Panduan developer untuk Gemini 3.7 Flash

Gemini 3.7 Flash adalah model cerdas yang kami sediakan untuk developer, dan menghadirkan kemajuan dalam rekayasa software, serta terasa jauh lebih baik untuk digunakan dalam pengembangan. Model ini menghadirkan kecerdasan yang lebih baik untuk tugas kompleks, mengikuti petunjuk, dan memanggil alat ke dalam alur kerja harian Anda.

Dokumen ini membahas hal baru di 3.7 Flash, kesesuaiannya dalam keluarga model Gemini, cara bermigrasi ke 3.7 Flash, dan menyediakan panduan memulai untuk menggunakan 3.7 Flash.

Bagaimana kesesuaiannya dalam keluarga Gemini?

Gemini 3.7 Flash adalah model utama yang digunakan dalam keluarga Gemini 3, yang menjembatani kesenjangan antara model Pro dengan penalaran mendalam dan model Gemini Flash-Lite dengan throughput tinggi, sekaligus memberikan efisiensi token yang tinggi dan pemrosesan multimodal multilangkah.

Spesifikasi dan perbandingan model

Tabel berikut adalah perbandingan yang mencakup beberapa spesifikasi antara 3.7 Flash, 3.6 Flash, dan 3.1 Pro:

Gemini 3.7 Flash Gemini 3.6 Flash Gemini 3.1 Pro
ID Model gemini-3.7-flash gemini-3.6-flash gemini-3.1-pro-preview
Tahap peluncuran GA GA Pratinjau
Jenis input Teks, Gambar, Audio, Video Teks, Gambar, Audio, Video Teks, Gambar, Audio, Video
Jenis output Teks Teks Teks
Jendela konteks 1.048.576 1.048.576 1.048.576
Panjang token output maksimum 65.536 65.536 65.536
Wilayah yang didukung Global, Multi-region Global, Multi-region Global
Tingkat penalaran yang didukung LOW, MEDIUM, HIGH
(Default: MEDIUM)
MINIMAL, LOW, MEDIUM, HIGH
(Default: MEDIUM)
LOW, MEDIUM, HIGH
(Default: HIGH)
Fokus utama Agentic Workflows, coding, pemahaman video interaktif Agentic Workflows umum, orkestrasi multilangkah Penalaran mendalam, tugas dengan kompleksitas tinggi

Lihat halaman model 3.7 Flash untuk mengetahui daftar lengkap kemampuan, alat, dan opsi penggunaan yang didukung.

Apa yang baru di Gemini 3.7 Flash?

Tabel berikut membandingkan tolok ukur evaluasi developer standar antara Gemini 3.7 Flash dan 3.6 Flash:

Tolok ukur evaluasi 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 1.532

Panduan memulai

Sebelum memulai, Anda harus melakukan autentikasi ke Agent Platform menggunakan Kredensial Default Aplikasi (ADC) atau kunci API. Lihat Memulai Gemini Enterprise Agent Platform untuk mengetahui informasi selengkapnya.

Di blok kode berikut, ganti PROJECT_ID dengan project ID Anda.

Penginstalan

Pastikan Anda menggunakan google-genai SDK terbaru:

pip install --upgrade google-genai

Permintaan dasar

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?" },
  },
}'

Aturan API dan konvensi perilaku wajib

Gemini 3.7 Flash secara ketat menerapkan konvensi API keluarga Gemini 3 standar berikut:

  • Parameter pengambilan sampel yang tidak digunakan lagi (temperature, top_k, top_p): Parameter ini diabaikan oleh backend. Sebagai gantinya, Anda dapat mengontrol determinisme menggunakan thinking_level (LOW, MEDIUM, HIGH) dan response_schema atau json_schema.
  • Parameter yang tidak didukung (frequency_penalty, presence_penalty, candidate_count): Meneruskan frequency_penalty, presence_penalty, atau candidate_count akan menampilkan error API aktif. Hapus parameter tersebut dari kode klien lama.
  • Aturan panggilan fungsi yang ketat: Turn FunctionResponse harus cocok dengan id, name, dan jumlah eksekusi FunctionCall sebelumnya.

    • Aset multimodal: Selalu tempatkan aset multimodal di dalam payload respons.
    • Pemformatan dan teks pra-alat: Format petunjuk inline menggunakan \n\n. Jika Anda mengalami error Malformed_Function_Call yang terkait dengan teks pra-alat, hapus komentar awal sebelum panggilan alat.
    • Untuk meneruskan catatan kerja atau pembaruan status sementara sebelum panggilan alat, sertakan dalam panggilan fungsi update() khusus, bukan menampilkan XML atau teks mentah:

      {
        "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"]
        }
      }
      
  • Validasi urutan chat:

    • Payload histori tidak boleh diakhiri dengan turn peran "model".
    • Turn model yang telah diisi sebelumnya tidak didukung dan harus dihapus saat mengupgrade.
    • Turn kosong dalam histori percakapan akan otomatis dihilangkan atau akan menghasilkan error validasi.

Bermigrasi ke 3.7 Flash dari 3.5 Flash atau 3.6 Flash

Untuk bermigrasi ke 3.7 Flash dari 3.5 Flash atau 3.6 Flash, lakukan langkah-langkah berikut:

  1. Perbarui ID model: Ubah string model dalam panggilan API Anda menjadi gemini-3.7-flash.
  2. Ganti parameter anggaran penalaran: Ganti konfigurasi bilangan bulat thinking_budget dengan enum string thinking_level yang ditetapkan ke salah satu nilai berikut:
    • HIGH: Direkomendasikan untuk QA visual padat, deteksi gerakan sepersekian detik (olahraga, pengeditan), atau penalaran multi-langkah di seluruh video berdurasi 60+ menit.
    • MEDIUM: Tingkat penalaran default. Tingkat ini memberikan keseimbangan optimal untuk Q&A video umum, ringkasan kuliah, dan pengambilan klip.
    • LOW: Direkomendasikan untuk tugas seperti penelusuran cepat yang berfokus pada transkrip atau ekstraksi metadata dasar.
  3. Hapus parameter yang tidak digunakan lagi dan tidak didukung:
    • Hapus temperature, top_p, dan top_k.
    • Hapus candidate_count, frequency_penalty, dan presence_penalty.
    • Hapus turn model yang telah diisi sebelumnya dari histori percakapan.

Checklist ringkasan untuk developer

Referensi lainnya