何が起きたのか

Googleは2026-08-13、Gemini 3.7 Flashを発表しました（Google公式ブログ 2026-08-13）。公式ブログはこれを「our most intelligent workhorse model yet for coding and agents」（コーディングとエージェント向けの、これまでで最も知的なワークホースモデル）と表現しています。前世代のGemini 3.6 Flashが公開されたのは2026-07-21ですから、後継が出るまで約3週間です。公式ブログは、開発者からのフィードバックとアルゴリズム面の改良を受けた3週間での更新だとしています。

公表された前世代との比較は次の5項目です（同ブログ）。

ベンチマーク3.7 Flash3.6 Flash
FrontierCode 1.1 Main43.6%34.4%
DeepSWE v1.165.3%49.0%
WebDev Arena Elo15881538
GDP.pdf34.0%22.0%
AutomationBench30.4%17.0%

※ DeepSWEの3.6 Flash値は、同日のGoogle公式性能表では48.6%と表記されており、公式資料間でも49.0% / 48.6%の揺れがあります。また評価メソドロジーによれば、3.7 FlashのDeepSWE値はGoogleの自己計測（high thinking設定）、3.6 Flash値は公開リーダーボード由来で、完全な同条件比較ではありません（Google DeepMind 公式性能表、評価メソドロジー）。

そしてもう一つ、ベンチマーク以上に実務へ効く数字があります。Gemini APIの価格（Standardティア）は100万トークンあたり入力0.75ドル・出力3.75ドルですが、これは2026-12-31までの導入価格で、2027-01-01からは入力1.50ドル・出力7.50ドルになります（Google AI for Developers 公式ドキュメント）。単価がちょうど2倍になる日付が、リリース時点で予告されている構図です。

「値上げ」ではなく「導入価格の終了」

まず、この2倍を素朴に値上げと読むと事実を誤ります。

Gemini APIの価格ページ（2026-08-14閲覧）を見ると、導入価格の対象はGemini 3.7 Flashだけではありません。Gemini 3.6 Flashも同じく入力0.75ドル・出力3.75ドルで掲載されており、2027-01-01から入力1.50ドル・出力7.50ドルへ移行します。一方でGemini 3.5 Flash-Liteは2026-08-14時点で入力0.30ドル・出力2.50ドルのままで、Flash本体のような期間限定価格の注記は付いていません（Gemini API 価格ページ）。つまり年末で一斉に切れるのは、3.7 Flashと3.6 Flashにかかった期間限定の割引です。

ここで前回の記事と突き合わせると、位置づけがはっきりします。本ブログが2026-07-22に3.6 Flashを扱ったとき、その価格は入力1.50ドル・出力7.50ドルでした。2027-01-01以降の「標準価格」は、3.6 Flashが7月に登場したときの価格とまったく同じ水準です。3.7 Flashは新価格帯を作ったのではなく、7月時点の価格に対して年末までの半額券を付けて出てきた、と読むのが正確でしょう。公式ブログも導入価格を3.6 Flashの半額と説明しています（Google公式ブログ 2026-08-13）。

一方で、割引が切れることの実務上の影響は本物です。2026年内に3.7 Flashで組んだエージェントのコスト試算をそのまま2027年の予算に持ち込むと、単価部分が2倍ずれます。2027-01-01に入力・出力とも2倍になるのは3.7 Flashと3.6 Flashで、3.5 Flash-Liteには同様の値上げ注記が付いていない点も、モデル選定の前提として押さえておく必要があります（Gemini API 価格ページ）。年末をまたぐ稟議や年間契約の見積もりでは、どちらの価格を使ったのかを明示しておく必要があります。

成功1件あたりのコストで読み直す

単価が同じなら性能が高いほうが得、という話は単純すぎます。エージェント用途で効くのは、1回の試行あたりの単価ではなく、タスクを1件片付けるまでにいくらかかるかです。

タスクの成功率を $p$、1試行あたりの請求額（入力・出力トークンの合計に単価を掛けたもの、ドル）を $a$ とすると、成功1件あたりの期待コスト $C$ は次で表せます。

$$ C = \frac{a}{p} $$

3.6 Flashと3.7 Flashは、現時点の導入価格でも2027年以降の標準価格でも単価表が同一なので、同じトークン消費なら $a$ も等しくなります。したがって両者のコスト比は次のように整理できます。

$$ \frac{C_{3.7}}{C_{3.6}} = \frac{a_{3.7}}{a_{3.6}} \cdot \frac{p_{3.6}}{p_{3.7}} $$

DeepSWE v1.1の値を入れると $p_{3.6} = 0.490$、$p_{3.7} = 0.653$ なので、右側の成功率の比は約 $0.75$ になります。つまり3.7 Flashは、1試行あたりの請求額（入力＋出力）が3.6 Flashの約1.33倍になるまでは、成功1件あたりのコストで並ぶ計算です（3.6 Flash側に公式性能表の48.6%を使うなら約1.34倍。両者の計測条件が完全一致ではない点は上述のとおりです）。逆に言えば、1試行あたりの請求額が1.33倍を超えると、ベンチマークで勝っていても財布の上では負けます。

ここが今回の発表で埋まっていない穴です。3.6 Flashの発表時、Googleは「Artificial Analysis Indexで出力トークン17%削減」「DeepSWEで最大65%削減」というトークン効率の数値を明示していました（Google公式ブログ 2026-07-21）。今回の3.7 Flashの発表では、確認できた範囲で同種の削減率が示されていません。しかも3.7 Flashはthinking level（low / medium / high の3段階、既定はmedium）で推論量を調整する設計で、コンテキストは100万トークン、最大出力は64kトークンです（Google AI for Developers 公式ドキュメント）。公式ドキュメントはhigh設定について消費トークンとコストが増えると説明しています。なお評価メソドロジーによれば、上の試算で使ったDeepSWEの値はhigh thinkingでの計測です。上式の $a_{3.7}/a_{3.6}$ は、設定次第で1を大きく超え得る変数であって、公表値から埋められるものではないということです。

したがって「単価が同じで性能が上なので無条件に乗り換えるべき」とは言えません。自分のワークロードで、同一タスク集合に対する成功率と消費トークン数を両方測ってから判断するのが妥当です。

他社モデルとの比較で見える凸凹

officechaiは、3.7 Flashを他社の同世代モデルと横並びにした数値を報じています（officechai 2026-08-13）。以下はGoogleの一次情報ではなく第三者媒体の集計であり、評価条件が揃っている保証はない点を踏まえて読む必要があります。

  • Artificial Analysis Intelligence Index: 3.7 Flash 56 / GPT-5.6 Terra 57 / Muse Spark 1.2 57 / Claude Sonnet 5 55
  • FrontierCode 1.1 Main: 3.7 Flash 43.6% / GPT-5.6 Terra 41.3% / Claude Sonnet 5 42.7%
  • DeepSWE v1.1: 3.7 Flash 65.3% / GPT-5.6 Terra 69.6% / Muse Spark 1.2 59.3% / Claude Sonnet 5 54.0%（Google公式性能表ではMuse 54.9%、Sonnet 5 53.8%）
  • AutomationBench: 3.7 Flash 30.4% / GPT-5.6 Terra 23.6% / Claude Sonnet 5 10.7%
  • OSWorld-2.0: 3.7 Flash 38.1% / GPT-5.6 Terra 50.2%（Google公式性能表では3.7 Flashは47.9%）

勝ち負けが項目ごとに割れているのが特徴です。FrontierCodeとAutomationBenchでは、数値が掲載された比較対象の中で3.7 Flashが先頭ですが、DeepSWEではGPT-5.6 Terraの69.6%に対して65.3%と及びません。コンピュータ操作のOSWorld-2.0は出典間で数字が大きく割れており、officechaiの38.1%ならTerra（50.2%）に大差ですが、Google公式性能表の47.9%なら差は2.3ポイントにとどまります。いずれにせよ「Flashが総合首位」という読み方は、どちらの集計でも成立しません。

速度と価格の軸では位置づけが変わります。Artificial Analysisの3.7 Flashのモデルページ（2026-08-14閲覧）は、Intelligence Index 56で188モデル中17位、出力速度340.1トークン/秒で188モデル中1位、TTFT（最初のトークンが返るまでの時間）9.83秒と記載しています（Artificial Analysis。なお同ページの計測はhigh設定のバリアントです）。知能で17位、速度で1位、そして導入価格は他社主力より一段安い、という組み合わせです。officechaiによればGPT-5.6 TerraとClaude Sonnet 5は入力2.00ドル・出力10.00〜12.00ドル、Muse Spark 1.2は入力1.25ドル・出力4.25ドルとされます（Muse Spark 1.2には入力データの学習利用許諾と引き換えのContributorティア＝入力0.10ドル・出力0.20ドルも存在します。本稿の比較は各社Standard相当の料金です）。

この形は、Flashティアが「安さで妥協して選ぶ枠」から外れつつあることを示しています。ただし2027-01-01に単価が2倍になれば、出力3.75ドルに対する優位は7.50ドルに対する優位へ変わり、Muse Spark 1.2の4.25ドルとの関係は逆転する計算です。一方、GPT-5.6 TerraやClaude Sonnet 5の現行価格と比べれば、標準価格に戻っても3.7 Flashの安さ自体は残ります。年末で賞味期限が来るのは価格優位そのものではなく、「半額分の上乗せ優位」です。

提供範囲

モデルIDは gemini-3.7-flash で、提供先は開発者向けにGoogle AI Studio、Android Studio、Google Antigravity、企業向けにGemini Enterprise Agent Platform、個人向けには160カ国以上（EEA・英国・スイス・ナイジェリアを除く）のGoogle AI Pro / Ultra加入者に対してGemini Sparkを通じて提供されるとされています（Google公式ブログ 2026-08-13）。組み込みツール群は3.6 Flashと同じものが使えると公式ドキュメントは記載しています。

安全面については、公式ブログがCBRN（化学・生物・放射性物質・核）およびサイバー攻撃の悪用に対する保護を更新したうえで、正当な用途は支えると述べています。モデルカードには3.6 Flash比の安全性差分スコア（Text to Text Safety +1.17pp、Multilingual Safety −0.48pp、Image to Text Safety 変化なし、Tone −0.47pp、Unjustified-refusals +0.84pp。符号がそのまま改善・悪化を意味するかは指標の定義によります）と、Frontier Safety Frameworkにもとづくバイオ・化学およびサイバーのCCL評価が公開されている一方、外部の第三者監査の結果への言及は確認できませんでした（Gemini 3.7 Flash モデルカード）。

残された不確実性

  • 5項目の出所は一様ではありません。WebDev Arena（モデルカード上の表記はCode Arena）Elo、FrontierCode 1.1 Main、AutomationBenchの3項目は、Googleが自社で計測した値ではなく公式の公開リーダーボードから引用した値とされています（AutomationBenchはprivate setを使用）。一方、DeepSWE v1.1のGemini 3.7 Flashのスコアと、GDP.pdfのGeminiモデルのスコアは、Google自身が計測した値（self computed）と明記されています。後者2項目については、第三者による独立再現は本記事執筆時点で確認できていません（Gemini 3.7 Flash 評価メソドロジー、Gemini 3.7 Flash モデルカード）。
  • 3.7 Flashのトークン効率（同一タスクあたりの出力トークン数）に関する数値が公表されていないため、成功1件あたりのコストが実際に下がるかは判断できません。上の試算はDeepSWEの成功率のみに基づく境界値であり、実測ではありません。
  • 評価メソドロジーによれば、DeepSWEの3.7 Flash値はhigh thinkingでの自己計測、その他の多くの項目は既定設定（medium）での計測とされています。実運用で設定が違えば、成功率も消費トークンも上の試算からずれます（Gemini 3.7 Flash 評価メソドロジー）。
  • officechaiの他社比較は評価条件の統一が確認できず、Google公式のWebDev Arena Elo 1588が同記事では「Code Arena」として掲載されているなど、ベンチマーク名の対応にも揺れがあります。実際、DeepSWEの競合値（Muse 59.3% / Sonnet 5 54.0%）やOSWorld-2.0（38.1%）は、Google公式性能表（54.9% / 53.8%、47.9%）と乖離しています。数値の直接比較には注意が必要です。
  • 2027-01-01以降の価格が予告どおりに適用されるかは、Googleの今後の判断次第です。導入価格の再延長も、さらなる改定もあり得ます。

まとめ

Gemini 3.7 Flashは2026-08-13、前世代から3週間という間隔で公開され、DeepSWE v1.1が49.0%から65.3%、AutomationBenchが17.0%から30.4%、FrontierCode 1.1 Mainが34.4%から43.6%へと、Google公表値の上では大きく動きました。価格は100万トークンあたり入力0.75ドル・出力3.75ドルですが、これは2026-12-31までの導入価格で、2027-01-01から入力1.50ドル・出力7.50ドルへ変わります。

重要なのは、この2倍が3.7 Flash固有の値上げではなく3.6 Flashと共通の割引終了であり、標準価格は3.6 Flashが7月に登場したときの価格と同じ水準だという点です。そのうえで、成功1件あたりのコストは単価だけでは決まりません。DeepSWEの成功率から逆算すると、3.7 Flashは1試行あたりの請求額が3.6 Flashの約1.33倍になるまでは損益が並ぶ計算ですが、実際のトークン消費を比較できる数値は今回公表されていません。年末をまたぐ予算を立てるなら、どちらの単価で試算したかを明示し、自分のワークロードで成功率と消費トークンを実測してから常用モデルを差し替えるのが現実的です。

主要出典

関連する過去記事