Thinking level no Gemini 3.7 Flash: como escolher entre qualidade, custo e latência?

Qualidade parou de ser um dado do modelo e virou uma escolha de quem chama a API

O Google lançou o Gemini 3.7 Flash em 13 de agosto de 2026, três semanas depois do 3.6 Flash, e a mudança que mais mexe no seu dia a dia não é um número de benchmark: o modelo veio com configurações de pensamento customizáveis pra controlar a mistura de qualidade, custo e latência

Ou seja, o quanto ele pensa antes de responder agora é parâmetro

E parâmetro é decisão sua, beleza?

Bora entender o que essa chave decide de verdade…

O que o thinking_level controla (e por que ele substituiu o thinking_budget):

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

Nos modelos Gemini 3 o parâmetro se chama thinking_level

Ele é um enum de string que fica dentro do generation_config, e entrou no lugar do antigo thinking_budget, que era numérico

A troca muda a cabeça de quem configura: antes tu tentava adivinhar uma quantidade de tokens, agora tu escolhe um PATAMAR

"generation_config": {
  "thinking_level": "medium"
}

E o que essa chave decide na prática?

Quantos tokens de raciocínio interno o modelo gera antes de te entregar a resposta

Analogia de aproximação: pensa naquele colega que responde de bate pronto e naquele outro que pede cinco minutos pra rascunhar no papel antes de falar

Os dois acertam bastante, só que em tipos diferentes de pergunta =)

Então o caminho é escrever thinking_level no generation_config e seguir a vida

LOW, MEDIUM e HIGH: o que muda em cada nível

São três níveis suportados, e a documentação é bem econômica no que promete de cada um

Vou repetir só o que ela afirma, sem inventar percentual de ganho nem de latência:

Tome cuidado com um detalhe: o valor MINIMAL NÃO está disponível no Gemini 3.7 Flash

Se você definir MINIMAL explicitamente, a API devolve erro de validação

Ou seja, a régua de baixo do modelo é o LOW, não tem degrau abaixo dele

Qual nível de pensamento combina com cada tipo de tarefa

Agora traduzindo isso pra tarefa de verdade, que é onde a decisão acontece

LOW é o nível de quando o relógio manda: pipeline de resposta a incidentes, chat em tempo real, rascunho e análise rápida de dados

São os casos em que uma resposta boa agora vale mais que uma resposta ótima daqui a pouco

MEDIUM é o padrão, e padrão bom existe justamente pra você não ficar mexendo em botão sem motivo

É o nível que a doc aponta como melhor qualidade pra maioria das tarefas, então ele é o seu daily driver

HIGH é quando o raciocínio manda: planejamento multi-etapas, geração de código verificado e function calling avançado

Aquela tarefa que tem passo dependendo de passo, sabe? É ali que liberar mais tokens de pensamento faz sentido

A régua de decisão que eu usaria é essa: comece no padrão e só mude quando a tarefa mostrar por que

Mudar nível "por garantia" é o jeito mais fácil de pagar mais caro sem ganhar nada

Quanto o pensamento pesa na conta e no relógio

Aqui mora a parte que muita gente descobre tarde

Os tokens gerados durante o processo de pensamento SÃO cobrados

Eles aparecem no campo thoughts_token_count e contam como Token Output, ou seja, entram na conta como saída

Traduzindo: subir o nível de pensamento mexe direto na fatura, mesmo que a resposta final que o usuário vê continue do mesmo tamanho

Pra você ancorar o cálculo, o preço introdutório do Gemini 3.7 Flash na API é de US$ 0,75 por 1M de tokens de entrada e US$ 3,75 por 1M de tokens de saída

O cache de contexto no período introdutório sai por US$ 0,075 por 1M de tokens

E tem prazo: esse preço vale até 31 de dezembro de 2026

A partir de 1º de janeiro de 2027 ele dobra, indo pra US$ 1,50 na entrada e US$ 7,50 na saída por 1M de tokens

Esse valor introdutório é metade do preço inicial do 3.6 Flash por milhão de tokens, então quem for planejar orçamento de 2027 já sabe que a conta muda de patamar

Do lado do relógio, a lógica é a mesma vista pelo avesso: restringir o thinking_level reduz o tempo total de processamento, porque limita os tokens de raciocínio interno gerados antes da resposta

Menos pensamento gerado, menos tempo e menos token de saída

Mais pensamento gerado, mais tempo e mais token de saída

É o mesmo botão puxando as duas alavancas 🙂

Como decidir entre qualidade, custo e latência sem chutar

O jeito honesto de escolher é perguntar qual das três variáveis é a restrição DURA da sua aplicação

Se a restrição é o relógio (usuário esperando, incidente rolando), o nível sai de lá e não do seu gosto

Se a restrição é a conta no fim do mês, mesma coisa

Se a restrição é a qualidade do raciocínio, porque um plano errado custa retrabalho, aí HIGH deixa de ser luxo

Como referência de teto, dá pra olhar as medições públicas da Artificial Analysis, que publica o Gemini 3.7 Flash no nível HIGH: 56 no Intelligence Index (a mediana dos comparáveis é 34) e 340,1 tokens por segundo de velocidade de geração (mediana dos modelos de raciocínio em faixa de preço similar: 67,8 t/s)

Repare no detalhe que quase todo mundo pula: esses dois números são do nível HIGH

Os ganhos em código divulgados pelo Google sobre o 3.6 Flash vão na mesma direção: FrontierCode 1.1 Main com 43,6% contra 34,4%, e DeepSWE v1.1 com 65,3% contra 49,0%

A calibragem final, porém, é medição sua: no seu prompt, com a sua carga

Achar que dá pra escolher nível por achismo é o tipo de coisa que só aparece na fatura do mês seguinte…

Conclusão

A régua do Gemini 3.7 Flash cabe em uma linha: fique no MEDIUM, desça pra LOW quando o relógio mandar, suba pra HIGH quando o raciocínio mandar

O próximo passo prático é bem chato e bem eficiente: rode o MESMO prompt nos três níveis, olhando thoughts_token_count e o tempo de resposta em cada um

Com esses dois números na mão você para de decidir por opinião e passa a decidir por medição

Sobre onde rodar, o modelo está disponível na Gemini API via Google AI Studio, no Google Antigravity, no Android Studio, na Gemini Enterprise Agent Platform e no app Gemini Enterprise

Ele aceita entrada de texto, imagem, áudio e vídeo, responde em texto, e trabalha com 1M de tokens de contexto e 64k de saída máxima

E se você anda meio perdido com a quantidade de produto que leva o nome Gemini, vale entender antes a relação entre Gemini e NotebookLM, porque são coisas diferentes com o mesmo sobrenome

Testa os três níveis e me conta o que mudou no seu caso, beleza?

Até o próximo post! 😀