3.7 Flash

Gemini 3.7 Flash è il nostro modello intelligente per l'uso quotidiano per gli sviluppatori e rappresenta un passo avanti nell'ingegneria del software, offrendo un'esperienza di sviluppo decisamente migliore. Questo modello offre un'intelligenza migliore per attività complesse, aderenza alle istruzioni e chiamate agli strumenti nei tuoi workflow quotidiani.

Questo documento illustra le novità di 3.7 Flash, come si inserisce nella famiglia di modelli Gemini, come eseguire la migrazione a 3.7 Flash e fornisce una guida rapida per l'utilizzo di 3.7 Flash.

Come si inserisce nella famiglia Gemini?

Gemini 3.7 Flash è il principale modello agentico della famiglia Gemini 3, che colma il divario tra i modelli Pro di deep reasoning e i modelli Gemini Flash-Lite ad alto throughput, offrendo al contempo un'elevata efficienza dei token e un'elaborazione multimodale in più passaggi.

Specifiche e confronti dei modelli

La seguente tabella mette a confronto alcune delle specifiche di 3.7 Flash, 3.6 Flash e 3.1 Pro:

Gemini 3.7 Flash Gemini 3.6 Flash Gemini 3.1 Pro
ID modello gemini-3.7-flash gemini-3.6-flash gemini-3.1-pro-preview
Fase di lancio GA GA Anteprima
Tipi di input Testo, immagine, audio, video Testo, immagine, audio, video Testo, immagine, audio, video
Tipi di output Testo Testo Testo
Finestra contestuale 1.048.576 1.048.576 1.048.576
Lunghezza massima dei token di output 65.536 65.536 65.536
Aree geografiche supportate Globale, multiregionale Globale, multiregionale Globale
Livelli di ragionamento supportati LOW, MEDIUM, HIGH
(Valore predefinito: MEDIUM) 		MINIMAL, LOW, MEDIUM, HIGH
(Predefinito: MEDIUM) 		LOW, MEDIUM, HIGH
(Predefinito: HIGH)
Scopo principale Agentic Workflows, programmazione, comprensione interattiva dei video Workflow agentici generali, orchestrazione in più fasi Ragionamento approfondito, attività ad alta complessità

Consulta la pagina del modello 3.7 Flash per l'elenco completo delle funzionalità, degli strumenti e delle opzioni di consumo supportati.

Quali sono le novità di Gemini 3.7 Flash?

La seguente tabella mette a confronto i benchmark di valutazione standard per gli sviluppatori tra Gemini 3.7 Flash e 3.6 Flash:

Benchmark di valutazione 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 1592 1532

Guida rapida

Prima di iniziare, devi autenticarti su Agent Platform utilizzando le Credenziali predefinite dell'applicazione (ADC) o una chiave API. Per saperne di più, consulta Inizia a utilizzare Gemini Enterprise Agent Platform.

Nei blocchi di codice seguenti, sostituisci PROJECT_ID con l'ID progetto.

Installazione

Assicurati di utilizzare l'SDK google-genai più recente:

pip install --upgrade google-genai

Richiesta di base

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?" },
  },
}'

Regole API obbligatorie e convenzioni comportamentali

Gemini 3.7 Flash applica rigorosamente le seguenti convenzioni API standard della famiglia Gemini 3:

  • Parametri di campionamento deprecati (temperature, top_k, top_p): questi parametri vengono ignorati dal backend. Puoi invece controllare il determinismo utilizzando thinking_level (LOW, MEDIUM, HIGH) e response_schema o json_schema.
  • Parametri non supportati (frequency_penalty, presence_penalty, candidate_count): il passaggio di frequency_penalty, presence_penalty o candidate_count genererà un errore API attivo. Rimuovili dal codice client legacy.

  • Regole rigide per la chiamata di funzione: un turno FunctionResponse deve corrispondere rigorosamente a id, name e al conteggio delle esecuzioni del FunctionCall precedente.

    • Asset multimodali: inserisci sempre gli asset multimodali all'interno del payload della risposta.
    • Formattazione e testo pre-strumento: formatta le istruzioni in linea utilizzando \n\n. Se riscontri errori Malformed_Function_Call legati al testo pre-strumento, ripulisci i commenti iniziali prima delle chiamate allo strumento.

    • Per passare note di lavoro intermedie o aggiornamenti di stato prima di una chiamata allo strumento, inseriscili in una chiamata di funzione update() dedicata anziché generare XML o testo non elaborato:

      {
  "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"]
  }
}

  • Convalida della sequenza di chat:

    • I payload della cronologia non possono terminare con un turno del ruolo "model".
    • I turni precompilati del modello non sono supportati e devono essere rimossi durante l'upgrade.
    • Le battute vuote nella cronologia delle conversazioni vengono eliminate automaticamente o generano errori di convalida.

Esegui la migrazione a 3.7 Flash da 3.5 Flash o 3.6 Flash

Per eseguire la migrazione a 3.7 Flash da 3.5 Flash o 3.6 Flash, segui questi passaggi:

  1. Aggiorna l'ID modello: modifica la stringa del modello nelle chiamate API in gemini-3.7-flash.
  2. Sostituisci il parametro del budget di ragionamento: sostituisci le configurazioni di numeri interi thinking_budget con l'enum di stringhe thinking_level impostato su uno dei seguenti valori:
    • HIGH: consigliato per QA visiva densa, rilevamento di movimenti in una frazione di secondo (sport, editing) o ragionamento multi-step su video di oltre 60 minuti.
    • MEDIUM: il livello di ragionamento predefinito. Questo livello offre un equilibrio ottimale per domande e risposte generali sui video, riassunti delle lezioni e recupero di clip.
    • LOW: consigliato per attività come ricerche rapide incentrate sulla trascrizione o estrazione di metadati di base.
  3. Rimuovi i parametri deprecati e non supportati:
    • Rimuovi temperature, top_p e top_k.
    • Rimuovi candidate_count, frequency_penalty e presence_penalty.
    • Rimuovi eventuali turni precompilati del modello dalle cronologie delle conversazioni.

Elenco di controllo di riepilogo per gli sviluppatori

Risorse aggiuntive