Gemini 3.7 Flash Resmi Dirilis: Apa yang Baru, Fitur, Harga, dan Cara Menggunakannya

Kalau Google baru merilis Gemini 3.6 Flash tiga minggu lalu, kenapa sudah ada Gemini 3.7 Flash? Pertanyaan itu justru membuka gambaran yang lebih besar tentang arah perkembangan AI pada 2026. Google tidak lagi mengejar model Flash yang sekadar mampu menjawab pertanyaan dengan cepat, tetapi semakin serius membangun model yang dapat menulis kode, merencanakan beberapa tahapan pekerjaan, menggunakan tools, membaca dokumen rumit, hingga menjalankan workflow berbasis agen. Diluncurkan pada 13 Agustus 2026, Gemini 3.7 Flash mencatat skor 65,3 persen pada DeepSWE v1.1 dibanding 49,0 persen pada Gemini 3.6 Flash, sementara AutomationBench naik dari 17,0 persen menjadi 30,4 persen. ^[1] Perubahan ini membuat rilis yang jaraknya sangat dekat dengan pendahulunya menjadi jauh lebih masuk akal. Namun semakin jauh AI bergerak dari menjawab menuju bertindak, semakin penting pula memahami guardrail, izin akses, dan kapan keputusan AI tetap harus diperiksa manusia. Artikel ini akan membedah bagian tersebut, bukan hanya mengulang daftar fitur dari Google.

Ringkasan Cepat Gemini 3.7 Flash

Data spesifikasi, harga, serta benchmark di atas merujuk dokumentasi resmi Google dan Google DeepMind. ^{[1] [2] [3] [4]}

Apa Itu Gemini 3.7 Flash?

Gemini 3.7 Flash adalah model reasoning multimodal dalam keluarga Gemini 3 yang dirancang Google untuk menangani pekerjaan nyata dengan keseimbangan antara kemampuan, kecepatan, dan biaya. Google menyebutnya sebagai model Flash paling mampu untuk agentic workflow dan multimodal reasoning saat diluncurkan. ^{[1] [4]} Artinya, posisi Flash semakin jauh dari citra model ringan yang hanya unggul karena cepat.

Model ini dapat menangani teks, gambar dan konteks multimodal, serta menawarkan context window hingga satu juta token dengan keluaran maksimum 64 ribu token. Pengembang juga dapat mengatur tingkat reasoning melalui pilihan Low, Medium, dan High. ^[2] Medium menjadi pengaturan standar, sedangkan High memberi model ruang lebih besar untuk reasoning dan penggunaan tools dengan konsekuensi konsumsi token yang lebih tinggi.

Pergeseran ini penting karena Gemini 3.7 Flash terbaru tidak hanya dirancang untuk menghasilkan jawaban. Model mulai berfungsi sebagai mesin reasoning di balik aplikasi, coding assistant dan agen yang harus menentukan urutan tindakan sebelum mencapai tujuan.

Google bahkan menempatkan code generation, spatial dan multimodal reasoning, multi step agentic workflow, serta design adherence sebagai kelompok penggunaan utamanya. ^[2] Dalam praktiknya, inilah titik ketika perbandingan AI tidak lagi cukup dilakukan dengan menanyakan siapa yang paling pintar menjawab sebuah prompt.

Mengapa Google Merilis Gemini 3.7 Flash Hanya Tiga Minggu Setelah Gemini 3.6 Flash?

Gemini 3.6 Flash diperkenalkan pada 21 Juli 2026, sedangkan Gemini 3.7 Flash muncul pada 13 Agustus. Google secara eksplisit menyebut jarak sekitar tiga minggu tersebut dan mengatakan pembaruannya merupakan hasil kombinasi masukan developer dengan inovasi algoritmik yang ingin dibawa ke model berikutnya. ^[1] Jadi ini lebih menyerupai iterasi cepat pada mesin kerja dibanding pergantian generasi besar yang harus menunggu berbulan bulan.

Alasan terpentingnya terlihat dari area yang ditingkatkan. Gemini 3.6 Flash sebenarnya sudah diarahkan untuk efisiensi, reasoning dan pembangunan agen, tetapi 3.7 lebih agresif memperbaiki software engineering, web development, penggunaan tools, serta kemampuan mengikuti instruksi dalam workflow panjang.

Google juga menyebut model baru lebih mampu beradaptasi ketika menemui hambatan dan dapat meminta klarifikasi ketika maksud pengguna belum cukup jelas. ^[1] Ini terdengar sederhana, tetapi sangat penting untuk agentic AI. Agen yang salah menafsirkan perintah pada langkah kedua dari sepuluh langkah dapat membawa seluruh workflow ke arah yang salah.

Karena itu, rilis cepat 3.7 Flash memberi sinyal mengenai kompetisi AI 2026 yang sebenarnya. Perlombaannya semakin bergeser dari siapa yang memiliki chatbot paling fasih menuju siapa yang mampu membuat model cepat dan ekonomis menjalankan pekerjaan digital secara lebih konsisten.

Apa Saja yang Baru di Gemini 3.7 Flash?

Peningkatan Gemini 3.7 Flash tersebar di beberapa area, tetapi semuanya memiliki benang merah yang sama, yaitu membuat model lebih berguna ketika pekerjaan tidak selesai hanya dengan satu respons. Google menonjolkan kemampuan software engineering, web development, pemahaman dokumen, workflow perusahaan dan tool use. ^[1] Dalam banyak kasus, peningkatan tersebut juga dapat diukur melalui benchmark yang membandingkannya langsung dengan Gemini 3.6 Flash.

Namun benchmark tetap harus dibaca sebagai indikator, bukan jaminan bahwa setiap pekerjaan pengguna akan meningkat dengan persentase yang sama. Lingkungan produksi memiliki prompt, data, tools dan guardrail yang jauh lebih beragam daripada pengujian terkontrol.

Coding dan Debugging Lebih Kuat

Peningkatan paling jelas terlihat pada Gemini 3.7 Flash coding. Google mengatakan model baru memiliki kemampuan lebih baik untuk debugging, menyelesaikan issue dan menghasilkan kode yang lebih siap dipakai. ^[1] Ini menjelaskan mengapa coding menjadi salah satu tema terbesar dari peluncuran ini.

Pada FrontierCode 1.1 Main, skor Gemini 3.7 Flash mencapai 43,6 persen dibanding 34,4 persen pada 3.6 Flash. DeepSWE v1.1 menunjukkan selisih yang lebih lebar, yaitu 65,3 persen dibanding 49,0 persen. ^[1]

Keuntungan praktisnya bukan hanya kemampuan menulis fungsi baru. Untuk pekerjaan engineering, kualitas pada percobaan pertama dapat mengurangi siklus meminta revisi, menjalankan ulang agent dan memperbaiki kegagalan yang muncul pada tahapan berikutnya.

Tetap saja, kode AI sebaiknya diperlakukan seperti kontribusi developer lain. Review, unit test, integration test, pemeriksaan dependency dan security scanning masih dibutuhkan sebelum perubahan masuk ke lingkungan produksi.

Multi Step Reasoning dan Tool Calling Lebih Disiplin

Agentic AI membutuhkan kemampuan berbeda dari chatbot biasa. Model harus dapat membagi tujuan menjadi beberapa tahap, menentukan tool yang tepat, membaca hasil tool, kemudian memilih tindakan berikutnya tanpa kehilangan konteks.

Gemini 3.7 Flash dirancang untuk bekerja lebih baik pada pola seperti itu. Google menyebutnya lebih rajin dalam melakukan multi step planning dan tool calls, sekaligus lebih mampu menyesuaikan pendekatan ketika menemui hambatan. ^[1]

Pilihan thinking level juga menjadi bagian penting. Low dapat digunakan ketika latensi lebih penting, Medium menjadi pilihan standar untuk sebagian besar penggunaan kompleks, sedangkan High menyediakan reasoning lebih dalam untuk coding, matematika dan agentic task yang sulit. ^[2]

Bagi developer, kontrol ini memungkinkan biaya reasoning disesuaikan dengan risiko pekerjaan. Tidak semua permintaan membutuhkan model berpikir panjang, tetapi tugas yang berpotensi memengaruhi data atau sistem produksi sebaiknya tidak semata mengejar respons tercepat.

Pembuatan Web dan UI dari Screenshot atau Design System

Salah satu kemampuan yang menarik untuk developer front end adalah peningkatan design adherence. Gemini 3.7 Flash dapat menggunakan screenshot, gambar maupun design system sebagai referensi ketika membuat interface. ^[1]

Google mengklaim model menghasilkan layout yang lebih fungsional dan aplikasi yang lebih lengkap dalam jumlah prompt lebih sedikit. Pada WebDev Arena, 3.7 Flash memperoleh Elo 1588 dibanding 1538 untuk 3.6 Flash. ^[1]

Kemampuan ini membuat proses dari desain menuju prototipe semakin pendek. Screenshot tidak lagi sekadar gambar yang dianalisis, tetapi dapat menjadi referensi visual untuk menghasilkan struktur aplikasi.

Meski demikian, parity visual tidak sama dengan kesiapan produksi. Accessibility, responsive behavior, performa, keamanan form, browser compatibility dan maintainability tetap memerlukan pengujian manual.

Pemahaman PDF dan Dokumen Kompleks

Kemampuan membaca dokumen menjadi area peningkatan lain yang mudah luput dari perhatian. Ini penting karena banyak pekerjaan profesional tidak berlangsung dalam percakapan pendek, melainkan di dalam laporan keuangan, dokumen hukum, proposal, dokumentasi teknis dan file berukuran besar.

Pada benchmark GDP.pdf, skor Gemini 3.7 Flash mencapai 34,0 persen dibanding 22,0 persen pada 3.6 Flash. ^[1] Benchmark tersebut digunakan untuk menilai kemampuan model dalam bekerja dengan dokumen kompleks.

Context window satu juta token juga memberi ruang untuk memasukkan konteks yang sangat besar. ^[2] Namun kapasitas konteks tidak berarti setiap detail otomatis dipahami sempurna.

Untuk dokumen hukum, finansial atau keputusan bisnis penting, bagian yang menjadi dasar keputusan sebaiknya tetap dibuka kembali dari sumber aslinya. AI dapat mempercepat pencarian dan sintesis, tetapi proses verifikasi tidak boleh hilang hanya karena konteks yang diproses semakin besar.

Workflow Bisnis dan Automation

AutomationBench menjadi salah satu angka paling menarik dalam peluncuran ini. Gemini 3.7 Flash memperoleh skor 30,4 persen dibanding 17,0 persen untuk Gemini 3.6 Flash. ^[1]

Peningkatan ini relevan karena workflow bisnis biasanya membutuhkan kombinasi beberapa kemampuan. Agen mungkin perlu mencari informasi, membaca file, mengubah dokumen, membuat draft, lalu menjalankan tindakan pada aplikasi lain.

Gemini Spark menjadi contoh nyata arah tersebut. Dengan Gemini 3.7 Flash, Spark dapat memanfaatkan Workspace untuk menggabungkan file, menyiapkan email dan memperbarui status dokumen. ^[1]

Tetapi automation yang baik bukan automation tanpa kendali. Semakin banyak aplikasi yang dapat diakses agen, semakin penting permission dibuat sesempit kebutuhan tugas dan tindakan kritis tetap memiliki titik persetujuan manusia.

Context Window 1 Juta Token

Gemini 3.7 Flash mendukung context window hingga satu juta token dan maksimum output 64 ribu token. ^[2] Kapasitas ini membuat model cocok untuk codebase besar, kumpulan dokumen, laporan panjang atau workflow yang membutuhkan banyak konteks sekaligus.

Kemampuan tersebut juga berguna untuk agen. Agen dapat mempertahankan lebih banyak informasi selama menjalankan rangkaian pekerjaan daripada jika konteks harus terus dipotong menjadi bagian kecil.

Namun context window yang besar bukan alasan untuk memasukkan semua data perusahaan ke prompt. Data minimization tetap penting. Informasi yang tidak diperlukan untuk menyelesaikan tugas sebaiknya tidak diberikan kepada model maupun Connected Apps.

Gemini 3.7 Flash vs Gemini 3.6 Flash

Perbandingan Gemini 3.7 Flash vs Gemini 3.6 Flash paling menarik bukan pada ukuran context window, karena keduanya berada pada keluarga model yang sangat berdekatan. Perbedaannya terlihat pada kualitas eksekusi pekerjaan yang membutuhkan coding, tools dan beberapa tahapan reasoning. ^[1] Google tampaknya menggunakan 3.7 untuk memperbaiki area yang cepat memperoleh feedback setelah 3.6 diluncurkan.

Data benchmark berasal dari materi peluncuran Google dan evaluator yang dirujuk Google. ^[1]

Hal menarik lainnya adalah harga. Saat ini Google menerapkan tarif promosi yang sama untuk Gemini 3.7 Flash dan 3.6 Flash hingga akhir 2026. Jadi bila memulai proyek baru sekarang, tidak banyak alasan memilih 3.6 hanya untuk menghemat biaya token.

Migrasi tetap perlu diuji menggunakan workload sendiri. Benchmark publik tidak mengetahui bentuk schema, function call, aturan bisnis atau data yang digunakan aplikasi Anda.

Berapa Harga Gemini 3.7 Flash?

Harga Gemini 3.7 Flash memiliki satu detail yang mudah membuat pembaca salah paham. Google memberikan harga pengantar sampai 31 Desember 2026 sebesar US$0,75 per satu juta token input dan US$3,75 per satu juta token output untuk Standard API. ^[4]

Mulai 1 Januari 2027 tarif tersebut dijadwalkan naik menjadi US$1,50 untuk satu juta token input dan US$7,50 untuk output. ^[4] Dengan kata lain, developer yang menghitung biaya produksi jangka panjang sebaiknya tidak membuat proyeksi anggaran hanya berdasarkan harga promosi 2026.

Untuk Batch API, selama masa promosi tarifnya US$0,375 per satu juta token input dan US$1,875 untuk output. ^[4] Pilihan ini menarik untuk pekerjaan yang tidak membutuhkan respons real time.

Thinking token ikut dihitung sebagai output token. Karena itu menggunakan thinking level High secara agresif pada setiap permintaan dapat meningkatkan biaya walaupun harga dasar model terlihat murah.

Di Mana Gemini 3.7 Flash Bisa Digunakan?

Google tidak membatasi Gemini 3.7 Flash pada satu chatbot. Model ini ditempatkan di beberapa lapisan ekosistem Google, mulai dari API developer sampai agen personal dan platform perusahaan. ^[1] Perbedaan tempat penggunaannya juga menentukan jenis kontrol dan permission yang perlu diperhatikan.

Gemini 3.7 Flash API

Developer dapat menggunakan Gemini 3.7 Flash API dengan model ID gemini-3.7-flash. ^[2] API memungkinkan model digunakan untuk aplikasi sendiri, agent, analisis multimodal dan integrasi workflow.

Google menyediakan Interactions API serta Gen AI SDK untuk mengakses kemampuan model. Pengembang juga dapat menentukan thinking level sesuai kebutuhan aplikasi.

Untuk produksi, evaluasi sebaiknya tidak berhenti pada jawaban yang terlihat benar. Function calling, structured output, retry behavior, idempotency dan authorization antar tool perlu diuji sebagai bagian dari sistem.

Gemini 3.7 Flash di Google AI Studio

Gemini 3.7 Flash AI Studio merupakan salah satu jalur paling mudah untuk menguji model sebelum menulis integrasi penuh. Google menyediakan akses langsung dari halaman dokumentasi model menuju AI Studio. ^[2]

AI Studio berguna untuk mencoba prompt, mengevaluasi respons dan memahami pengaruh konfigurasi reasoning. Developer dapat menggunakannya sebagai laboratorium sebelum konfigurasi dibawa ke API produksi.

Eksperimen di AI Studio tetap perlu dipisahkan dari keputusan production readiness. Prompt yang berhasil beberapa kali belum membuktikan sistem akan konsisten ketika menerima variasi input nyata.

Google Antigravity

Google Antigravity 2.0 dirancang sebagai workspace untuk mengarahkan dan mengorkestrasi coding agent. Platform ini memungkinkan agen menangani pekerjaan seperti refactoring, membuat unit test dan membangun komponen berdasarkan spesifikasi, termasuk melalui beberapa subagent. ^[7]

Kombinasi Antigravity dengan kemampuan coding Gemini 3.7 Flash membuat arahnya cukup jelas. Google ingin model Flash menjadi mesin yang mampu menjalankan loop engineering, bukan hanya menyarankan potongan kode.

Di lingkungan seperti ini, permission repository, terminal, cloud dan deployment perlu dibatasi secara sadar. Agen yang mampu memperbaiki banyak file juga mampu memperbesar kesalahan dengan cepat ketika tujuan awal keliru.

Gemini Spark

Gemini Spark adalah agen personal berbasis cloud yang dapat mengerjakan tugas secara berkelanjutan melalui layanan seperti Gmail, Calendar, Docs, Sheets, Slides dan aplikasi terhubung lainnya. Gemini 3.7 Flash mulai digunakan Spark saat peluncuran model tersebut. ^[1]

Spark menarik karena di sinilah perubahan AI dari jawaban menjadi tindakan terasa paling konkret. Agen dapat mencari informasi, membuat atau mengedit file serta menjalankan workflow meskipun pengguna tidak terus membuka percakapan.

Google memberi pengguna pilihan apakah Spark akan diaktifkan dan aplikasi apa yang boleh terhubung. Untuk tindakan berisiko tinggi seperti melakukan pembayaran atau mengirim email, sistem dirancang meminta persetujuan pengguna lebih dulu. ^[5] Ini merupakan contoh mengapa permission dan human approval menjadi bagian produk, bukan sekadar saran keamanan tambahan.

Gemini Enterprise

Gemini 3.7 Flash juga tersedia untuk penggunaan produksi melalui Gemini Enterprise Agent Platform. Google menyatakan model ini sudah berstatus generally available pada 13 Agustus 2026. ^[8]

Untuk organisasi, kemampuan agen harus berjalan berdampingan dengan governance. Admin dapat mengatur ketersediaan model, sedangkan konfigurasi lokasi serta data residency perlu disesuaikan dengan kebutuhan organisasi.

Model yang lebih mampu mengotomatisasi pekerjaan bukan alasan untuk mengurangi governance. Justru karena tindakan yang dapat dilakukan semakin luas, audit trail, hak akses dan batas sistem menjadi semakin penting.

Apakah Gemini 3.7 Flash Tersedia di Indonesia?

Untuk developer Indonesia, Gemini 3.7 Flash dapat diakses melalui jalur Gemini API dan Google AI Studio sesuai ketersediaan layanan Google. Gemini Spark sendiri telah diperkenalkan secara resmi Google untuk Indonesia pada 29 Juli 2026. ^[5]

Google menyatakan Spark tersedia bagi pelanggan yang memenuhi syarat dan telah memperluas dukungannya ke lebih dari 160 negara. ^[1] Google Indonesia juga menyebut dukungan Bahasa Indonesia untuk Spark. ^[5]

Namun akses setiap fitur tidak selalu identik. Produk konsumen, API, Spark dan Gemini Enterprise memiliki persyaratan akun serta paket langganan yang berbeda.

Karena itu, saat membahas Gemini 3.7 Flash Indonesia, penting membedakan ketersediaan model dari ketersediaan seluruh fitur produk yang menggunakan model tersebut.

Siapa yang Paling Diuntungkan dari Gemini 3.7 Flash?

Gemini 3.7 Flash akan terasa paling relevan bagi developer dan tim yang pekerjaannya memang membutuhkan reasoning berulang, bukan sekadar pembuatan teks. Software engineer dapat memanfaatkannya untuk debugging, refactoring atau prototyping interface, sementara tim operasional dapat membangun workflow yang melibatkan beberapa aplikasi.

Perusahaan juga memperoleh pilihan menarik karena model Flash berusaha menawarkan kualitas reasoning tinggi tanpa langsung menggunakan model kelas Pro untuk setiap tugas. Harga promosi 2026 memperkuat daya tarik tersebut.

Content researcher, analis dan pekerja pengetahuan juga dapat memperoleh manfaat dari kemampuan pemrosesan PDF dan context window yang besar. Namun kelompok ini perlu sangat disiplin membedakan ekstraksi informasi dari verifikasi fakta.

Model ini mungkin kurang menarik bila kebutuhan hanya berupa klasifikasi sederhana atau pemrosesan volume sangat tinggi dengan reasoning minimal. Model Flash Lite dapat menjadi pilihan biaya yang lebih masuk akal untuk beberapa skenario seperti itu.

Keterbatasan Gemini 3.7 Flash, Hallucination Tetap Ada

Bagian ini mungkin lebih penting daripada sederet benchmark. Model card Google DeepMind secara eksplisit menyatakan Gemini 3.7 Flash masih dapat menunjukkan keterbatasan umum foundation model, termasuk hallucination. Google juga mencatat kemungkinan occasional slowness dan timeout. ^[3]

Knowledge cutoff utamanya berada sekitar Maret 2026. Google menjelaskan bahwa sebagian domain dapat memiliki informasi yang lebih baru, sedangkan beberapa area dapat terbatas sampai Januari 2025, sejalan dengan keluarga Gemini 3. ^[3]

Artinya, context window satu juta token dan peningkatan reasoning tidak mengubah kebutuhan grounding. Model yang mampu menjalankan sepuluh tindakan tetap dapat memulai dari asumsi keliru.

Google juga memperbarui safeguard Gemini 3.7 Flash terhadap penyalahgunaan pada area Chemical, Biological, Radiological and Nuclear serta cyber offense. ^[1] Langkah tersebut menunjukkan guardrail terus dikembangkan seiring bertambahnya kemampuan model.

Bagi pengguna biasa dan perusahaan, tiga lapisan pengamanan sebaiknya diperlakukan terpisah.

Guardrail model menentukan tindakan atau konten yang dapat ditolak atau dibatasi model.

Permission sistem menentukan data, aplikasi dan tools apa saja yang boleh diakses agen.

Manual review menentukan keputusan mana yang tetap harus diperiksa manusia sebelum menghasilkan dampak nyata.

Ketiga lapisan tersebut tidak saling menggantikan. Guardrail yang kuat tidak akan membantu jika agen diberi hak akses berlebihan terhadap sistem internal. Sebaliknya, permission yang ketat tidak menjamin informasi yang ditulis model selalu akurat.

Gemini Spark memberikan contoh pendekatan tersebut. Pengguna memilih aplikasi yang terhubung, beberapa perubahan pada dokumen bersama meminta review dan konfirmasi, sementara tindakan berisiko tinggi dapat memerlukan persetujuan. Google sendiri mengingatkan bahwa Spark masih dapat membuat kesalahan dan pekerjaan sensitif dapat membutuhkan supervisi pengguna. ^{[5] [6]}

Untuk coding agent, prinsip yang sama berarti perubahan kode harus melalui diff review, automated testing dan deployment control. Untuk workflow keuangan, pembayaran atau perubahan data penting sebaiknya memiliki approval gate. Untuk konten faktual, sumber asli tetap perlu dibuka ketika informasi menjadi dasar keputusan.

Apakah Gemini 3.7 Flash Layak Digunakan?

Jika Gemini 3.6 Flash baru berumur sekitar tiga minggu ketika penggantinya muncul, pertanyaan yang lebih berguna bukan apakah Google terlalu cepat merilis model baru, melainkan apa yang sedang dikejar. Jawabannya semakin jelas, Google sedang membangun Flash sebagai mesin kerja untuk coding, agentic execution dan workflow panjang, bukan hanya model percakapan cepat. Benchmark software engineering, web development, pemahaman dokumen dan automation menunjukkan peningkatan yang cukup besar untuk membuat Gemini 3.7 Flash layak diuji pada workload nyata. ^[1]

Harga promosi sampai akhir 2026 semakin memperkecil hambatan untuk eksperimen. Namun daya tarik terbesar model ini justru datang bersama tanggung jawab baru. Ketika AI hanya menulis jawaban, kesalahan biasanya berhenti di layar. Ketika AI memiliki tool, akses file dan kemampuan menjalankan workflow, kesalahan dapat berubah menjadi tindakan.

Karena itu pendekatan yang sehat terhadap Gemini 3.7 Flash bukan menyerahkan seluruh pekerjaan kepada agen, tetapi menentukan dengan jelas apa yang boleh dikerjakan otomatis, akses apa yang benar benar diperlukan, tindakan apa yang membutuhkan approval, dan bagian mana yang harus melalui review manusia.

Gemini 3.7 Flash layak digunakan bagi developer, pekerja pengetahuan dan organisasi yang membutuhkan kombinasi kemampuan reasoning, kecepatan serta biaya relatif rendah. Tetapi nilai sebenarnya baru muncul ketika kemampuan agentic tersebut dipasangkan dengan guardrail, permission yang terbatas dan proses manual review yang jelas. Kalau kamu sudah mencoba Gemini 3.7 Flash, terutama untuk coding, Gemini Spark atau automation, bagikan pengalamanmu di kolom komentar. Pertanyaan dan temuan yang berbeda juga menarik untuk kita diskusikan bersama.

References

1. Google — Introducing Gemini 3.7 Flash
2. Google AI for Developers — What's New in Gemini 3.7 Flash
3. Google DeepMind — Gemini 3.7 Flash Model Card
4. Google AI for Developers — Gemini Developer API Pricing
5. Google Indonesia — Memperkenalkan Gemini Spark
6. Google Gemini Help — Use Gemini Spark to Manage Tasks and Workflows
7. Google Cloud — What Google I/O 2026 Means for Agent Developers
8. Google Cloud — Gemini Enterprise Agent Platform Release Notes

Sebarkan sinyal