Gemini 3.6 Flash発表、初期評価は低調。Gemini 3.5 Proは延期

はじめに

Google DeepMindは3つの新しいGeminiモデルをリリースした：Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、そして Gemini 3.5 Flash Cyber である。

しかし、多くの開発者が待ち望んでいた Gemini 3.5 Pro は予定通りには登場しなかった。

Googleによると、3.5 Proはまだパートナーとのテスト中であり、準備が整い次第広くリリースする予定だという。同時に、同社は「これまでで最も野心的な事前学習実行」と呼ばれるものを通じて、Gemini 4に関する作業を開始したことを確認した。

GoogleはGemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyberを発表した。

このリリースは開発者コミュニティで急速に論争を巻き起こした。数名の早期ユーザーがGemini 3.6 Flashのフロントエンド出力の弱さ、空間推論の一貫性のなさ、そして競合する最先端モデルと比較してコード生成の結果が期待外れであると批判した。

この批判の激しさは、入手可能な証拠が裏付ける範囲を超えている。初期の実使用に関する不満は確かに存在するが、Google自身のベンチマーク結果や独立したArtificial Analysisのテストでは、より複雑な状況が示されている：Gemini 3.6 Flashは、複数のコーディング、コンピュータ使用、長いコンテキスト、知識作業の評価において3.5 Flashから改善を示しており、同時に同じ全体的なArtificial Analysisインテリジェンス指数スコアを維持している。

本稿はオリジナルレポートの構成に従いつつ、公式ベンチマークデータとコミュニティの反応を区別する。

Gemini 3.6 Flash、リリース直後に批判に直面

Googleは Gemini 3.6 Flash を、本番環境向けAIエージェントの主力モデルとして位置づけている。

このモデルは現在広く利用可能であり、テキスト、画像、動画、音声、PDFの入力をサポートし、コンテキストウィンドウは 1,048,576 入力トークン、最大 65,536 出力トークン である。サポートされる機能には、コード実行、コンピュータ使用、関数呼び出し、ファイル検索、構造化出力、検索グラウンディング、URLコンテキスト、思考推論が含まれる。

Googleは、主な目標は単にベンチマーク上のインテリジェンスを高めることだけではないと述べている。焦点は、Gemini 3.5 Flashよりも少ない出力トークン、少ない推論ステップ、低いレイテンシ、そして低い出力トークン価格でタスクを完了することにある。

それにもかかわらず、いくつかの初期の公開テスト結果は決して肯定的なものではなかった。

フロントエンド生成が厳しい初期フィードバックを受ける

オリジナルレポートでは、Gemini 3.6 Flashが2-shotのフロントエンド生成タスクを実行するよう求められた開発者テストが特に取り上げられた。

この開発者は結果を異常に悪いと説明し、生成されたアプリケーションコンポーネントの構造が断片的で、ロジックに一貫性がなく、インタラクションが信頼できないと批判した。

初期のコミュニティテストでは、Gemini 3.6 Flashを使用してインタラクティブなフロントエンド体験が生成された。

他の開発者も、既存のコードベースでこのモデルを試した後、同様の問題を報告した。不満には、デザインシステムの制約の無視、予期しないUIの変更、そして結果が初期のGemini Proモデルによって生成されたインターフェースよりも見栄えが悪いように見えることなどが含まれていた。

これらの観察が重要なのは、フロントエンドコーディングが複数の能力を同時に組み合わせているからである：

• 既存のコードベースの理解
• デザイン制約の遵守
• 有効なコードの生成
• 既存の動作の維持
• 視覚的に一貫性のあるレイアウトの作成
• 動作中のコンポーネントを壊さずにマルチステップ編集を処理すること

モデルはコーディングベンチマークで高いスコアを獲得するかもしれないが、実際のフロントエンド作業では依然として信頼性に欠けると感じられる可能性がある。

一方で、個々の事例は管理されたベンチマークではない。プロンプトの品質、エージェントフレームワーク、コードベースの構造、思考レベル、ツールへのアクセス権限、許可される反復回数はすべて、結果を大きく変える可能性がある。

フロントエンドアリーナの結果は、単純な「最高」の主張をまだ支持していない

ソースレポートは、フロントエンドコーディングにおいて、Gemini 3.6 Flash のパフォーマンスが Claude Fable 5、GPT-5.6 Sol、Meta Muse Spark 1.1 などのモデルに及ばないと指摘している。

WebDev リアルタイムアリーナのリーダーボードは継続的に更新されるため、より多くの投票が集まるにつれて順位が変わる可能性がある。本稿の準備時点では、Kimi K3 が暫定首位を維持しており、次いで Claude Fable 5 と GPT-5.6 Sol となっている。

Gemini 3.6 Flash が 7 月 21 日にリリースされたばかりであるため、静的なスクリーンショットや初期のリーダーボードのスナップショットは恒久的なランキングと見なすべきではない。

より有用な結論は、Google がこのモデルはコーディングにおいてより強力であると述べているものの、この新しい Flash モデルは直ちに明確なフロントエンドのリーダーとしての地位を確立しなかったということである。

空間推論も否定的な反応を引き起こす

ソースレポートは次に空間推論に移る。

ある開発者は、Gemini 3.6 Flash の基本的な位置と方向の関係に関するテストを記録し、Gemini 3.5 Flash よりも多くのエラーを報告した。

このユーザーは当初、弱い出力が高い思考レベルを選択しなかったためではないかと疑った。他のユーザーはその後、より高い推論設定を試したが、それでも賛否両論の初期印象を報告した。

不満には、空間関係の誤りや視覚シーンの一貫性のなさが含まれていた。

これらのテストは再び、標準化された評価ではなくコミュニティの観察を表している。現実世界の摩擦の事例としては有用だが、モデルが空間推論において全般的に退歩したという主張に一般化されるべきではない。

Google の公式ドキュメントは、Gemini 3.6 Flash をマルチモーダルおよび空間タスク用に設計されたものとして説明している。独立したビジョンテストでも、複数の画像およびビデオカテゴリにおいて利点があることが判明しているが、すべてのビジョンタスクで 3.5 Flash より優れているわけではない。

CursorBench は 3.5 Flash からの改善を示すが、最先端のリーダーシップには至らず

ソースレポートはまた、CursorBench についても指摘している。これは、Cursor 環境における現実世界のソフトウェアエンジニアリング作業に焦点を当てたベンチマークである。

広く出回っているスクリーンショットは、Gemini 3.6 Flash を Cursor Composer 2.5、Claude Fable 5、GPT-5.6 Sol、Grok 4.5、Claude Sonnet 5 などのモデルと比較している。

Gemini 3.6 Flashは、グラフ上で青色の点として表示されており、そのスコアは他のモデルよりも低くなっています。ツイートの下には「つまり Gemini 3.6 Flash は Composer 2.5 にも劣り、ましてや Grok 4.5 には遠く及ばないってことか」というユーザーコメントがあり、Gemini 3.6 Flash が現在 Cursor で利用可能であることも指摘されています。この画像はドキュメントの文脈に関連し、CursorBench のテスト結果を示すもので、Gemini 3.6 Flash が一部のモデルよりも低いパフォーマンスであることを示しています。

情報源が共有したスクリーンショットでは、CursorBench は Gemini 3.6 Flash を、より高スコアのいくつかのコーディングモデルの後ろに位置付けています。

現在の CursorBench ページでは、Gemini 3.6 Flash のいくつかの推論レベルが表示されています。本稿執筆時点で入手可能な最新の公開結果は次の通りです。

• Gemini 3.6 Flash Medium：51.2%
• Gemini 3.5 Flash：48.8%
• Gemini 3.6 Flash Low：47.4%

これは、このベンチマークにおいて、中程度の推論設定が Gemini 3.5 Flash から改善されていることを意味しますが、それでも多くのより強力なコーディングモデルには劣ります。

また、モデル評価は文脈を考慮して行う必要があることを示す良い例でもあります。

「Gemini 3.6 Flash は競合他社より劣る」という主張は、特定のベンチマークと比較セットにおいては正しいかもしれません。同時に、「Gemini 3.6 Flash は 3.5 Flash から改善されている」という主張も成立し得ます。

Google の独自ベンチマークは実際の進歩を示す

Google が公表した評価結果は、コミュニティの最も厳しい反応よりも、はるかにポジティブな状況を描き出しています。

同社は、コーディング、機械学習エンジニアリング、コンピューター利用、ナレッジワーク、グラフ推論、長文コンテキストタスクにおいて、Gemini 3.5 Flash からの改善を報告しています。

Google が 2026 年 7 月に公表したベンチマーク表で、Gemini 3.6 Flash をいくつかの競合モデルと比較しています。

Google が報告した選定結果の一部は以下の通りです。

Google はまた、Artificial Analysis Index において、Gemini 3.6 Flash は Gemini 3.5 Flash よりも出力トークンが 17% 少なく、一部の DeepSWE ワークロードではトークン使用量が最大 65% 削減されると述べています。

新しいモデルの価格設定は以下の通りです。

• 入力トークン 100 万個あたり 1.50 ドル
• 出力トークン 100 万個あたり 7.50 ドル

Gemini 3.5 Flash は同じ表示上の入力価格ですが、Google の価格設定では出力価格はより高い 9.00 ドルです。

比較を始めます。

エージェントワークロードにとって、この違いは重要です。なぜなら、コストはベンチマークの品質だけでなく、モデルがタスクを完了するために使用する推論トークンとツールループの回数にも依存するからです。

Artificial Analysis は 3.6 Flash のインテリジェンススコアを 3.5 Flash と同じと評価

第三者によるテストは、より控えめな結論を示しています。

Artificial Analysis は、Gemini 3.6 Flash（高推論モード）に知能指数スコア 50 を与えています。

これは Gemini 3.5 Flash のスコアと同じです。

Artificial Analysis は、3.5 Flash から 3.6 Flash への全体的な知能指数スコアの向上を確認しませんでした。

この結果が、一部の失望感を説明しています。

モデル番号だけを見た開発者は、全体的な知能の明確な飛躍を期待したかもしれません。しかし、Artificial Analysis は、効率性とタスク完了時間の改善を測定した場合、全体的な知能レベルはほぼ同じであると結論付けました。

そのテストによると、Gemini 3.6 Flash の速度は約毎秒 251 出力トークンであり、比較対象の中で最速のモデルの一つとなっています。

Artificial Analysis はまた、Gemini 3.6 Flash と Gemini 3.5 Flash-Lite の両方において、タスクあたりの所要時間が前世代と比較して約半分に短縮されたと報告しています。

したがって、主な改善点はより正確には次のように説明されます。

全体的な知能は同等だが、完了速度が速く、出力トークンが少なく、多くのワークロードでタスクあたりのコストが低い。

これは画期的な知的飛躍ほど注目を集めるものではないが、高容量のプロダクション級エージェントにとっては依然として重要な意味を持つ。

コストパフォーマンスはネット上の不満が示唆するほど単純ではない

一部のユーザーは、Gemini 3.6 Flashが知能ベンチマークでより高いスコアを獲得した競合モデルよりも高価であると批判している。

この情報源は、コストと知能のトレードオフに関するGemini 3.6 Flashへの懸念を指摘している。

トークン単価だけでは全てを語れない。

推論ステップや出力トークンが少ないモデルは、公表されているトークン価格が最低でなくても、タスクをより低コストで完了できる場合がある。

逆に、より安価なモデルでも、何度も再試行が必要だったり、生成が長引いたりすると、実際の使用では高くつく可能性がある。

開発者にとってより良い指標は、多くの場合、自身のワークロードに基づいて測定した 成功タスクあたりのコスト である。

概要

知識のカットオフ日付にはさらなる証拠が必要

元記事はまた、あるユーザーが、Gemini 3.6 Flashは表面的には新しい知識日付を示しているものの、2025年と2026年の多くの出来事について知識がないと主張していることを引用している。

そのユーザーは、このモデルの実際の知識は2025年1月頃で止まっているようだと結論付けている。

このテスト結果は慎重に受け止めるべきである。

言語モデルがある出来事を思い出せないという事実は、それだけでは訓練データに特定のカットオフ日付があることを証明しない。モデルがこのような状態になる理由としては、検索挙動、推論エラー、プロンプトの文言、セキュリティフィルター、訓練カバレッジの不完全さ、不確実性などが考えられる。

Googleが公開しているモデル文書は、ソーシャルメディア上のテストで主張されている特定のカットオフ日付を独立して検証するのに十分な情報を提供していない。

最新情報については、開発者はモデル内部の記憶が特定の日付まで完全であると仮定するのではなく、Google検索を根拠として使用するか、他の検証済みの情報源を介して入手すべきである。

Gemini 3.5 Flash-Lite は速度に焦点

Googleはまた、高スループット、低レイテンシのエージェントワークロード向けに設計された Gemini 3.5 Flash-Lite をリリースした。

AI分析機関による測定では、このモデルの速度は約 毎秒350トークン である。

Googleが公表するAPI価格は以下の通り：

• 入力トークン100万あたり0.30ドル
• 出力トークン100万あたり2.50ドル

これにより、Gemini 3.6 Flashよりもはるかに低価格となっている。

このモデルは以下のようなワークロードに適している：

• エージェント検索
• 文書処理
• 高スループットデータ抽出
• 翻訳
• 要約生成
• サブエージェント実行

Googleによると、Flash-Liteは設定可能な思考レベルと組み込みのコンピュータ使用機能もサポートしている。

公式の比較では、Gemini 3.1 Flash-Liteと比較して大幅な改善が見られ、以下を含む：

• エンドポイントベンチマーク 2.1：54% 対 31%
• GDM-MRCR v2：72.2% 対 60.1%
• GDPval-AA v2：1140 対 642

また、いくつかのエージェントベンチマークでは旧型のGemini 3 Flashをも上回っている。

当初の報道では、答えが間違っていれば速度は無意味だとされた。原則としては妥当だが、ベンチマークの証拠はFlash-Liteを単に「より速いが劣る」モデルとして退けるものではない。

Googleが表明する目的は異なる：完全な最先端の知能能力を必要としない高スループットワークロードにおいて、より小規模なモデルを使用することである。

Gemini 3.5 Flash Cyber は脆弱性研究に焦点

3つ目の新モデルは Gemini 3.5 Flash Cyber である。

これはGemini 3.5 Flashをベースに、以下のようなサイバーセキュリティ業務向けに微調整されている：

• ソフトウェアの脆弱性の発見
• セキュリティ問題の検証
• パッチの生成
• 自動防御分析のサポート

Googleによると、このモデルは CodeMender 内部で使用され、複数のFlash Cyberエージェントが連携して、それぞれの発見事項を1つのレポートに統合することができる。

Gemini 3.6 FlashやFlash-Liteとは異なり、Flash Cyberは汎用の公開モデルとしてはリリースされていない。

Googleは、自動化された脆弱性発見に伴うデュアルユースリスクのため、アクセスが制限されたCodeMenderパイロットプログラムを通じて、政府や信頼できるパートナーに提供すると述べている。

Google DeepMindの別の発表によると、このモデルは大規模な脆弱性の発見と修正を、より大規模な最先端モデルを使用するよりも低コストで実現することを目的としている。

Gemini 3.5 Pro はまだ準備完了せず

多くの開発者にとって、最大のニュースはリリースされなかったモデルである。Googleは次のように述べている：

Gemini 3.5 Pro は現在パートナーとテスト中であり、準備が整い次第、広く一般に公開される。

これは、フラッグシップモデルがこれまでの予想よりも遅れていることを確認するものである。ロイターなどの報道によると、Gemini 3.5 Proは6月にリリースされる予定だったが、コーディング性能が遅延の要因の一つであった。Googleは7月21日の発表で新たな公開日を明らかにせず、品質基準に達した時点でリリースする意向を強調した。

これは3.6 Flashのリリースにとって極めて重要である。この新しいFlashモデルはGemini 3.5 Proの代替品ではなく、製品ラインにおいて異なる位置づけにある：これはコスト、速度、マルチモーダルタスク、自律実行に最適化された、プロダクション向けモデルである。

Gemini 4 は最大規模の事前学習を開始

一方、Googleは次世代Geminiの訓練を開始したことを確認した。GoogleはGemini 4を これまでで最も野心的な事前学習プロジェクト と表現している。

GoogleはGemini 4の事前学習作業が既に進行中であると述べている。

これにより、異例の製品タイムラインが形成されている：

1. Gemini 3.6 Flash は現在一般利用可能。
2. Gemini 3.5 Flash-Lite は現在一般利用可能。
3. Gemini 3.5 Flash Cyber は限定的に展開中。
4. Gemini 3.5 Pro は引き続きパートナーとテスト中。
5. Gemini 4 の事前学習は既に開始。

情報源の記事はこれを、GoogleがフラッグシップのProモデルが未完成のうちにバージョン番号を急いで進めていると解釈している。この解釈は推測に基づく。大規模なAI組織は通常、現世代の全製品がリリースプロセスを完了する前に、次世代モデルの訓練を開始するものである。

事前学習、事後学習、安全性評価、製品統合、サービス展開は並行して進めることができる。

それにもかかわらず、Proバージョンのリリース遅延は明らかにグーグルにプレッシャーを与えている。なぜなら、コーディングと自律的なワークフローは、OpenAI、Anthropic、Moonshot、xAI、Meta、その他のモデルプロバイダー間の主要な競争領域となっているからだ。

Gemini 3.6 Flashは本当にグーグル最悪のモデルなのか？

既存の証拠はこの結論を支持していない。現在、3つの独立した出来事が同時に起きている。

1. 一部の初期開発者は確かにこのモデルを好まない

ネガティブなフロントエンドおよび空間推論テストの結果は、実際のユーザーレポートに基づいている。ベンチマークは本番品質を完全には反映できないため、これらの報告は注目に値する。

1. グーグル自身のデータは、3.5 Flashと比較した大幅な改善を示している

このモデルは、DeepSWE、MLE-Bench、OSWorld、GDPval、長文脈評価において改善を示しており、使用する出力トークンは少なくなっている。

1. サードパーティの総合知能指標はほぼ変わっていない

Artificial Analysisは3.6 Flashに同点の評価を与えている
その知能指数スコアは3.5 Flashと同じである。これは、今回のリリースが主に効率性の向上に重点を置いており、生の知能における大幅な飛躍ではないという見方を支持している。

開発者にとって、正しい質問は、このモデルが注目に値するラベルにふさわしいかどうかではない。
より適切な質問は、速度、コスト、品質、信頼性の組み合わせが特定のアプリケーションシナリオに適しているかどうかである。
Gemini 3.6 Flashは、あるフロントエンドのワークフローには適さないかもしれないが、高スループットのマルチモーダルエージェントには良い選択肢となり得る。この2つの状況は矛盾しない。

よくある質問

Gemini 3.6 Flashとは何ですか？

Gemini 3.6 Flashは、プログラミング、ナレッジワーク、コンピューター使用、エージェントワークフロー向けの、グーグル製の本番環境向けマルチモーダルモデルです。100万以上の入力トークンのコンテキストウィンドウをサポートし、Gemini APIやその他のグーグル製品を通じて公開されています。

Gemini 3.6 FlashはGemini 3.5 Flashより劣っていますか？

全体的にはそうではありません。Artificial Analysisは両方に同じ知能指数スコアを付けていますが、グーグルは3.6 Flashが複数のプログラミング、コンピューター使用、ナレッジワーク、長文脈ベンチマークで改善しており、使用する出力トークンは少ないと報告しています。

開発者はなぜGemini 3.6 Flashを批判しているのですか？

一部の初期ユーザーから、フロントエンド生成能力の弱さ、UI編集のエラーが発生しやすいこと、空間推論の一貫性のなさが報告されています。これらは管理されたベンチマークではなく一回限りのテストであるため、結果はプロンプト、コードベース、ツール、思考レベルによって異なる可能性があります。

Gemini 3.6 Flashの価格はいくらですか？

グーグルの価格は、Gemini 3.6 Flashが入力トークン100万あたり1.50ドル、出力トークン100万あたり7.50ドルです。価格は変更される可能性があるため、開発者はGemini APIの公式ドキュメントで最新の料金を確認する必要があります。

Gemini 3.5 Flash-Liteの速度はどれくらいですか？

Artificial Analysisによると、Gemini 3.5 Flash-Liteは1秒あたり約350の出力トークンを処理します。グーグルはこれを、ドキュメント処理やエージェント検索などの高スループット、低レイテンシータスク向けに設計しました。

Gemini 3.5 Flash Cyberとは何ですか？

Gemini 3.5 Flash Cyberは、Gemini 3.5 Flashに基づくサイバーセキュリティ専用モデルです。グーグルはこれを一般的な公開APIモデルとしてリリースするのではなく、CodeMenderを通じて政府および信頼できるパートナーに提供する予定です。

Gemini 3.5 Proはいつリリースされますか？

グーグルは新しい公開リリース日を発表していません。同社はGemini 3.5 Proがパートナーとテスト中であり、準備が整い次第広くリリースされる予定であると述べています。

グーグルはすでにGemini 4をトレーニングしていますか？

はい。グーグルは、これまでで最も野心的な事前学習計画であるGemini 4を開始したと述べています。同社はGemini 4の公開リリース日をまだ発表していません。

関連ツール

• Google AI Studio：Geminiモデルをテストし、Gemini APIを使って構築するためのグーグルのブラウザベース環境。
• Gemini API：Gemini 3.6 Flashの機能、制限、モデル識別子に関する公式開発者向けドキュメント。
• Gemini：現在のGeminiモデルを使用するためのグーグルの消費者向けインターフェース。
• Vertex AI：Geminiモデルを展開・管理するためのグーグルクラウドのエンタープライズ向けプラットフォーム。
• CursorBench：コードベースの理解、編集、デバッグ、インテリジェントソフトウェアエンジニアリングタスクを評価するためのCursorのベンチマークプラットフォーム。
• Artificial Analysis：知能レベル、速度、レイテンシー、価格設定、トークン使用量をカバーする独立したモデルテスト。
• CodeMender：Google DeepMindがGemini 3.5 Flash Cyberに基づいて構築したセキュリティエージェント環境。

関連リンク

• グーグル公式：Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyberのリリース紹介：公式リリース発表、価格設定、ベンチマーク結果、利用可能状況の詳細。
• Gemini 3.6 Flash 開発者向けドキュメント：公式モデルの制限、サポートされるモダリティ、ツール、APIの詳細。
• グーグル最新Geminiモデルガイド：Gemini 3.6 FlashとGemini 3.5 Flash-Liteの公式移行および使用ガイド。
• Artificial AnalysisによるGemini 3.6 Flashの評価：独立した知能レベル、速度、レイテンシー、価格の測定データ。
• Artificial Analysisリリース評価：3.6 Flashと3.5 Flash-Liteの前世代モデルとの詳細な比較。
• CursorBench：Gemini 3.6 Flashおよび競合モデルの現在のコーディングエージェントベンチマーク結果。
• [Google DeepMind：Gemini 3.5

Flash Cyber 発表：サイバーセキュリティモデル、CodeMender統合、および制限付き展開に関する公式説明。

まとめ

Googleが7月に発表したGeminiシリーズには、Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyberが含まれており、Gemini 3.5 Proは引き続きパートナーテスト段階にある。

初期の開発者からの3.6 Flashに対するフロントエンドおよび空間推論テストでの評価は異常なほど否定的であり、同モデルは最高のコーディングベンチマークでもリードしていない。しかし、Googleが公表したテスト結果によると、同モデルは複数の重要なタスクにおいて3.5 Flashと比較して明らかな向上を示しており、Artificial Analysisも、同じ総合知能スコアを維持しながら、より優れた速度と効率を備えていることを確認している。

Gemini 3.5 Flash-Liteは高スループットタスク向け、Flash Cyberは防御的セキュリティ分野に特化しており、GoogleはGemini 4の事前学習も開始している。

最も正確な解釈は、Gemini 3.6 FlashがGoogleの「最悪のモデル」であるということではなく、効率性を重視したリリースであるということだ。その実際の初期市場の反応は、Googleの公式ベンチマーク結果よりもはるかに複雑である。