Drei Wochen. So lange hat Google gebraucht, um nach Gemini 3.6 Flash das nächste Modell nachzuschieben: Gemini 3.7 Flash, seit dem 13. August verfügbar. Vor ein paar Jahren lagen zwischen großen Modell-Updates noch locker sechs bis zwölf Monate. Jetzt ist “drei Wochen” die neue Taktzahl bei Googles günstiger Flash-Reihe. Das eigentlich Interessante daran ist für mich aber nicht mal das Tempo, sondern WO das neue Modell am meisten zugelegt hat: nicht beim Plaudern, nicht beim Textschreiben – sondern genau da, wo es für jeden zählt, der beruflich oder privat Prozesse automatisiert.
Was ist das überhaupt?
Gemini 3.7 Flash ist die neueste Version von Googles “Flash”-Reihe, dem schnellen, günstigen Gegenstück zum großen “Pro”-Modell. Stell es dir vor wie bei Autos: Es gibt die Oberklasse für alles, was maximale Leistung braucht, und es gibt den zuverlässigen Kompaktwagen, der für die meisten Fahrten völlig reicht. Der Unterschied 2026 ist nur: Der Kompaktwagen fährt inzwischen fast so gut wie die Oberklasse, kostet aber einen Bruchteil. Google selbst nennt 3.7 Flash sein “intelligentestes Arbeitspferd” fürs Programmieren und für KI-Agenten.
Konkret soll das neue Modell laut Google vor allem in vier Bereichen zugelegt haben: beim Programmieren (Debugging, Fehler finden und beheben), beim Bauen von Webseiten aus einer Beschreibung oder einem Screenshot, beim Verstehen komplexer Dokumente wie Finanzberichten oder Verträgen – und beim Automatisieren von Business-Workflows, also Aufgaben, die mehrere Programme miteinander verbinden, so wie du es aus n8n, Zapier oder Power Automate kennst.
Wie funktioniert das?
Google sagt, die Verbesserungen kommen nicht aus einem größeren Modell, sondern aus Entwickler-Feedback und Feintuning am bestehenden Ansatz. Ob das die ganze Geschichte ist, kann von außen niemand prüfen. Die Zahlen, die Google veröffentlicht hat, sind aber konkret, und unabhängige Tech-Portale wie 9to5Google haben sie identisch übernommen und nachgerechnet:
- Programmieren (FrontierCode 1.1 Main): von 34,4 auf 43,6 Prozent
- Längere Programmier-Aufgaben (DeepSWE v1.1): von 49,0 auf 65,3 Prozent
- Web-Entwicklung (WebDev Arena, gemessen im Elo-Wert, wie eine Art Ranglisten-Punktzahl aus dem Schach): von 1538 auf 1588
- Komplexe Dokumente lesen (GDP.pdf-Benchmark): von 22,0 auf 34,0 Prozent
- Business-Workflows automatisieren (AutomationBench): von 17,0 auf 30,4 Prozent
Ein Benchmark ist im Grunde nichts anderes als eine standardisierte Prüfung für Modelle – dieselben Aufgaben, dieselbe Bewertung, damit du verschiedene Modelle überhaupt vergleichen kannst.
Der letzte Wert in der Liste ist für mich der spannendste, deshalb lohnt sich ein zweiter Blick auf den Test dahinter. AutomationBench kommt nämlich nicht von Google, sondern von Zapier – ja, genau die Automatisierungs-Plattform, die viele von euch selbst nutzen. Zapier hat 657 Aufgaben gebaut, die echte Business-Workflows nachstellen: eine Anfrage aus dem CRM holen, mit dem Kalender abgleichen, eine E-Mail korrekt formulieren und verschicken, ein Support-Ticket richtig weiterleiten. Bewertet wird dabei nicht, ob die Antwort des Modells vernünftig klingt, sondern ob am Ende tatsächlich die richtigen Daten im richtigen System gelandet sind – knallharte Ja-oder-Nein-Prüfung, kein Wohlwollen. Ein Modell, das sich in so einem Test fast verdoppelt, wird also nicht nur wortgewandter, sondern zuverlässiger genau bei den mehrstufigen, App-übergreifenden Aufgaben, die klassische Automatisierung ausmachen.
Warum ist das relevant?
Weil Modelle wie dieses genau die Ebene sind, auf der die meisten Automatisierungs-Tools aufbauen. Egal ob du in n8n einen Workflow zusammenklickst, in Power Automate eine Genehmigung durchreichst oder wie ich eigene kleine KI-Agenten für Apps schreibst: Irgendwo dahinter steckt ein Sprachmodell, das entscheidet, ob ein Schritt korrekt ausgeführt wird. Wenn genau dieses Modell bei mehrstufigen, App-übergreifenden Aufgaben plötzlich fast doppelt so zuverlässig ist – und gleichzeitig günstiger wird – verändert das direkt, was sich für dich zu bauen lohnt.
Zur Einordnung der Preise: 3.7 Flash kostet zum Einführungspreis 0,75 US-Dollar pro Million Input-Token und 3,75 Dollar pro Million Output-Token. Falls dir die Begriffe nichts sagen: Token sind die Sprachhäppchen, in die ein Modell Text zerlegt, grob 750 Wörter pro 1.000 Token. Input ist alles, was du reinschickst, Output das, was das Modell zurückschreibt – und Output ist immer teurer, ungefähr wie beim Handwerker, bei dem die Arbeitsstunde mehr kostet als die Anfahrt. Der Einführungspreis von 3.7 Flash ist genau die Hälfte dessen, was 3.6 Flash vor drei Wochen beim eigenen Start gekostet hat. Nutzen kannst du das Modell als Entwickler direkt über Google AI Studio oder die Programmierschnittstelle, als Unternehmen über die Gemini-Enterprise-Plattform.
Genau das Muster – kleinere Modelle holen auf, Preise fallen, während die Fähigkeiten für echte Automatisierung steigen – hatte ich hier vor ein paar Wochen schon beim großen KI-Preiskrieg im Juli beschrieben. Gemini 3.7 Flash ist ein weiterer Beleg dafür: Der Wettbewerb zwischen den großen Anbietern spielt sich immer weniger über “wer ist am schlausten” ab und immer mehr über “wer erledigt Business-Aufgaben am zuverlässigsten für am wenigsten Geld”.
Was solltest du beachten?
Der Einführungspreis läuft aus. 0,75/3,75 Dollar gelten nur bis Jahresende, ab dem 1. Januar 2027 werden daraus 1,50/7,50 Dollar – exakt das Doppelte. Wenn du gerade etwas Dauerhaftes baust, kalkuliere gleich mit dem höheren Preis, dann gibt es im Januar keine böse Überraschung auf der Rechnung.
Die Zahlen kommen von Google selbst. FrontierCode, DeepSWE, WebDev Arena und AutomationBench sind zwar unabhängige, öffentliche Benchmarks – aber welche Version davon wie oft läuft und wie das Ergebnis präsentiert wird, bestimmt trotzdem der Anbieter. Wie immer an dieser Stelle gilt: erst eigene Tests mit deiner eigenen Aufgabe, dann glauben.
Und dann noch ein Punkt, der mich beim Recherchieren selbst überrascht hat: Gemini Spark, Googles persönlicher KI-Agent, der ab sofort mit 3.7 Flash läuft, ist zwar in über 160 Ländern verfügbar – aber ausgerechnet nicht im Europäischen Wirtschaftsraum, also auch nicht in Deutschland, dazu nicht in der Schweiz, Großbritannien und Nigeria. Einen offiziellen Grund nennt Google dafür nicht. Für uns heißt das konkret: Das Modell Gemini 3.7 Flash selbst kannst du als Entwickler über die API ganz normal nutzen und in eigene Automatisierungen einbauen. Nur die fertige Spark-App als 24-Stunden-Assistent bekommst du hierzulande vorerst nicht zu fassen.
Fazit & Ausblick
Ein Modell, das drei Wochen nach seinem Vorgänger kommt, günstiger ist und sich ausgerechnet bei App-übergreifenden Business-Aufgaben fast verdoppelt, ist mehr als eine Randnotiz für Entwickler. Es zeigt, wohin die großen Anbieter gerade optimieren: nicht mehr nur Richtung Chatbot, sondern Richtung zuverlässiger Ausführung echter Aufgaben, über mehrere Systeme hinweg. Für alle, die mit Automatisierung arbeiten, ob beruflich mit Power Platform und UiPath oder privat mit eigenen Agenten, wird die Basis darunter gerade im Wochentakt besser und billiger.
Mein Fazit bleibt trotzdem nüchtern: Ich schau mir 3.7 Flash in den nächsten Tagen für ein, zwei eigene Automatisierungen an und vergleiche es direkt mit dem, was ich aktuell nutze – nicht weil Google es sagt, sondern weil ich es selbst sehen will. Bei dem Tempo, das Google gerade vorlegt, lohnt es sich sowieso nicht, sich zu sehr an ein einzelnes Modell zu binden. In drei Wochen kommt ohnehin schon das nächste.
Deine Gedanken dazu:
Baust du deine Automatisierungen so, dass du das dahinterliegende Modell in wenigen Minuten austauschen könntest – oder hängt bei dir viel an einem einzelnen Anbieter?
Stört es dich, dass Deutschland und die EU bei Produkten wie Gemini Spark regelmäßig als Letztes oder gar nicht bedient werden?
Vertraust du Benchmark-Werten, die ein Anbieter über sein eigenes Modell veröffentlicht, oder wartest du grundsätzlich auf unabhängige Tests?
Wo in deinem Alltag, beruflich oder privat, würde eine KI, die zuverlässig mehrere Programme miteinander verbindet, gerade am meisten Zeit sparen?