TLDR Google の最新の Gemini リリースは、待望の Gemini 3.5 Pro ではありません。代わりに、Google は効率重視の3モデルを出荷しました: Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyber。実務的なメッセージは明確です。フラッグシップの Pro モデルが引き続きテスト中である一方、Google はエージェントの経済性、レイテンシ、トークン効率、そして特化したセキュリティ自動化を優先しています。
開発者にとっての最善策は、Gemini 3.5 Pro を受け身で待つことではありません。複雑なエージェントやコーディングのワークフローには Gemini 3.6 Flash をデフォルトのアップグレード候補として使い、高ボリュームの抽出やルーティングには Gemini 3.5 Flash-Lite を使い、フロンティア推論タスクにはモデル横断のフォールバック戦略を維持してください。CometAPI は OpenAI 互換の単一 API キーで 500+ モデルへの統合アクセスを提供するため、Gemini を GPT、Claude、DeepSeek、Kimi、Qwen などのモデルと並行して、統合を作り直すことなくテストできます。
重要なポイント
- Google は発表した 2026年7月21日に Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyber を。Gemini 3.5 Pro はこのローンチではリリースされませんでした。Google は、パートナーとテスト中で、準備が整い次第広く提供すると述べています。
- Gemini 3.6 Flash は Gemini API、Google AI Studio、Gemini Enterprise Agent Platform、Gemini アプリ、そして Google Antigravity で一般提供中です。Gemini 3.5 Flash-Lite は Gemini API で一般提供中で、高スループット・低コストのワークフローを対象としています。
- Gemini 3.5 Flash Cyber は限定アクセスで、CodeMender 内での脆弱性検出、検証、パッチ適用向けに設計されています。
- Google は Gemini 3.6 Flash について報告している とおり、Artificial Analysis 上で 3.5 Flash より出力トークンが 17% 少なく、DeepSWE スタイルのテストでは最大 65% 少ないとしています。
- Artificial Analysis は独自に報告 Gemini 3.6 Flash の Intelligence Index スコアは 50、出力速度は 251.3 output tokens/s、平均タスクコストは Gemini 3.5 Flash の $0.59 から $0.50 に低下としています。
- DeepSWE は Gemini 3.6 Flash を pass@1 49%、平均タスクコスト $3.53 とし、Gemini 3.5 Flash は pass@1 37%、平均タスクコスト $7.34 と記載しています。
- CometAPI は現在、Gemini 3.6 Flash を $1.20/M input、$6.00/M output、Gemini 3.5 Flash-Lite を $0.24/M input、$2.016/M output と掲載しています。製品 UI 内に価格を表示する前にライブダッシュボードで確認してください。
Google は何をリリースしたのか？
Gemini 3.6 Flash
Gemini 3.6 Flash は、一般の開発者にとって今回のリリースで最も重要なモデルです。これは本番エージェント、コーディング、マルチモーダルワークフロー、ドキュメント分析、長文脈推論、ナレッジワーク向けに構築された、安定した Flash ティアのモデルです。
Google は Gemini 3.6 Flash を、Gemini 3.5 Flash よりもコーディング、ナレッジワーク、マルチモーダル性能が向上しながら、トークン効率も改善したワークホースモデルと説明しています。公式の Gemini API ページでは、このモデルはエージェント時代向けに設計され、迅速なコーディングと反復ループに特に効果的だとしています。
このモデルの公開 ID は:
gemini-3.6-flash
主要仕様は Gemini 3.6 Flash のモデルページ を参照。
Gemini 3.5 Flash-Lite
Gemini 3.5 Flash-Lite は、今回リリースのなかで効率性に特化したモデルです。Google は、これは 3.5 クラスで最速かつ最も費用対効果の高いモデルとして位置づけており、高スループット実行、ドキュメント解析、翻訳、分類、ルーティング、簡易なデータ抽出に最適化されています。
このモデルの公開 ID は:
gemini-3.5-flash-lite
主要仕様は Gemini 3.5 Flash-Lite のモデル ページを参照。
鍵となる違いはコンテキストウィンドウではありません。Flash-Lite は 3.6 Flash と同じ 1M 入力、64K 出力のプロファイルを維持しています。違いはルーティングの狙いです。Flash-Lite はスループットとコスト制御向け、3.6 Flash は品質やツール信頼性がより重要な難度の高いタスク向けです。
Gemini 3.5 Flash Cyber
Gemini 3.5 Flash Cyber は、Gemini 3.5 Flash をベースに、脆弱性の発見、検証、パッチ生成に特化してファインチューニングされたサイバーセキュリティ特化モデルです。
これは通常の公開 API モデルではありません。Google によれば、政府および信頼できるパートナーに対し、限定アクセスのパイロットプログラムの一部として CodeMender を通じて提供されます。この制限は開発者にとって重要です。パイロットの一員か、審査済みの防御的セキュリティプログラムでない限り、Flash Cyber への直接アクセスを前提としたパブリック SaaS のロードマップは設計しないでください。
とはいえ、このモデルは Google が Gemini をどこへ向かわせているかを示す点で重要です。すなわち、エージェント基盤が調整する効率的な専門特化モデルです。フロンティアモデル一つに何でもやらせるのではなく、繰り返しスキャンを実行し、レポートを統合し、より低コストでコードをパッチできる小型の専門システムを構築しています。
Gemini 3.5 Pro を見送るべきか？
実務的な答え
ほとんどの本番チームにとって、答えはイエスです。Gemini 3.5 Pro や Gemini 4 Pro を待つのではなく、今すぐ Gemini 3.6 Flash と Gemini 3.5 Flash-Lite の評価を始めましょう。
これは Gemini 3.5 Pro が重要ではないという意味ではありません。最新の提供モデルだけで、すでに高ボリュームな AI ワークロードの大部分をカバーできるということです。コーディングエージェント、リトリーバルエージェント、ドキュメントワークフロー、マルチモーダル解析、データ抽出、プロンプトルーティング、UI 自動化、長文脈レビュー、エージェントのサブタスク実行などです。
Google 自身の発表によれば、Gemini 3.5 Pro は依然としてパートナーとテスト中で、準備が整い次第広く提供されます。公開の gemini-3.5-pro API モデルページ、最終的な価格表、モデルカードがなくても、今日から本番の経済性を改善し始められます。
依然として Gemini 3.5 Pro を待つべきケース
スループットよりもフロンティア推論が求められるワークロードでは、Gemini 3.5 Pro や Gemini 4 Pro を注視すべきです。高度なリサーチ統合、非常に複雑なマルチファイルのエンジニアリング、難解な数学、科学的推論、エンタープライズの高リスク分析、そして慎重なプロンプト・ツール設計でも Flash モデルが失敗するタスクなどが該当します。
最も強力なモデル戦略は「Pro を待つ」でも「すべてを Flash に置き換える」でもありません。階層的ルーティングです。
- 低コスト・高ボリュームのサブタスクには Gemini 3.5 Flash-Lite を使用。
- コーディング、マルチモーダル分析、ドキュメントレビュー、長文脈統合、エージェントワークフローには Gemini 3.6 Flash を使用。
- 最難関またはリスクの高い要求は CometAPI を通じてフロンティア推論モデルへルーティング。
- Google と CometAPI が提供開始したら、Gemini 3.5 Pro をベンチマークスイートに追加。
Gemini 3.6 Flash のベンチマーク：何が改善したか
Google DeepMind のベンチマーク表
Google DeepMind の Gemini 3.6 Flash ページでは、Gemini 3.5 Flash と比較して以下の結果が掲載されています。
| Benchmark | 測定内容 | Gemini 3.6 Flash | Gemini 3.5 Flash | 変化 |
|---|---|---|---|---|
| SWE-Bench Pro | 多様なエージェント型コーディングタスク | 58.7% | 55.1% | +3.6 pts |
| DeepSWE v1.1 | 長期的なソフトウェアエンジニアリング | 49% | 37% | +12 pts |
| Terminal-Bench 2.1 | エージェントによるターミナルコーディング | 78.0% | 76.2% | +1.8 pts |
| MLE-Bench | 機械学習エンジニアリング | 63.9% | 49.7% | +14.2 pts |
| GDPval-AA v2 | ナレッジワークの Elo | 1421 | 1349 | +72 Elo |
| OSWorld-Verified | エージェントによるコンピュータ操作 | 83.0% | 78.4% | +4.6 pts |
| CharXiv reasoning, no tools | グラフ・情報の統合（ツールなし） | 85.2% | 84.2% | +1.0 pt |
| CharXiv reasoning, with tools | グラフ・情報の統合（ツールあり） | 89.4% | 84.9% | +4.5 pts |
| GDM-MRCR v2, 128K average | 長文脈リトリーバル | 91.8% | 77.3% | +14.5 pts |
| GDM-MRCR v2, 1M pointwise | 長文脈リトリーバル | 54.0% | 26.6% | +27.4 pts |
最大の伸びは、まさにエージェントに重要な領域に見られます。長期的コーディング、機械学習エンジニアリング、長文脈リトリーバル、コンピュータ操作です。Terminal-Bench や CharXiv の伸びが小さいことは、これは「すべてが倍になった」ような一様なリリースではないことを示します。信頼性、トークン効率、難しい多段階実行での改善に的を絞ったアップデートです。
Artificial Analysis による独立データ
Artificial Analysis は、ベンダーのベンチマーク表に対する有用なカウンターデータを提供します。2026年7月のレポートによれば、Gemini 3.6 Flash は Gemini 3.5 Flash と同じ Intelligence Index スコア 50 を維持しています。これは、Gemini 3.6 Flash が必ずしも「素の知性」が飛躍したわけではないことを示す重要なポイントです。
大きな改善は効率性です。
| 指標 | Gemini 3.6 Flash | Gemini 3.5 Flash |
|---|---|---|
| Artificial Analysis Intelligence Index | 50 | 50 |
| タスクあたり平均所要時間 | 1.3 minutes | 2.7 minutes |
| タスクあたり平均コスト | $0.50 | $0.59 |
| 出力速度 | 251.3 output tokens/s | Not in this table |
| 最初のトークンまでの時間 | 14.00s | Not in this table |
したがって最も適切な見出しは「Gemini 3.6 Flash はすべてより賢い」ではありません。より正確には、Gemini 3.6 Flash は、Gemini 3.5 Flash と同等の知性レベルを維持しつつ、エージェントのワークロードを安く速くする、ということです。
DeepSWE：長期的コーディングのデータ
Datacurve の DeepSWE は、独自の長期的ソフトウェアエンジニアリングタスクに焦点を当てている点で特に関連性があります。リーダーボードでは 91 リポジトリ・5言語にまたがる 113 タスクが記述されています。
2026年7月21日のリーダーボードでは:
| Model | Pass@1 | 平均コスト | 出力トークン | エージェントステップ |
|---|---|---|---|---|
| Gemini 3.6 Flash high | 49% ±5 | $3.53 | 97K | 108 |
| Gemini 3.5 Flash medium | 37% ±2 | $7.34 | 276K | 86 |
注目すべきは 12 ポイントの pass@1 向上だけではありません。出力トークンの減少です。97K 対 276K。これはおよそ 65% の削減で、Google のローンチ時の主張と一致します。コーディングエージェントにとって、出力トークンが少ないことは、ドリフトの抑制、冗長な修復ループの減少、文脈汚染の低減、課題完了あたりのコスト低下を意味し得ます。
出典: Gemini
Gemini 3.5 Flash-Lite のベンチマーク：重要性
Flash-Lite はスループット重視のモデル
Gemini 3.5 Flash-Lite は高ボリューム実行向けに設計されています。システムが数千〜数百万件の小〜中規模タスクを処理する必要がある場合にテストすべきモデルです。
- レシート抽出
- 商品カタログの解析
- ドキュメントチャンクのラベリング
- 翻訳
- 分類
- 検索結果の統合
- クエリ書き換え
- ツール呼び出しのルーティング
- 軽量なコーディングタスク
- エージェントのサブタスク実行
- マルチモーダルなデータ抽出
Google によれば、Flash-Lite は Artificial Analysis に基づき 350 output tokens per second に達し、標準の Gemini API ティアでは $0.30/M input tokens、$2.50/M output tokens と価格設定されています。
Flash-Lite と Gemini 3.1 Flash-Lite の比較
Google DeepMind のモデルカードは、Gemini 3.1 Flash-Lite からの大幅な向上を示しています。
| ベンチマーク | Gemini 3.5 Flash-Lite | Gemini 3.1 Flash-Lite | 変化 |
|---|---|---|---|
| SWE-Bench Pro | 54.2% | 38.3% | +15.9 pts |
| Terminal-Bench 2.1 | 54.0% | 31.0% | +23.0 pts |
| MLE-Bench | 39.2% | 22.0% | +17.2 pts |
| GDPval-AA v2 | 1140 | 642 | +498 Elo |
| OSWorld-Verified | 74.0% | 54.3% | +19.7 pts |
| CharXiv, no tools | 74.5% | 73.2% | +1.3 pts |
| CharXiv, with tools | 76.5% | 75.6% | +0.9 pts |
| GDM-MRCR v2, 128K average | 72.2% | 60.1% | +12.1 pts |
| GDM-MRCR v2, 1M pointwise | 21.3% | 12.3% | +9.0 pts |
Artificial Analysis はまた、Gemini 3.1 Flash-Lite の Intelligence Index 25 から Gemini 3.5 Flash-Lite では 36 へ上昇し、タスクあたり時間は 1.0 minute から 0.6 minutes に短縮したと報告しています。一方で、このベンチマークセットでは新モデルの価格が 3.1 Flash-Lite より高いため、タスクあたりコストは $0.04 から $0.09 に増加しています。
出典: Gemini
このトレードオフは、品質向上により下流のリトライ、人手によるレビュー、より高価なモデルへのエスカレーションが減るならば受け入れ可能です。すでに Gemini 3.1 Flash-Lite で完全に解けているワークロードの場合は魅力が薄れます。全面移行前にテストしてください。
今回の Gemini リリースの意義
「最大のモデル」から「最良のワークホース」への転換を裏づけ
AI 市場はしばしばフロンティアのフラッグシップモデルに注目しがちです。Gemini 3.6 Flash は異なる方向性を示しています。本番の AI システムには、無駄なく多くの実タスクを完遂できる信頼性が高く高速でコスト効率の良いモデルが必要です。
だからこそ今回のリリースは、トークン効率、ツール呼び出しの削減、低レイテンシ、リビジョンループの減少を強調しています。開発者にとって、これらは二次的な指標ではありません。AI エージェントが予算を驚かせることなくスケールできるかどうかを左右します。
Gemini 3.5 Pro を待つ間に、Google にとってより強力なプロダクションモデルを提供
Gemini 3.5 Pro は依然としてパートナーとテスト中です。Pro を待つ代わりに、Google はより強力な Flash モデルと、より安価な Flash-Lite モデルをリリースしました。これにより開発者には直ちに 2 つの選択肢が与えられます。
- より強力なワークホース知性のための Gemini 3.6 Flash
- より安価で高速な高ボリューム実行のための Gemini 3.5 Flash-Lite
これは実践的な製品戦略です。多くの企業は、すべてのリクエストで最も高価なモデルを必要としてはいません。必要なのはモデルのポートフォリオとルーティングロジックです。
モデルルーティングの重要性が高まる
Gemini 3.6 Flash をどこでも使うべきではありません。Flash-Lite も同様です。2026 年の最良の AI システムは動的にルーティングします。
- タスクが簡単なときは安価に始める。
- 推論、マルチモーダル理解、ツール使用が重要なときは Gemini 3.6 Flash を使う。
- 信頼度の閾値を下回ったときだけエスカレーションする。
- 繰り返し使う長文脈はキャッシュする。
- トークン単価だけでなく、成功したタスクあたりのコストを監視する。
これはこの記事における CometAPI の最も強い推奨です。単一モデルを戦略のすべてにしないでください。ルーターを構築し、各モデルにトラフィックを「稼がせる」のです。
よくある質問
今、Gemini 3.5 Pro は利用可能ですか？
2026年7月時点では、一般提供の Gemini API モデルとしては提供されていません。Google は、パートナーとテスト中で、準備が整い次第広く提供すると述べています。
Gemini 3.6 Flash は Gemini 3.5 Flash より優れていますか？
多くの本番のエージェントやコーディングのワークフローにとってはイエスです。Google はベンチマークの改善と出力トークン削減を報告しています。Artificial Analysis は、Intelligence Index の品質は同等ながら、タスクあたり時間とコストが低下したと報告しています。
Gemini 3.5 Flash-Lite は何に最適ですか？
Gemini 3.5 Flash-Lite は、抽出、分類、翻訳、検索、ルーティング、サブエージェント実行などの、高ボリュームでレイテンシとコストに敏感なワークロードに最適です。
公開の Gemini API で Gemini 3.5 Flash Cyber を使えますか？
Google は Gemini 3.5 Flash Cyber を、CodeMender を通じて政府および信頼できるパートナーに提供される限定アクセスモデルと説明しています。標準の公開 API モデルとしては位置づけられていません。
Gemini 3.6 Flash のコストはいくらですか？
Google の標準 Gemini API 価格では、Gemini 3.6 Flash は 1M 入力トークンあたり $1.50、1M 出力トークンあたり $7.50 です。CometAPI では現在、$1.20/M input、$6.00/M output と掲載しています。本番展開前には必ず最新価格を確認してください。
Gemini 3.5 Flash-Lite のコストはいくらですか？
Google の標準 Gemini API 価格では、Gemini 3.5 Flash-Lite は 1M 入力トークンあたり $0.30、1M 出力トークンあたり $2.50 です。CometAPI では現在、$0.24/M input、$2.016/M output と掲載しています。本番展開前には必ず最新価格を確認してください。
開発者は Gemini 3.5 Pro を待つべきですか？
多くのチームは待つべきではありません。複雑なワークフローには Gemini 3.6 Flash を、高ボリュームのサブタスクには Gemini 3.5 Flash-Lite を今すぐテストし始めましょう。公開仕様・価格・提供状況が確定したら、Gemini 3.5 Pro をベンチマークスイートに追加してください。
最終結論
Google の 2026年7月の Gemini リリースは、フラッグシップ Pro リリースではなく、効率性のリリースとして理解するのが最適です。Gemini 3.6 Flash は将来の Gemini 3.5 Pro の必要性を消し去るものではありませんが、開発者にとって直ちに有用なものを提供します。すなわち、コーディング、マルチモーダル、長文脈、エージェント性能が強く、Gemini 3.5 Flash より出力トークンコストが低い一般提供モデルです。
Gemini 3.5 Flash-Lite はプロダクションスタックのもう一方を埋めます。最大限の推論深度を必要としないサブタスク向けの安価で高速なモデルです。Gemini 3.5 Flash Cyber は、専門特化した防御的セキュリティエージェントの未来を示していますが、そのアクセスは限定的で、現時点では一般の開発者ツールというより戦略的なシグナルとしての意味合いが強いと言えます。