何が起きたのか

Googleは2026-07-21、Geminiファミリーの新しいFlash系3モデル──Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyber──を発表しました（Google公式ブログ 2026-07-21）。このうち3.6 Flashと3.5 Flash-Liteは同日にGemini APIなどで利用可能になった一方、3.5 Flash Cyberは一般提供されるAPIモデルではなく、CodeMenderを介した限定パイロットです（詳細は後述）。中心となるGemini 3.6 Flashは、出力トークンの価格を前世代の3.5 Flashから引き下げつつ、コーディング・知識労働・コンピュータ操作の各ベンチマークで上回ったとされます。

この発表を前後して、一部の技術メディアやコミュニティでは「速く安くはなったが、期待したほど賢くはなっていないのではないか」という受け止めが取り沙汰されました。ただし特定の投稿やその逐語的な文言を一次情報として確認できたわけではないため、本記事では未確認のコミュニティの受け止めとして扱います。本記事では、この「安くなったが本当に賢いのか」という問いを、Google公式ブログと複数の技術メディアが報じた実測値で検証します。結論を先に言えば、公表数値の上では受け止めと逆で、3.6 Flashは前世代より安く、かつスコアも高いというのが実態です。ただし後述するように、その評価にはいくつか留保が必要です。

ベンチマーク:皮肉は本当か

まず数値を並べます。officechai の報道は、Gemini 3.6 Flash・3.5 Flash・3.1 Pro の3モデルを横並びで比較しています（officechai 2026-07-21）。

  • SWE-Bench Pro: 58.7% / 55.1% / 54.2%
  • DeepSWE v1.1: 49% / 37% / 12%
  • Terminal-Bench 2.1: 78.0% / 76.2% / 73.8%
  • MLE-Bench: 63.9% / 49.7% / 42.6%
  • GDPval-AA v2: 1421 / 1349 / 965
  • OSWorld-Verified: 83.0% / 78.4% / 76.2%（3.6 Flashが比較群で最高スコア。3.1 Proの値はofficechai未掲載のためGoogle DeepMindモデルカードで補完）

いずれも3.6 Flashが先頭で、特に注目すべきはSWE-Bench Proの58.7%が、旧世代の上位モデルであるGemini 3.1 Proの54.2%を上回っている点です。Flash（軽量・高速ティア）が一世代前のPro（高性能ティア）をコーディング系で追い抜く、という構図になっています。Google公式ブログも、コーディングのDeepSWEが「37%→49%」、機械学習研究のMLE Benchが「49.7%→63.9%」、コンピュータ操作のOSWorld-Verifiedが「78.4%→83.0%」と、前世代からの上げ幅を明記しています（Google公式ブログ 2026-07-21）。

したがって「賢くなっていないのではないか」という受け止めは、公表ベンチマークの上では成立していません。少なくともGoogleが選んだ指標の範囲では、知能は下がるどころか上がっています。こうした受け止めは、モデル名の刻み方（3.5→3.6という細かい版数、Flash と Flash-Lite の関係）が分かりにくいことへの当てこすり、あるいは実利用での体感と公表値の乖離を茶化したもの、と読むのが自然でしょう。ここは事実ではなくコミュニティの受け止めとして切り分けておきます。

価格とトークン効率:実効コストはもっと下がる

「More money（金は増えた）」の部分も、公表価格では逆です。Gemini 3.6 Flashの価格は入力が100万トークンあたり1.50ドル、出力が7.50ドルで、前世代3.5 Flashの出力9.00ドルから引き下げられています（9to5Google 2026-07-21、MarkTechPost 2026-07-21）。出力価格に限れば9.00→7.50ドルで約16.7%の値下げです。

ただし、実務上のコストを決めるのは表示価格だけではありません。同じ仕事を終えるまでに何トークン吐き出すか、というトークン効率が効いてきます。Google公式ブログによれば、3.6 FlashはArtificial Analysis Indexで3.5 Flashより出力トークンを17%削減し、DeepSWEベンチマークでは最大65%削減したとされます（Google公式ブログ 2026-07-21）。

同じ量の仕事あたりの実効出力コストは、単価とトークン数の積で決まります。単価が $r$ 倍、消費トークン数が $t$ 倍になったとき、実効コストの比 $C$ は次で表せます。

$$ C = r \times t $$

Artificial Analysis Index基準の一般的な作業を想定すると、$r = 7.50 / 9.00 \approx 0.83$、$t = 1 - 0.17 = 0.83$ なので、

$$ C = 0.83 \times 0.83 \approx 0.69 $$

つまり、同じタスクを回したときの実効出力コストは前世代比で約3割減という計算になります。表示価格の16.7%減より下げ幅が大きいわけで、trilogyai も「実際のコスト減はステッカー価格より大きい」と同趣旨を指摘しています（trilogyai 2026-07-21）。DeepSWEのようなコーディング作業で最大65%のトークン削減が本当に効くなら、値下げ幅はさらに大きくなり得ます。あくまで削減率は特定ベンチマーク上の数値である点は割り引く必要があります。

なお併売のGemini 3.5 Flash-Liteは入力0.30ドル・出力2.50ドルと一段安く、毎秒350トークンの高スループットで、SWE-Bench Proは54.2%（前世代3 Flashの49.6%を上回る）と報告されています（Google公式ブログ 2026-07-21）。ただし前世代Gemini 3.1 Flash-Liteの出力単価は1.50ドルで、3.5 Flash-Liteの2.50ドルはこれより高い水準です。Lite系統単体では値下げではなく、大量処理向けの新しい価格帯としての位置づけです。

3.5 Flash Cyber:防御側に寄せた専用モデル

3モデルの中で毛色が異なるのがGemini 3.5 Flash Cyberです。Googleはこれを「より低い単価でサイバーセキュリティ脆弱性を発見・修正する」ことに特化したモデルと説明し、脆弱性の自動発見・修正エージェント「CodeMender」を駆動する用途を挙げています（Google公式ブログ 2026-07-21）。

MarkTechPostの報道によれば、V8 JavaScriptエンジンを対象とした評価で、3.5 Flash Cyberは固定回数の呼び出しの中で55件のユニークな確認済み問題を発見したとされます。これは通常版3.5 Flashの47件、Claude Opus 4.6の36件を上回る数字です（MarkTechPost 2026-07-21）。CyberGym評価では、CodeMenderが複数の3.5 Flash Cyberエージェントを並列で走らせ、1件の最終報告を作るためにモデルを最大5回まで呼び出す構成を用いており、この設定のもとで大規模モデルに対して競争力のある成績だったとGoogleは述べています。この「最大5回」はCyberGym評価時の設定であり、CodeMenderが常にこの回数を呼び出すという一般仕様ではありません。

ただし提供範囲は限定的です。3.5 Flash CyberはCodeMenderの限定アクセス版パイロットを通じて、政府機関と信頼できるパートナーにのみ提供されるとされています（Google公式ブログ 2026-07-21）。誰でもAPIで叩けるものではありません。

この「脆弱性の発見・修正に特化したモデル」という位置づけは、前日に本ブログで扱ったテーマと接続します。開発者が「CodexとFableが安全上の理由で拒否した15件の脆弱性修正を、Kimi K3が実行した」と報告した一件は、防御目的の作業までモデルが過剰に拒否してしまう「過剰拒否」の問題を浮かび上がらせました。3.5 Flash Cyberは、その防御側の作業をあえて専用モデルとして切り出し、限定配布で扱うという別のアプローチにあたります。

ワークホース選定の判断材料

日々のエージェント処理やコード生成に使う「ワークホース（常用主力）」モデルを選ぶ観点で整理すると、今回のリリースは次のように読めます。

まず、価格とトークン効率の両輪で実効コストが下がっているため、これまで3.5 Flashを使っていたなら3.6 Flashへの移行はコスト面で有利になりやすい構図です。SWE-Bench ProでFlashが一世代前のProを上回ったことは、コーディングエージェント用途で軽量ティアを選ぶ心理的なハードルを下げます。知識カットオフも2025年1月から2026年3月へ更新されたと報じられており、最近の情報を扱う用途では前世代より有利です（9to5Google 2026-07-21）。

一方で、注意すべきはベンチマークが常に実タスクを代表するとは限らないことです。こうした受け止めが体感差を茶化したものだとすれば、自分のワークロードで小規模なA/B比較を行ってから移行するのが堅実です。超低コスト・高スループットが要るならFlash-Lite、脆弱性対応の専用用途は限定配布のCyber、と用途で使い分ける前提が明確になった点は、選定を単純化する材料になります。

Googleは同発表で、Gemini 3.5 Proをパートナーとテスト中であること、そして「これまでで最も野心的な事前学習」をGemini 4向けに開始したことにも触れています（Google公式ブログ 2026-07-21）。Flashティアの更新は、より大きな次世代への布石という文脈で見ておくのが妥当でしょう。

残された不確実性

  • ベンチマーク数値の多くはGoogleの自己申告であり、SWE-Bench Proの58.7%などは第三者による独立再現が本記事執筆時点で揃っていません。数値の解釈には注意が必要です。
  • 「17%削減」「最大65%削減」といったトークン効率は特定のインデックス・ベンチマーク上の値で、任意のワークロードで同じ削減率が得られる保証はありません。実効コスト約3割減という試算も、その前提に依存します。
  • 「速く安くはなったが賢くなっていないのではないか」というコミュニティの受け止めが具体的にどの体験を指すのかは、一次情報として確認できていません。本記事ではコミュニティの受け止めとして扱い、事実の根拠には用いていません。
  • 3.5 Flash Cyberは政府機関・信頼できるパートナー向けの限定配布とされ、公開評価が難しいため、V8での55件といった数値の一般化可能性は現時点では検証しづらい状況です。

まとめ

Gemini 3.6 Flashは、出力価格を100万トークンあたり9.00ドルから7.50ドルへ引き下げつつ、SWE-Bench Pro 58.7%をはじめ主要ベンチマークで前世代3.5 Flashと旧上位のGemini 3.1 Proを上回ったと報じられています。トークン17%削減を加味した実効コストは前世代比で約3割減の計算になり、「安くなったが賢くなっていないのではないか」というコミュニティの受け止めは、公表数値の範囲では逆の結果になりました。あわせて超低コストのFlash-Lite、脆弱性対応専用で限定配布のFlash Cyberが揃い、用途別の使い分けの前提が明確になっています。ベンチマークが自己申告中心である点を割り引きつつ、自分のワークロードで小さく検証してから常用モデルを更新するのが現実的な進め方です。

主要出典

関連する過去記事