Blank white background with no objects or features visible.

EMEAの皆様へ。TrueFoundryは、ヨーロッパ、中東、アフリカ全域で事業を拡大しています。詳細はこちら →

Gemini 3.5 Flashが与えるインパクト。実証実験から見えた真実

By アムルタ・ポトルリ

Updated: November 3, 2026

Published: July 2, 2026

AIモデルのリリースには暗黙のルールがありました。「Proは賢く、Flashは速い。どちらかを選択してトレードオフを受け入れる」というルールです。Googleはそのルールを打破しました。

2026年5月19日のGoogle I/Oで発表されたGemini 3.5 Flashは、新しいGemini 3.5ファミリーにおける最初のモデルです。そして、これまでのFlashクラスのモデルが達成し得なかったことを実現しました。Flash特有の高速動作を維持しながら、コーディングやエージェント系ベンチマークにおいて前世代のフラグシップモデルであるProを上回る結果を示したのです。

背景

Gemini 3.1 Proは2026年2月にリリースされ、高度な視覚的推論やマルチモーダルタスクにおいて、Artificial Analysis Intelligence Indexの首位を獲得しました。これは、わずか3ヶ月前にリリースされたGoogleのフラグシップモデルでした。

3.5 Flashは、多くのコーディングおよびエージェント系ベンチマークでそれを上回る性能を示しています。しかも、動作はより高速です。

ベンチマーク

カテゴリーベンチマークGemini 3.5 FlashGemini 3 FlashGemini 3.1 ProClaude Sonnet 4.6Claude Opus 4.7GPT-5.5
コーディングTerminal-Bench 2.1 (エージェント型ターミナルコーディング)76.2%58.0%70.3%—66.1%78.2%
コーディングSWE-Bench Pro (多様なエージェント型コーディングタスク)55.1%49.6%54.2%—64.3%58.6%
エージェントMCP Atlas (MCPを使用したマルチステップワークフロー)83.6%62.0%78.2%69.5%79.1%75.3%
エージェントToolathlon (一般的な実用ツール利用)56.5%49.4%———55.6%
UI制御OSWorld-Verified (エージェント型コンピューター操作)78.4%65.1%76.2%72.5%78.0%78.7%
エキスパートタスクFinance Agent v2 (財務分析と意思決定)57.9%42.6%43.0%51.0%51.5%51.8%
エキスパートタスクGDPval-AA (経済価値の高い知的労働、Elo)165612041314167617531769
マルチモーダルCharXiv Reasoning (複雑なチャートからの情報統合)84.2%80.3%83.3%72.4%82.1%84.1%
マルチモーダルMMMU-Pro (マルチモーダル理解と推論)83.6%81.2%80.5%74.5%75.2%81.2%
マルチモーダルBlueprint-Bench 2 (エージェント型空間推論)33.6%0.0%26.5%6.7%24.5%36.2%
ロングコンテキストMRCR v2 — 128k (長文コンテキスト検索)77.3%67.2%84.9%84.9%59.3%94.8%
ロングコンテキストMRCR v2 — 1M (長文コンテキスト検索)26.6%22.1%26.3%———
推論Humanity's Last Exam (学術推論、テキスト + マルチモーダル)40.2%33.7%44.4%33.2%46.9%41.4%
推論ARC-AGI-2 (抽象的推論パズル)72.1%33.6%77.1%58.3%75.8%84.6%

出典: Google DeepMind — Gemini 3.5 Flash

Flashは、エージェント、ツール利用、マルチモーダルのベンチマークで首位に立っています。コーディング分野では、両方のタスクでGemini 3.1 Proを上回っているものの、GPT-5.5とClaude Opus 4.7がそれぞれのカテゴリで首位を維持しています。高度な推論と長文コンテキスト検索においては、フラグシップであるProモデルが依然として優位性を保っています。この差は、Googleが今後登場する3.5 Proのために残している部分と見られます。

GoogleがProではなくFlashを先行させた理由

Googleが3.5シリーズの先陣を切ってFlash(Proではなく)を発表したことには意味があります。現在、本番環境で最も重視されるワークフロー(エージェント、ツール利用、コーディングループ)においては、純粋な推論の深さよりも、品質、速度、コストのバランスが重要になります。

同等のフロンティアモデルと比較して4倍の速度で動作し、100万入力/出力トークンあたり$1.50 / $9.00という価格設定のFlashは、大規模なエージェントパイプラインの運用コストを劇的に削減します。

本番環境での評価がこれを裏付けています。BoxのCTOであるBen Kus氏は、エンタープライズの実際のワークフローにおいて、3.5 Flashが前世代のFlashを19.6%上回り、ライフサイエンス分野のデータ抽出精度が96.4%向上したと報告しています。JetBrainsのNick Frolov氏も、前世代のFlashと比較してコーディングパフォーマンスが10〜20%向上したと指摘しています。

Gemini 3.5 Flashは自社環境で通用するか?

公式のベンチマークには、独自のハーネス、全タスクセット、ベンダー自身の評価スタックが使用されています。プラットフォームチームにとって重要な疑問は異なります。「自社のベースURLと自社のモデルIDを使用し、再現可能なプロンプトを実行した場合に、どのような成果が得られるか?」という点です。

TrueFoundry AI Gatewayを通じて、Googleが強調した3つのカテゴリ(CharXivスタイル、MMMU-Proスタイル、Finance Agent v2スタイル)にわたる15のテキスト専用プロンプトハーネスを実行し、参照回答と照らし合わせてスコアを評価しました。

モデル 正解率 平均レイテンシ 合計コスト 正解あたりのコスト
Claude Opus 4.7 66.7%(10/15) 2,538 ms $0.045 $0.0045
GPT-5.5 60.0% (9/15) 3,017 ms $0.020 $0.0022
Gemini 3.5 Flash 46.7% (7/15) 3,529 ms $0.091 $0.0130
スイート Claude Opus 4.7 GPT-5.5 Gemini 3.5 Flash
CharXivスタイル80%80%80%
MMMU-Proスタイル80%80%60%
Finance Agent v2スタイル40%20%0%

この検証結果は、Googleの公式数値を反証するものではありません。使用しているハーネスや評価スタックが異なるためです。この結果が示しているのは、ベンチマークの順位がそのまま自社のエンドポイント環境に適用されるわけではないということです。今回の検証データでは、FlashのFinanceスタイルのスコアは0/5であり、予想される形式に一致しない長文の出力が失敗の原因となりました。コスト面も同様に顕著な差が出ました。Flashは合計支出が最も高く、正解数が最も少なかったため、正解あたりのコストはGPT-5.5の約6倍となりました。

ゲートウェイの背後でモデルを相互に交換できる環境において最も重要となる指標は、正解あたりのコスト(トークン単価 × 試行あたりのトークン数 ÷ 利用可能な応答の確率)です。

100万トークンのコンテキストウィンドウ

Gemini 3.5 Flashは100万トークンのコンテキストウィンドウをサポートしています。これは、コードベース全体、長大な規制文書、あるいは長時間実行される自律タスクの完全なトレースを単一のセッションに収めるのに十分な容量です。検索ベンチマークの結果からは、このコンテキスト長においてもパフォーマンスが落ちることなく、十分に実用可能であることが示されています。

Gemini SparkとGoogleが示している方向性

I/Oではさらに、3.5 Flashを搭載したGoogleの新しい24時間年中無休のパーソナルAIエージェント「Gemini Spark」も発表されました。このモデルは現在、グローバルにおいてGeminiアプリおよびGoogle検索のAI Modeのデフォルトとなっています。Googleは3.5 Flashを単なる通過点としてではなく、最高トラフィックを誇るコンシューマー向け製品と最も野心的なエージェント実験の両方において、本番環境のデフォルトとして導入しています。

今後の注目ポイント

来月予定の3.5 Pro。 Googleは、3.5 Proがすでに社内で使用されていることを確認しています。3.5 Flashがほとんどのベンチマークで3.1 Proを上回っている中で、Flashがまだ及ばない推論タスクや長文コンテキストタスクにおいて3.5 Proがどのような性能を示すかが注目されます。

MCP Atlasでのリード。 Model Context Protocol(MCP)を使用したマルチステップのツールワークフローのベンチマークであるMCP AtlasにおいてFlashが首位を獲得したことは、Googleがツールのオーケストレーションを第一級の学習目標として扱っていることを示しています。MCPネイティブなアーキテクチャを構築するチームにとって、これは大いに注目すべき点です。

TrueFoundryでの実行

TrueFoundry AI Gatewayを使用することで、上記の検証で使用したのと同じセットアップにより、単一のエンドポイントを通じてGemini 3.5 FlashをGPT-5.5、Claude Opus 4.7、その他のフロンティアモデルと並べて利用できます。統一されたリクエストトレースやモデル・チームごとのコスト割り当てが可能になり、プロバイダーごとに個別のAPIキーを準備する必要もありません。

試してみる · クイックスタート · デモを予約

公式ベンチマークデータ: Google DeepMind — Gemini 3.5 Flash(2026年5月19日)。TrueFoundry検証結果: 2026年5月20日、TrueFoundry AI Gatewayを経由した15プロンプトのテキスト専用ハーネスにて実行。

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

August 26, 2026
|
5 min read

Gemini 3 Pro:ベンチマークとGateway経由での利用方法

July 20, 2023
|
5 min read

LLMOps CoE: MLOpsランドスケープにおける次のフロンティア

May 25, 2023
|
5 min read

オープンソースLLM:受け入れるか、淘汰されるか

August 27, 2025
|
5 min read

オンプレミスAI市場のマッピング:チップからコントロールプレーンまで

Guide to Langgraph vs Langchain
November 16, 2026
|
5 min read

LangChain vs LangGraph:どちらが最適か?

比較
A detailed guide on Claude Fable 5
November 16, 2026
|
5 min read

Claude Fable 5: API、ベンチマーク、料金、使い方

エンジニアリングとプロダクト
openrouter vs litellm
November 16, 2026
|
5 min read

LiteLLMとOpenRouter:あなたに最適なのはどちらか?

比較
November 16, 2026
|
5 min read

大規模言語モデルにおけるトランスフォーマーアーキテクチャ

LLM用語
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour