『安くなったが本当に賢いのか』を検証する──Gemini 3.6 Flash、値下げとトークン17%削減の裏でSWE-Bench Pro 58.7%
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）。 ...