Gemini 3.7 Flash — быстрая и недорогая модель Google в PlusVibe

В каталоге PlusVibe появилась Gemini 3.7 Flash от Google — следующее поколение быстрой линейки Flash. Модель доступна через OpenAI-совместимый API и выделяется сочетанием, которое редко встречается даже у бюджетных позиций: цена входа 4,4 ₽ за 1M токенов, окно контекста в миллион токенов, приём изображений и постоянно включённые рассуждения. Это кандидат на роль рабочей лошадки для высоконагруженных пайплайнов, где раньше приходилось выбирать между ценой и длиной контекста.

Что изменилось относительно Gemini 3.5 Flash

Предыдущее поколение — Gemini 3.5 Flash — остаётся в каталоге, поэтому сравниваем обе позиции по данным на 10 сентября 2026 года:

Цена стала ниже. Вариант по умолчанию подешевел с 11,18 / 67,06 ₽ до 4,4 / 22 ₽ за 1M входных и выходных токенов: вход примерно в 2,5 раза, выход примерно в 3 раза дешевле.
Срез знаний обновился с января 2025 года до апреля 2025 года.
Рассуждения теперь включены всегда. У 3.5 Flash были режим с рассуждениями и режим без них; у 3.7 Flash каталог фиксирует только режим с рассуждениями. Токены размышлений тарифицируются как вывод.
JSON mode не заявлен. У 3.5 Flash он поддерживался, у 3.7 Flash в каталоге не указан. Если вам нужен строго машиночитаемый ответ, закладывайте валидацию и парсинг на стороне приложения.
Форм-фактор сохранён: контекст 1 000 000 токенов, вывод до 65 000 токенов, текст и изображения на входе.

Честная оговорка: проверяемых бенчмарков в каталоге нет, и более низкая цена не означает автоматического выигрыша в качестве на каждой задаче. Если вы построили пайплайн на 3.5 Flash, прогоните на 3.7 Flash свой набор контрольных запросов и сравните не только ответы, но и расход токенов с учётом постоянно включённых рассуждений — только тогда замена будет обоснованной.

Характеристики Gemini 3.7 Flash

ПараметрЗначение Контекст1 000 000 токенов Максимальный вывод65 000 токенов РассужденияДа, режим thinking, включены всегда Tool calling / function callingПоддерживается JSON modeНе заявлен Входные модальностиТекст и изображения Выходные модальностиТекст Срез знанийАпрель 2025

Цены

Цены варианта по умолчанию gemini-3.7-flash на 10 сентября 2026 года:

Входящие токены: 4,4 ₽ / 1M
Исходящие токены (включая рассуждения): 22 ₽ / 1M
Кеш, повторное чтение: 0,44 ₽ / 1M
Кеш, запись: 4 ₽ / 1M

Пример расчёта: запрос с 50 000 входных токенов и 2 000 выходных стоит 0,05 × 4,4 ₽ + 0,002 × 22 ₽ = 0,22 ₽ + 0,044 ₽ ≈ 0,26 ₽. Тысяча таких запросов — около 260 ₽. Это уровень, на котором становится рентабельной обработка потоков данных, раньше требовавших более дорогих моделей: классификация обращений, извлечение полей из документов, суммаризация логов. Повторяющийся контекст при повторных запросах читается из кеша по 0,44 ₽ за 1M — в десять раз дешевле полного входа.

В каталоге есть и резервные варианты той же модели с более высоким тарифом; актуальный список вариантов смотрите на странице каталога. По умолчанию используется самый дешёвый вариант, его цены приведены выше.

Как вызвать модель

Стандартный endpoint Chat Completions, в поле model — публичный ID gemini-3.7-flash:

curl https://plusvibeapi.ru/v1/chat/completions \
  -H "Authorization: Bearer sk-pv-ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.7-flash",
    "messages": [{"role": "user", "content": "Классифицируй обращение клиента и верни одну из категорий: оплата, доставка, качество, другое."}],
    "max_tokens": 2000
  }'

Тот же вызов через Python SDK:

from openai import OpenAI

client = OpenAI(
    api_key="sk-pv-ВАШ_КЛЮЧ",
    base_url="https://plusvibeapi.ru/v1",
)

response = client.chat.completions.create(
    model="gemini-3.7-flash",
    messages=[{"role": "user", "content": "Суммаризируй этот лог за сутки и выдели три главные проблемы: ..."}],
    max_tokens=2000,
)
print(response.choices[0].message.content)

Лимит вывода ставьте с запасом: рассуждения включены всегда и делят бюджет max_tokens с самим ответом, поэтому при слишком маленьком лимите ответ может оказаться обрезанным. Для коротких ответов вроде одной категории достаточно пары тысяч токенов, для суммаризации больших документов закладывайте больше и следите за finish_reason.

Экономика рассуждений: что проверить перед внедрением

Постоянно включённый режим рассуждений — это не только качество, но и статья расходов, которую легко недооценить. Покажем на цифрах. Допустим, пайплайн классификации делает 100 000 запросов в сутки, каждый с 2 000 входных токенов. Если модель тратит на размышления в среднем 300 токенов и выдаёт ответ из 100 токенов, то за сутки набегает 100 000 × 400 = 40 млн выходных токенов, то есть 40 × 22 ₽ = 880 ₽ только за вывод, плюс 200 млн входных по 4,4 ₽ — ещё 880 ₽. Итого около 1760 ₽ в сутки на весь поток. Если бы рассуждения заняли не 300 токенов, а 1 000, счёт за вывод вырос бы почти втрое при том же полезном ответе. Поэтому перед внедрением прогоните контрольную партию запросов, посмотрите в поле usage реальное соотношение токенов размышлений и токенов ответа и только после этого закладывайте тариф в экономику продукта.

Как мигрировать с Gemini 3.5 Flash

Технически миграция сводится к смене значения поля model — формат запроса и ответа тот же, ключ работает с обеими моделями. Но перед переключением продакшна пройдите короткий чек-лист:

Прогоните контрольный набор запросов на обеих моделях и сравните ответы на своей нагрузке: цена изменилась сильнее, чем форм-фактор, и качество нужно подтвердить фактами, а не номером версии.
Проверьте места, где парсится JSON. JSON mode у 3.7 Flash в каталоге не заявлен; если раньше вы полагались на строгий режим, добавьте валидацию и повтор с уточнением промпта при ошибке парсинга.
Пересчитайте лимиты вывода. Рассуждения теперь включены всегда и делят бюджет max_tokens с ответом — лимиты, подобранные под 3.5 без рассуждений, могут оказаться впритык.
Сравните итоговый счёт по полю usage: более дешёвый тариф на 1M токенов сопоставляйте с фактическим расходом, включая токены размышлений.

Продакшн: тайм-ауты, стриминг и повторные попытки

Модель с рассуждениями отвечает не мгновенно: часть времени уходит на внутреннюю цепочку размышлений, и на длинных запросах первый токен может появиться с задержкой. Закладывайте тайм-аут с запасом, а для интерфейсов используйте потоковую генерацию — она совместима с OpenAI-форматом и не даёт пользователю смотреть на пустой экран, пока модель думает. Повторные попытки применяйте только к идемпотентным операциям и только до первого полученного байта ответа: повтор после начала генерации задвоит списание. Ошибки логируйте без содержимого запросов, чтобы не сохранять персональные данные и секреты из промптов.

Кому подходит

Высоконагруженные пайплайны. Классификация, модерация, извлечение сущностей — там, где запросов миллионы и каждый рубль за 1M токенов виден в счёте.
RAG и длинные документы. Миллион токенов контекста позволяет обходиться без сложного чанкования в большинстве сценариев.
Суммаризация и аналитика. Логи, транскрипции, отчёты — дешёвый вход делает обработку больших объёмов рентабельной.
Первая линия агентов. Tool calling поддерживается, и на недорогих шагах агентного цикла модель заменяет более дорогие флагманы.

Кому не подходит

Задачи со строгим JSON-контрактом без валидации. JSON mode в каталоге не заявлен — парсите и проверяйте ответ на своей стороне.
Сценарии, где рассуждения мешают. Отключить thinking нельзя; если нужен максимально быстрый и дешёвый ответ без внутренних размышлений, рассмотрите модель с настраиваемыми режимами, например Gemini 3.5 Flash.
Максимальное качество рассуждений. Flash — быстрая линейка; для самых сложных задач по коду и математике тестируйте флагманские позиции каталога.

Ограничения, о которых стоит знать

Постоянно включённые рассуждения означают, что в счёте за вывод всегда есть токены размышлений; на простых запросах это небольшая, но постоянная надбавка. Срез знаний — апрель 2025 года, свежие факты передавайте в контексте или получайте через инструменты. Модель принимает изображения, но возвращает только текст. И главное правило выбора: сравнивайте 3.7 Flash с 3.5 Flash на своей нагрузке с учётом токенов рассуждений — формально более дешёвый выход может частично компенсироваться тем, что модель теперь думает на каждом запросе.

Доступность

Gemini 3.7 Flash уже доступна в PlusVibe. Получить API-ключ можно на plusvibeapi.ru, детали и актуальные тарифы — на странице модели, полный список — в каталоге. Сравните также с предыдущим поколением в обзоре Gemini 3.5 Flash, с условиями подключения из России в статье Gemini API в России и с альтернативой на миллион токенов — GLM-5.3.

Gemini 3.7 Flash в PlusVibe: обзор, цены 4,4 ₽ и отличия от 3.5 Flash