Gemini 3.6 Flash vs Gemini 3.5 Flash: 実際に何が変わったのか？

GoogleがGemini 3.6 Flashを2026年7月21日にリリースした際、自社の発表資料でこのモデルを"に基づく Gemini 3.5 Flash" — これは異例なほど率直な表現であり、発表全体で最も有用な一文でした。これは、Gemini 2からGemini 3へのような新世代の飛躍ではなく、同じ実用的な階層の改良版であり、同じ用途——大量のチャット、検索、日常的なコーディング、そしてコストとレイテンシが生の知能と同じくらい重要なエージェントパイプライン——に最適化されています。Googleはモデルの位置づけを変更せず、階層名を変更せず、ターゲット層も変更しませんでした。すでに3.5 Flashを本番環境で使用しているなら、3.6 Flashは評価すべき明らかな次のステップであり、学ぶべき別の製品ではありません。

つまり、抽象的な「3.6 Flashの方が優れているか」という問いではなく——2026年7月のリリースが3月の前身を何かで上回るのは明らかであり——重要なのは、どの特定の次元がどれだけ動いたか、そしてその次元が実際にあなたのワークロードに依存するものかどうかです。この比較では、両バージョンが共有する知能スコア、ベンダー報告のコーディング、エージェント、長文脈の改善、代表的な呼び出しのコスト比較、そして今移行するか、後で移行するか、あるいはまったく移行しないかを判断するための3つのシナリオについて検討します。

TL;DRの結論。アップグレードはコスト、速度、エージェント能力の余裕のためであり、生の知能のためではない。Gemini 3.6 Flash と 3.5 Flash は、Artificial Analysis Intelligence Index でともに50点を獲得しており、唯一の独立した評価基準では知能の向上は見られません。しかし3.6は出力価格を100万トークンあたり7.50ドル（以前は9.00ドル）に下げ、タスクあたりの出力トークンを約17%削減し、Artificial Analysisが追跡する最速のモデル（303トークン/秒）です。Google自身のベンチマークでも、実際のコーディング、エージェント能力、長いコンテキストでの向上が見られます。特に顕著なのは、100万コンテキストリコール（GDM-MRCR v2）で27%未満から54.0%へのジャンプです。ほぼすべての3.5 Flashワークロードにおいて、3.6 Flashはコストと能力の両面で明白な勝利です。待つべき唯一の理由は、リリースウィンドウの安定性と厳密に調整された評価です。

主なポイント

• 同じ知能スコアです。 両方ともArtificial Analysis Intelligence Index 50に位置しています — アップグレードは効率性とエージェント能力であり、一般的な知能ではありません。

• より低コストの出力。3.6 Flashは、3.5 Flashの$9.00から引き下げられ、出力トークン100万あたり$7.50です。入力は$1.50、キャッシュされた入力は$0.15です。

• 少ないトークン、より速いスピード。同等のタスクあたり約17%少ない出力トークン、そして最高ランクのスループット約303トークン/秒。

• 控えめだが着実なコーディングの向上。Googleは、SWE-Bench Pro (58.7% vs 55.1%)、DeepSWE (49% vs 37%)、MLE-Bench (63.9% vs 49.7%)、OSWorld (83.0% vs 78.4%)において、3.6が3.5を上回ったと報告している。

•  ロングコンテキストの想起が急激に上昇する。 GDM-MRCR v2は1Mコンテキストにおいて、27%未満から54.0%に上昇——これは両バージョン間で報告された最大の差である。

• それ以外は同じ形状です。どちらも約1Mコンテキスト、64K出力、マルチモーダル入力/テキスト出力です。3.6では2026年3月のナレッジカットオフが追加されています。

•  ローンチウィンドウに関する注意事項があります。容量/信頼性の負荷に関する初期報告や、少なくとも一つのフロントエンド/空間推論出力の弱さの報告があります。本番トラフィックを運用している場合は、バージョンを固定する価値があります。

ここに示されているクロスモデルベンチマークの数値 — SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench、OSWorld、GDPval、およびGDM-MRCR — はGoogle独自のもので、3.6 Flashと3.5 Flashを自己比較しています。唯一の独立したアンカーであるArtificial Analysis Intelligence Index（両方とも50）は継続的に再測定されています。引用する前に最新の数値を確認してください。3.5 Flashのトークンあたりの入力価格は発表資料に再記載されていません。ご自身でコスト計算を行う前に、価格ページで現在のレートを確認してください。

スペックと価格、並べて比較

• AA Intelligence Index — Gemini 3.6 Flash:50；Gemini 3.5 Flash:50（同一）

• 出力価格（100万あたり） — 3.6 Flash: $7.50; 3.5 Flash: $9.00

• 入力価格（100万トークンあたり）— 3.6 Flash: $1.50（キャッシュ時 $0.15）；3.5 Flash: 最新の価格ページをご覧ください

• タスクあたりの出力トークン — 3.6 Flash: 約17%少ない; 3.5 Flash: ベースライン

• 速度 — 3.6 Flash: 303 tok/s (#1 トラック中); 3.5 Flash: 高速, 前世代

• SWE-Bench Pro（ベンダー） — 3.6 Flash: 58.7%、3.5 Flash: 55.1%

• DeepSWE v1.1 (ベンダー) — 3.6 Flash: 49%; 3.5 Flash: 37%

• GDM-MRCR v2 at 1M、長文脈再現（ベンダー）— 3.6 Flash: 54.0%; 3.5 Flash: 27%未満

• 知識のカットオフ — 3.6 Flash: 2026年3月; 3.5 Flash: それより前（発表資料では未特定）

• コンテキスト / 出力 / モダリティ — 両方: ~1M / 64K / マルチモーダル入力, テキスト出力

ストーリーは最初と最後の行にあります。上部では同一の知能、下部では同一の能力範囲 — 同じコンテキストウィンドウ、同じ出力上限、同じマルチモーダル入力/テキスト出力の形状。変更されたすべては中央に位置しています：価格、トークン数、速度、コーディングスコア、そして特に長文脈の想起（これはどの行よりも大きく変動しました）。まさにこれは新世代モデルではなく、効率性とエージェント能力の向上を目的としたリリースのプロファイルです。

ベンチマークの深掘り：数値が実際に測定するもの

まずは、Artificial Analysis Intelligence Indexから始めましょう。これは独立して測定された唯一の数値であり、自己申告ではありません。両方のバージョンが正確に50点を獲得しています。この引き分けは重要です。つまり、リリース間でモデルの基礎的な推論、知識、および一般的な問題解決能力が変わっていないことを示しています。複合的な意味でより賢いモデルを得ているわけではありません。また、このスコアは特定の推論の度合いの設定に結びついており、中立の第三者によって継続的に再測定されていることを覚えておく価値があります。したがって、50/50を永続的な事実ではなく、現在の独立した測定値として扱ってください。

コーディングの数値は別の物語を語っており、それらはすべてGoogle自身のベンダー比較です。SWE-Bench Proは55.1%から58.7%に上昇し、DeepSWE v1.1はさらに37%から49%に跳ね上がっています。両方とも、モデルがコードに関する質問に答えるだけでなく、現実的なソフトウェアエンジニアリングタスクを解決できるかどうかを測定します。DeepSWEでの二桁の変動は、自己報告の数値であっても意味のあるシグナルですが、この組み合わせに対するこれらの特定の評価の独立した再実行がないため、それらを認証された第三者検証済みのギャップではなく、より強力なコーディングエージェントの方向性を示す証拠として読んでください。

エージェンティック評価はその全体像をさらに広げます。Terminal-Bench 2.1は76.2%から78.0%に向上、MLE-Benchは49.7%から63.9%に上昇、OSWorld-Verifiedは78.4%から83.0%に上昇、そしてGDPval-AA v2のEloレーティングは1349から1421に移行しました。これらを総合すると、これらの評価はシングルショットの回答ではなく、マルチステップでツールを使用する作業（ターミナルコマンドの実行、機械学習エンジニアリングタスクの完遂、コンピュータ環境の操作、プロフェッショナルレベルの成果物の作成）をテストします。4つの異なるエージェンティックベンチマークにわたって一貫した方向性が見られることは、たとえ各ベンチマークにベンダー報告による注意点が付記されていても、単一のスコアだけよりも説得力があります。

ただし、際立っているのは長文脈の想起能力です。GDM-MRCR v2は100万トークンの文脈長において、27%未満から54.0%に上昇しており、ほぼ倍増しています。これは比較対象の中でも最大の報告された差であり、トークン数と速度の節約が実際にどこから来ているのかを多く説明しています。すなわち、巨大な文脈から適切な情報をより確実に取得できるモデルは、正しい回答に到達するために必要な修正パスや冗長な推論が少なくて済むため、これは3.6の同等タスクにおける出力トークン数が約17%少ないこととも一致します。

実際のコスト

トークン単価は抽象的な概念であり、実際に請求書に影響するのはタスクあたりのコストです。ここでは、代表的な呼び出しとして4,000入力トークンと2,000出力トークンを想定します。3.5 Flashの現時点での正確な入力レートは3.6の発表資料に再掲されていないため、以下の計算では、両バージョンとも3.6 Flashの公表値である1Mトークンあたり$1.50の入力価格を適用し、判明している2つの変更点（出力価格の低下と約17%の出力トークン効率向上）に絞って比較します。正確な過去の請求額が必要な場合は、料金ページで3.5 Flashの現在の入力レートをご確認ください。この前提のもと、3.5 Flashの2,000トークンにおける出力コストは2,000 × $9.00 / 1M ≈ $0.018、入力コストは約$0.006で、1回の呼び出しあたり合計約$0.024となります。3.6 Flashの出力コストは、より低い$7.50のレートと約17%のトークン削減（2,000トークンが約1,660になる）を適用すると、1,660 × $7.50 / 1M ≈ $0.01245となり、同じ入力コスト約$0.006を加えて1回の呼び出しあたり合計約$0.0185となります。トークン効率の効果を考慮しない場合は約$0.021、両方の変更を合わせると約$0.0185です。

• 1回の呼び出しコスト (4K入力 / 2K出力) — 3.5 Flash: ~$0.024; 3.6 Flash: ~$0.0185 (出力価格が低く、出力トークンが約17%少ない)

• 月間10万コール — 3.5 Flash: 約$2,400; 3.6 Flash: 約$1,850

• 月間100万回の通話 — 3.5 Flash: 約$24,000; 3.6 Flash: 約$18,500

• 相対コスト — 3.6 Flash: タスクあたりのコストは3.5 Flashの約77%（約23%の削減）

23%はどのボリュームでも実数ですが、エージェントパイプラインで最も急速に効果が蓄積されます。Googleによると、3.6 Flashではタスクあたり平均約1.3分、3.5 Flashでは2.7分とされています。呼び出しごととオーケストレーションの分ごとに支払うワークロードは、両方の面で同時に節約できます。応答あたりのトークン数が少なく、使用するトークンのレートが安く、エージェントループやキューを占有するウォールクロック時間が短くなります。月間100万回の呼び出しで、直接的なトークンコストの約5,500ドルがその目に見える部分です。タスクを半分の時間で完了することによる計算とレイテンシの節約は、価格ページには表示されない部分です。

3つの実世界シナリオ

1. 高負荷でレイテンシーに敏感な本番エンドポイント

チャット、サポート、検索、ドラフト作成の大規模なワークロード — 3.5 Flashが元々構築されていた種類のワークロードです。インテリジェンスは変わらず（50対50）、機能範囲も同一であるため、アップグレードに対して出力品質のリスクを考慮する必要はありません。3.6 Flashの低い出力価格、タスクあたり17%少ないトークン数、そして#1トラックのスループットにより、これはほぼ厳格な改善に近いものとなっています：同じ品質、低コスト、高速レスポンス。これは3つのうち最も簡単な移行です。

2. エージェンティックコーディングまたはDevOpsパイプライン

マルチステップタスク（問題解決、ターミナルコマンドの実行、ツール操作など）は、まさに3.6 Flashのベンダー報告による改善点が集中している分野です。SWE-Bench Pro、DeepSWE、Terminal-Bench、MLE-Bench、OSWorldのすべてがその優位性を示しており、タスクあたりの平均時間は約2.7分から1.3分に短縮されています。これに長コンテキストの想起率の向上（GDM-MRCR v2の1Mで54.0%対27%未満）が加わり、移行によってコスト削減だけでなく最大のメリットを得られるシナリオとなっています。完全に移行する前に、ご自身の評価スイートを再実行してください。これらの数値は独立した検証ではなく、ベンダー自身の比較であるためです。

3. 緊密に調整され、評価がロックされた本番システム

もしプロンプト、ガードレール、または自動評価が3.5 Flashの正確なトークン動作に密接に調整されていた場合、約17%の出力トークンの変化とコーディング/エージェント的なシフトにより、基盤となる知能は変わっていないにもかかわらず、出力が脆弱な完全一致チェックを破るほど変化する可能性があります。これにローンチウィンドウのキャパシティと信頼性レポート、そしてフロントエンド/空間推論の出力が弱いという一件の報告を加えると、賢明な道筋はバージョンを固定し、自身の評価セットで再検証し、3.6 Flashをその場で切り替えるのではなく段階的に展開することです。

3.5 Flashに留まるべき時

待つべき本当の理由は2つしかない。第一に、安定性: 3.6 Flashはローンチ時の負荷で容量と信頼性に関するHacker Newsの初期の苦情を引き起こし、あるテスターはフロントエンド/空間推論の出力が貧弱だと報告した——これは能力の低下というよりもプロビジョニングのひずみだが、本番トラフィックを運用していて荒いローンチ期間を許容できない場合は、バージョンを固定する価値がある。

第二に、厳密な再現性です。3.5 Flashの動作に合わせてプロンプトと評価を細かく調整している場合、トークン効率の変化やコーディング／エージェント的機能の向上によって出力が十分に変わる可能性があり、基礎となる知能スコアが動いていなくても影響が出ます。単なる置き換えと見なさず、切り替える前に再検証してください。これら2つのケース以外では、3.6 Flashに移行しても失われる機能はありません。

どれを選ぶべきか

既に3.5 Flashを実行しているほとんどのユーザーにとって、デフォルトの回答は3.6 Flashに移行することです。得られる知能は変わらず、出力トークンあたりのコストとタスクあたりのトークン数の両方が低下し、スループットは追跡中最速であり、コーディング、エージェント、および長文コンテキストの数値もすべて同じ好ましい方向に動いています。3.5 Flashに留まるのは、ローンチウィンドウの信頼性の問題が妨げになっている場合、または古いトークンの動作に厳密にバインドされた評価があり、再検証に時間が必要な場合のみです。新しいプロジェクトで3.5 Flashを選ぶことが、3.6から始めるよりも理にかなっているシナリオはここにはありません。

よくある質問

Gemini 3.6 Flashは3.5 Flashよりも賢いですか？

いいえ — それらはArtificial Analysis Intelligence Indexで同じスコア（50）を獲得しています。Google自身のコーディング、エージェント、および長文脈ベンチマークは実際の進歩を示していますが、独立した知能指標は変わっていません。

もっと安いですか？

はい。出力は1Mあたり$7.50に低下（$9.00から）、入力は$1.50で、キャッシュ入力は$0.15です。また、タスクあたりの出力トークンが約17%少なくなるため、コストはレートとトークン数の両方の軸で減少します。

移行すべき？

ほとんどの3.5 Flashワークロードでは、そうです — 低コスト、高速、同等以上の出力、さらに強力なコーディングとエージェントスコアが得られます。プロンプトが厳密に調整されている場合は、最初に評価を再実行し、起動ウィンドウの信頼性が重要な場合はバージョンを固定してください。

何か悪化しましたか？

構造的なものではありません。主な注意点は、打ち上げウィンドウのキャパシティと信頼性レポート、フロントエンド/空間推論の出力が弱いという報告が一件、そして（高い思考努力時で約11.5秒という）最初のトークンまでの時間が遅いことで、これはインタラクティブな使用において問題になる可能性があります。

3.6 Flashはコーディングやエージェントタスクにおいてどれほど優れているのでしょうか？

Google自身のベンダー比較によると：SWE-Bench Pro 58.7%（対55.1%）、DeepSWE v1.1 49%（対37%）、Terminal-Bench 2.1 78.0%（対76.2%）、MLE-Bench 63.9%（対49.7%）、OSWorld-Verified 83.0%（対78.4%）。すべて自己報告であり、独立して再実行されたものではないため、目安として扱ってください。

長いコンテキストの性能はどうですか？

これは報告された最大の増加です。GDM-MRCR v2 の1Mトークンコンテキスト長でのリコールが、27%未満から54.0%に上昇——ほぼ倍増しています。また、ベンダーが報告した数値ではありますが、これは同等のタスクにおけるモデルの低い出力トークン数と一致しています。

値下げは入力トークンにも適用されますか？

3.6 Flashの入力価格は、1Mあたり$1.50で、キャッシュされた入力は$0.15です。3.5 Flashの正確な現在の入力レートは、3.6のローンチ資料で再記載されていないため、変更されたと仮定するのではなく、ライブ価格ページを確認してください。

新しい知識のカットオフはありますか？

はい — 3.6 Flash は 2026 年 3 月の知識カットオフを持っています。3.5 Flash のカットオフは比較資料で再述されていませんが、3.6 のものはリリース日が後であるため当然より最近のものです。

結論

Gemini 3.6 Flash vs Gemini 3.5 Flash は、最も明確なアップグレードの種類です。同じ測定された知能、同じ能力範囲、低価格、少ないトークン、高速性、そして一貫した（ベンダー報告による）コーディング、エージェント、特に長いコンテキストのタスクでの向上。もし 3.5 Flash を使用していて、コスト、レイテンシ、またはエージェントの信頼性が制約なら、迅速な評価パスとローンチウィンドウ中のバージョン固定を行った後に移行してください。もし ".6" がより賢いモデルを意味することを期待していたなら、そうではありません。そのためには、Gemini 3.5 Pro または Gemini 4 を待つ必要があります。以下の比較を参照して、3.6 Flash をそのクラスの非Googleモデルと比較検討してください。