Gemini 3.7 Flash erklärt: Preise, API, JSON-Ausgabe und Function Calling

Am 13. August 2026 hat Google Gemini 3.7 Flash veröffentlicht — nur drei Wochen nach 3.6 Flash — und bezeichnet es als „unser bisher intelligentestes Workhorse-Modell für Coding und Agents“. Wenn Sie die Gemini API bereits für strukturiertes JSON oder Tool Calling nutzen, erklärt dieser Leitfaden Positionierung, Intro-Preise, API-Aufruf, JSON-Ausgabe und Function Calling und verknüpft das mit der JSON-/Agent-Serie in diesem Blog.

Der vorherige Artikel, Strukturiertes JSON mit der Gemini API erzeugen, erläutert responseMimeType und Schema. Früher behandelte Tool Calling → MCP-Datenfluss Tool-Parameter-JSON. 3.7 Flash verbessert beides: zuverlässigere mehrstufige Planung, präzisere Tool Calls und einen niedrigeren Intro-Preis.

Was ist Gemini 3.7 Flash

Gemini 3.7 Flash gehört zur Flash-Reihe von Google — hoher Durchsatz, geringe Latenz, ausgelegt für Produktions-Agents und Coding. Es ist kein Pro/Ultra-Flaggschiff für „Deep Thinking“, aber Google gibt an, dass es 3.6 Flash bei Softwareentwicklung, Wissensarbeit und Webentwicklung übertrifft.

Drei Schwerpunkte beim Launch:

• Coding: Debugging, Issue-Behebung, höhere Erstpass-Genauigkeit (FrontierCode 1.1 Main 43,6 % vs. 34,4 % bei 3.6).
• Agents: sorgfältigere mehrstufige Planung und Tool-Nutzung — DeepSWE v1.1 65,3 % vs. 49,0 %, AutomationBench 30,4 % vs. 17,0 %.
• Wissensarbeit: Finanzen, Recht, Biowissenschaften bei langen Dokumenten (GDP.pdf 34,0 % vs. 22,0 %).

Für Endnutzer läuft Spark in Google AI Pro/Ultra jetzt mit 3.7 Flash. Für Unternehmen ist dasselbe Modell auf Gemini Enterprise Agent Platform und Vertex AI verfügbar. Die meisten Entwickler starten weiterhin mit der Gemini API (AI Studio Key).

Spezifikationen und multimodale Eingabe

Multimodale Eingabe plus langer Kontext eignen sich für Aufgaben wie „gesamter Jahresbericht als PDF → strukturiertes JSON“ oder „UI-Screenshot → Code“. Das Schema legt die Ausgabe fest, nicht das, was Sie in contents übergeben.

Aktuelle Preise

3.7 Flash startete mit einem Intro-Tarif — etwa die Hälfte des Standardpreises von 3.6 Flash. Google hat Standardpreise ab 2027 veröffentlicht; kalkulieren Sie beide Stufen.

Details (Gemini API / AI Studio; Vertex AI hat eigene SKUs — vor der Budgetplanung prüfen):

• Reasoning in der Ausgabe: Thinking-Token und finale Antwort-Token zählen beide zur Output-Abrechnung.
• Context Caching: Intro-Cache-Lesen ~$0.075 / 1M; ab 2027 ~$0.15 / 1M. Gut für feste System-Prompts + Tool-Schemas in Agents.
• Batch: Offline-Massenjobs haben oft separate ermäßigte Tarife.
• Free Tier: AI Studio bietet möglicherweise noch ratenbegrenzte kostenlose Nutzung — prüfen Sie die Konsole.

Agent-Rechnungen fallen oft schwer auf Output-Token. Beim Intro-Preis von $3.75 / 1M Output kostet 3.7 Flash halb so viel wie der Standard von 3.6 Flash ($7.50) — nützlich für Agent-Lasttests in Q4 2026.

API-Zugang und Modell-ID

Nutzen Sie das offizielle google-genai SDK (pip install google-genai) mit GEMINI_API_KEY aus AI Studio. Modellname: gemini-3.7-flash.

from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Explain MCP vs Function Calling in three sentences.",
)
print(response.text)

REST entspricht 2.5 / 3.6, mit dem Modell im Pfad:

POST https://generativelanguage.googleapis.com/v1beta/models/gemini-3.7-flash:generateContent
Header: x-goog-api-key: YOUR_KEY

{
  "contents": [{ "role": "user", "parts": [{ "text": "Hello" }] }]
}

Auf Vertex AI stimmen Structured Output und Tool-Konfiguration überein; nur Endpoint und GCP-Authentifizierung unterscheiden sich. API-Keys nur auf dem Server — niemals in statischen Frontends oder MCP-Logs.

Strukturierte JSON-Ausgabe

3.7 Flash unterstützt Gemini Structured Outputs vollständig: setzen Sie response_mime_type: application/json plus response_schema (Pydantic) oder response_json_schema (JSON-Schema-Dictionary). Gleiches constrained decoding wie bei 2.5 / 3.6.

from google import genai
from pydantic import BaseModel, Field

class Task(BaseModel):
    title: str
    priority: str = Field(description="low | medium | high")
    due_date: str | None = None

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Extract a todo: finish budget review by next Friday, high priority.",
    config={
        "response_mime_type": "application/json",
        "response_schema": Task,
    },
)
task = response.parsed
print(task.priority)

Structured Output vs. Function Calling: Ersteres liefert finales Benutzer-/Downstream-JSON; Letzteres liefert Tool-Argument-JSON. Siehe Vom Prompt zu Structured Output und Gemini-JSON-Tutorial. 3.7 Flash wird oft wegen stabiler komplexer Schemas gewählt.

Validieren Sie weiterhin zweifach: json.loads + JSON Schema; Geschäftsregeln (z. B. Summen) im eigenen Code. Diffen Sie Beispiele lokal in der JSON-Toolbox — nichts wird hochgeladen.

Function Calling / Tool Calling

Deklarieren Sie tools mit JSON-Schema-Parametern; das Modell liefert Function Calls; Ihr Host führt aus und führt Ergebnisse zurück. 3.7 Flash legt Wert auf sorgfältigere mehrstufige Tool-Planung — weniger fehlgeschlagene Retries, manchmal weniger Gesamt-Token.

from google import genai
from google.genai import types

get_weather = types.FunctionDeclaration(
    name="get_weather",
    description="Current weather for a city",
    parameters={
        "type": "object",
        "properties": {
            "city": {"type": "string", "description": "e.g. Shanghai"}
        },
        "required": ["city"],
    },
)

client = genai.Client()
response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Is it good for a run in Shanghai now?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(function_declarations=[get_weather])],
    ),
)

for part in response.candidates[0].content.parts:
    if part.function_call:
        print(part.function_call.name, part.function_call.args)

Typischer Agent-Loop: Tool Calling für Fakten → Structured Output für festes JSON → MCP für Cursor / Claude Desktop. Tool-Schema an MCP inputSchema angleichen. Siehe JSON Schema, Function Calling und MCP-Evolution.

vs. 3.6 Flash und wann welches Modell

Neben dem Listenpreis messen Sie Structured-Output-Erfolgsrate und Tool-Retries auf Ihren Tasks — dort soll 3.7 Flash punkten.

Tipps für den Produktionseinsatz

1. Modell global tauschen: Standard auf gemini-3.7-flash setzen; 3.6 eine Woche als Fallback behalten.
2. JSON-Pfade getrennt testen: gleiche Prompts für Structured Output vs. Tool Calling; mit JSON Schema validieren.
3. System + tools cachen: festen System-Prompt und tools über Context Caching.
4. Budget nach Standardtarifen 2027 kalkulieren: Intro-Output-Preise verdoppeln sich nach dem 31. Dez. 2026.
5. Keys und Schemas trennen: Schemas können öffentlich sein; Keys nur auf dem Server.

FAQ

Zusammenfassung

Gemini 3.7 Flash ist Googles 2026-Workhorse für Coding und Agents: Modell-ID gemini-3.7-flash, Intro-Preise bis Ende 2026 bei $0.75 / $3.75 pro Million Input-/Output-Token, ab 2027 verdoppelt. Die API-Oberfläche entspricht früheren Flash-Modellen; der Gewinn liegt in stabileren mehrstufigen Tools und Structured Output in Produktion.

Testen Sie 3.7 Flash in Staging mit JSON- + Tool-Regression und diffen Sie Ausgaben lokal gegen das Schema. Für Konfigurationstiefe weiter die Serienartikel nutzen — Structured Output und Function Calling sind nicht dieselbe API.