Google が Gemini を一挙3モデル発表、待望の 3.5 Pro だけが不在
- Google が7月21日、Gemini を一度に3モデル発表。すべて Flash 系列です — 主力の 3.6 Flash、3.5 系列で最速かつ最も安い 3.5 Flash-Lite、脆弱性発見に特化した 3.5 Flash Cyber。
- 待たれていた 3.5 Pro は登場せず。フラッグシップの Pro 系列は 3.1 Pro Preview のまま止まっています。発表ページには「パートナーとテスト中」の一文だけ。同時に Gemini 4 の事前学習開始も告知されました。
- 主力の 3.6 Flash の売りは「あまり喋らない」こと。同じソフトウェアエンジニアリングのタスク群で、出力は27.6万トークンから9.7万トークンへ。正答率は逆に37%から49%へ上昇し、出力価格も9ドルから7.5ドルに下がりました。
- 3.5 Flash-Lite は毎秒350トークンを吐き出し、3.5 系列で最速。ただし出力価格は前世代比66.7%の値上げです。発表ページは「コスパが高い」としか書いていません。
- 3.5 Flash Cyber は一般販売なし。政府と信頼できるパートナー限定です。CyberGym で83.2%を記録し、図中の5つの構成では4位でした。
一挙に3モデル、みんなが待っていたあれは来ず
Google は2026年7月21日、Gemini を一度に3モデル発表しました。3つとも安くて速い Flash 系列で、フラッグシップは1つもありません。
Pro 系列の最新はいまだに 3.1 Pro Preview
Gemini API の公式価格ページを見ると、Pro 系列に掲載されている最新モデルは gemini-3.1-pro-preview、しかもプレビュー版です。今回追加された 3.6 Flash と 3.5 Flash-Lite はどちらも正式版です。
発表ページは末尾で次世代の進捗にも触れています。
私たちはこれまでで最も野心的な事前学習を開始しました。目標は Gemini 4 で、進捗は非常に有望です。 Google Blog、2026-07-21（原文：We have started our most ambitious pre-training run yet, for Gemini 4）
Demo Lab の8本、利用可能な2モデルが実際に動く様子
発表ページには本文とは別に Demo Lab のデモ動画群が置かれ、利用可能な2モデルが実際のツール上で動く様子を見せています。
3.6 Flash の4本
3.5 Flash-Lite の4本
3.6 Flash の売りは「あまり喋らない」、同じタスクで文字数3分の2減
同じ長期タスクのソフトウェアエンジニアリング課題で、前世代の 3.5 Flash は平均27.6万トークンを吐き出してようやく終わっていました。3.6 Flash はわずか9.7万トークン。3分の2近く喋らなくなったのに、正答率は逆に37%から49%へ上がっています。
この2組の数字は公式が公開した2枚の図によるもので、どちらも同じ評価 DeepSWE v1.1 です。測っているのは、モデルが長時間続けて作業するタイプのソフトウェア業務 — 実在のコードベースを読み解き、問題箇所を特定し、コードを直し、テストを走らせ、その結果を見てさらに直す、という一連の流れです。
Google が示す2つの削減幅は基準が異なります。Artificial Analysis の指数では17%減、「一部の評価、たとえば Datacurve による DeepSWE」では「最大65%」と書かれています。仕組みについて公式は2点だけ説明しています。多段タスクを終えるまでの推論ステップ数とツール呼び出し回数がどちらも減ったこと。そして精度が上がり、余計なコード変更も実行ループも減ったことです。
出力は入力の5倍高い、だから喋らないことが節約になる
あなたがモデルに送る内容が入力、モデルが返してくる内容が出力で、両者は別々に課金されます。Gemini API の価格ページ上、3.6 Flash の両者の価格差はこうです。
あなたが送る内容
モデルが返す内容（入力価格の5倍）
価格ページの出力欄には「including thinking tokens」と明記されており、モデルの思考過程も出力として課金されます。そして agentic なワークフローでは、モデルが自分で段取りを踏みます — ファイルを読み、ツールを呼び、返ってきた結果を見て、次の一手を決める。この積み重ねで溜まる出力量が、そのまま請求額になります。
価格：出力は16.7%値下げ、発表ページに書かれていない2つの区分
発表ページの表現は「出力トークンあたりのコストがより低い」で、3.6 Flash の価格として入力1.50ドル、出力7.50ドルを提示しています。Gemini API の価格ページと照らすと、3.5 Flash の入力価格も同じく1.50ドル、出力価格は9.00ドル。つまり出力側が16.7%下がった計算です。
発表ページが触れていない区分がもう2つあります。急がないタスクはバッチ処理に回せて価格は半分。繰り返し送る長いコンテキストはキャッシュにヒットすれば100万トークン0.15ドルで、入力価格の10分の1です。
Figma Make 向けにモデルを評価するとき、私たちが求めるのは品質、速度、コストのバランスです。Gemini 3.6 Flash はまさにその最適点に収まっており、デザインの品質を保ったまま、プロトタイプの探索と反復を格段に速くできます。 Matt Colyer、Figma プロダクトディレクター（Google Blog より引用）
Hebbia と Harvey という2社の顧客も名指しされ、文書解析、チャートとデータ分析、レポート起案といったマルチモーダルなナレッジワークで特に強い、とされています。
3.6 Flash は4項目すべてで前世代フラッグシップ 3.1 Pro を上回った
公式の4連棒グラフで、いちばん左の淡い色の棒が Gemini 3.1 Pro — 前述の、Pro 系列で現時点最新のプレビュー版です。発表ページの本文はこの列に踏み込んでいません。
| 評価 | 測るもの | 3.1 Pro | 3.5 Flash | 3.6 Flash |
|---|---|---|---|---|
| DeepSWE v1.1 | 長期のソフトウェアエンジニアリング：実在のコードベースを読み、コードを直し、テストを走らせる | 12% | 37% | 49% |
| MLE-Bench | 機械学習の研究（原文の表記は ML Research） | 42.6% | 49.7% | 63.9% |
| GDPVal-AA v2 | 実在の職業における日常業務タスク。単位はパーセントではなく Elo スコア | 965 | 1349 | 1421 |
| OSWorld-Verified | PC 操作：実際のシステム上で画面をクリックし、ソフトを開き、タスクを完了させる | 76.2% | 78.4% | 83.0% |
GDPVal-AA v2 の行は Elo スコアで、パーセントではありません。Artificial Analysis はこの項目を「agentic な実務タスク、(Elo−500)/2000」と説明しています。
Artificial Analysis が 3.6 Flash（high 思考モード）に付けた知能指数は50点。この指数は9つの評価で構成されています。
3.5 Flash-Lite は 3.5 系列で最速、ただし価格は前世代より上がった
2つ目の Gemini 3.5 Flash-Lite の位置づけは低レイテンシと高スループット。発表ページが名指しした用途は agentic 検索と文書処理です。Google は Artificial Analysis のデータを引用し、毎秒350の出力トークンを吐き出す 3.5 系列最速だとしています。
公式は図にない項目も1つ挙げています。長文コンテキスト検索の GDM-MRCR v2 が60.1%から72.2%へ。極端に長い資料の中から、問われた箇所を正確に拾い出せるかを測るものです。
発表ページが触れていないこと：前世代より高い
価格について発表ページはこう書いています — 「価格は0.3／2.5ドル、品質は 3.1 Flash-Lite より著しく優れ、コスパが非常に高い」。この一文には比較対象が欠けています。3.1 Flash-Lite はいくらだったのか。公式価格ページで補うとこうなります。
| 3.1 Flash-Lite | 3.5 Flash-Lite | 変化 | |
|---|---|---|---|
| 入力価格（テキスト／画像／動画） | $0.25 | $0.30 | 20%上昇 |
| 出力価格 | $1.50 | $2.50 | 66.7%上昇 |
| 入力価格（音声） | $0.50 | $0.30 | 40%低下 |
| Terminal-bench 2.1 | 31.0% | 54.0% | 23ポイント上昇 |
| GDPVal-AA v2（Elo） | 642 | 1140 | 498ポイント上昇 |
テキスト出力価格は3分の2値上がり、音声入力価格は逆に4割下がりました。発表ページは終始「コスパが高い」という言い方で、絶対価格の変化には触れていません。
もう一つの売りは、同じモデルで思考の段階を切り替えられることです。高頻度タスクでは minimal や low に設定して低レイテンシ・低コストを狙い、多段の分解が必要なサブ Agent の負荷にはより高い段階へ。すべての思考段階で 3.1 Flash-Lite を明確に上回るとしています。computer use も内蔵ツールになりました。
……（前略）Ashler の agentic な検索とツール呼び出しのタスクに必要な速度とコスト効率。断片化したインフラ記録の分析に長け、数百件の成果物の間で文脈を保ち続けます。次世代の送電網、交通網、データセンターを築く私たちのユーザーを支えてくれます。 Connor Goggins、Ashler 共同創業者兼 CTO（Google Blog より引用）
3.5 Flash-Lite は Google 検索への展開も進んでいます。
3.5 Flash Cyber は脆弱性発見に特化、しかも一般販売なし
3つ目の Gemini 3.5 Flash Cyber は 3.5 Flash をファインチューニングしたもので、やることは一つだけ — ソフトウェアのセキュリティ脆弱性を見つけ、実際に悪用可能だと検証し、パッチを書く。トークンあたりの価格はより大きなセキュリティモデルより安く、一般販売はしません。
DeepMind の関連ブログが示す背景はこうです。AI が脆弱性を見つける速度は、既存システムが修正する速度をすでに超えている。守る側には、高い能力と低コストを両立し、大規模に展開できる手段が要る。Google は Flash Cyber のトークンあたり価格がより大きなセキュリティモデルより安いとしています。
発想は「高価な1回の呼び出しを、安い複数回に置き換える」
深い脆弱性を見つけるには、巨大な実行パス空間を探索する必要があります。同じ関数でも、入力や呼び出し順序が変われば何千通りものパスが生まれる。超大型モデルを1回呼べばそれを全部把握できる、という期待自体がボトルネックだと DeepMind ブログは述べています。
Google のやり方は、何度も呼ぶことです。CodeMender というコードセキュリティ Agent の中で、複数の Flash Cyber Agent がそれぞれコードパスの一部をスキャンし、最後に結果を1つのレポートに統合します。
何千通りもの実行パス
それぞれがコードパスの一部を分析
レポートにまとめる
DeepMind ブログはさらに、呼び出し回数を増やしていっても Flash Cyber は新しいコードパスと脆弱性を見つけ続けたと述べています。安いからこそ、高頻度スキャン、リリース前チェック、コミットのたびに一巡させるパイプラインに組み込めます。
CyberGym の完全な順位
CyberGym は数百件の実在するソフトウェア脆弱性で AI Agent を試すものです。発表ページはこの図について「フロンティアに匹敵する水準に達した」と書き、DeepMind ブログの表現は「著しく大きいモデルを相手に競争力のある性能を示した」です。図中の5本の棒を高い順に並べるとこうなります。
| 順位 | 構成 | CyberGym |
|---|---|---|
| 1位 | GPT-5.5-Cyber in OpenAI Agent | 85.6% |
| 2位 | Mythos 5 in Anthropic Agent | 83.8% |
| 3位 | GPT-5.6 Sol in OpenAI Agent | 83.6% |
| 4位 | Gemini 3.5 Flash Cyber in CodeMender（モデル呼び出し最大5回） | 83.2% |
| 5位 | Mythos Preview in Anthropic Agent | 83.1% |
4位で、5位とは0.1ポイント差、1位とは2.4ポイント差です。図中の自社の棒には但し書きが付いています — モデル呼び出し最大5回。DeepMind ブログの説明では、このスコアは CodeMender を「最終レポート1件あたり最大5回呼び出す」設定で得たもので、本文の脚注には競合のスコアが各社の自己申告値であると明記されています。
V8 エンジンの一組：55 対 47 対 36
V8 は Chrome の JavaScript エンジンで、DeepMind ブログは極めて複雑だとしています。呼び出し回数を固定した条件で、3モデルがそれぞれ見つけた重複のない、確認済みの問題の件数です。
Google が「重複がない」という基準について説明するところによれば、能力の低いセキュリティモデルはループに嵌まりやすく、同じ問題を繰り返し報告しながら本当に重要な脆弱性を見落とす。強いモデルほど網を広く張るので、重複のない問題をより多く見つけられる、というわけです。
他の2組はいずれも一発正答率（pass@1）で採点されています。Google の Big Sleep チームが独自に組んだ評価（Chrome や Safari のような複雑なコードベースで最も見つけにくい重大脆弱性を狙って集めたもの）では、Flash Cyber は本流の 3.5 Flash と 3.6 Flash を明確に上回りました。Chrome 本番環境のコミットスキャンのパイプラインでは、3.5 Flash より顕著に向上。この組の脆弱性は一度も公開されたことがなく、Google はこれによりこのベンチマークが Gemini にも競合にもデータ汚染がないと述べています。Wiz と Cloud CISO のセキュリティエンジニアリング側テスターからの初期フィードバックも、本流の 3.5 Flash に対する能力向上を裏づけています。
実戦：2時間で使える攻撃チェーンを掘り当てた
Google Cloud の脆弱性研究チームが Flash Cyber で自社システムを調べました。2時間以内に、複数の公開 API でリモートコード実行の脆弱性を発見し、さらに機微な本番サービスでメモリ破壊の脆弱性を見つけています。
そのうえで100%確実に動くリモートコード実行のエクスプロイトを生成し、ASLR や W^X といった標準的な防御を回避しました（前者は実行のたびにプログラムのメモリ上の位置をランダムに動かすもの、後者は同じメモリ領域が書き込み可能かつ実行可能になることを禁じるものです）。
CodeMender に組み込まれた Flash Cyber は、すでに Google 社内の Chrome、Android、Cloud、Ads、YouTube のコードベースで脆弱性の発見と修正に使われています。Google によれば、その学習データには他社にない強みがあります。OSV.dev というオープンソース脆弱性データベースに集まった70万件超の脆弱性記録、そして OSS-Fuzz が10年以上積み上げたファジングの結果です。公式の言い分では、これによりモデルは合成された練習問題に留まらず、業界標準ツールの操作を覚え、Chromium のような100万行級プロジェクトのコードを読み通し、数時間続く深い分析を要するセキュリティ業務を独力でこなせるようになったといいます。
DeepMind ブログは、この技術が攻撃にも防御にも使える性質を踏まえ、Google が展開方法を意図的に設計したと述べています。一般販売はせず、今後 CodeMender を通じて政府と信頼できるパートナーに限定パイロットとして提供し、その後段階的に拡大する。発表ページは未来形で書かれており、現時点ではまだ開放されていません。一方で Google は、CodeMender の基礎的な能力を Gemini Enterprise Agent Platform 経由で一般の顧客にも開放しています。こちらは通常利用できる Gemini モデルを使います。
この2モデルは今どこで使えるか
3.6 Flash と 3.5 Flash-Lite は発表当日から使えます。
- 開発者：Gemini API。Google AI Studio と Android Studio から接続できます。3.6 Flash は Google Antigravity にも入りました。
- 企業：Gemini Enterprise Agent Platform。3.6 Flash は Gemini Enterprise アプリでも選択できます。
- 一般ユーザー：Gemini アプリで選べます。3.5 Flash-Lite は Google 検索への展開が進行中です。
computer use（モデルが直接 PC の画面を操作する機能）は、Gemini API と Gemini Enterprise を通じてクライアント側の内蔵ツールになりました。新しい2モデルはどちらも対応しています。
安全面では、3.6 Flash は2方向の防御を強化しました。化学・生物・放射性・核の分野（略称 CBRN）と、サイバー攻撃への悪用です。Google はこれによりモデルが明らかに脱獄されにくくなり、同時に正当な用途では拒否が減るよう訓練したとしています。2モデルとも公開のモデルカードがあり、詳細を確認できます。
Google が Gemini を一挙3モデル、全部 Flash 系列：主力は3分の2喋らなくなり、仕事は逆に良くなった
Google が7月21日、Flash 系列のモデルを一挙3つ発表。待望のフラッグシップ 3.5 Pro は不在。このページで今回の勘定を図つきで片づけます。
↓ 一枚で読了 · 動く図が1枚あります
Gemini は Google の AI モデルで、値段別に3階層あります。Pro が最強で最も高く、Flash は日常業務の階層、Flash-Lite が最速で最も安い。7月21日に一挙3モデルが出ましたが、全部が安い方の2階層に収まりました。
- Gemini 3.6 Flash ， 主力階層の世代交代、当日から利用可。
- Gemini 3.5 Flash-Lite ， 3.5 系列で最速の階層、当日から利用可。
- Gemini 3.5 Flash Cyber ， ソフトウェアの脆弱性発見に特化、一般販売なし、政府と信頼できるパートナー限定。
- （不在）Gemini 3.5 Pro ， フラッグシップ階層。発表ページにあるのは「パートナーとテスト中」の一文だけで、日付もベンチマークも価格もなし。Pro 系列の最新はいまだ 3.1 Pro Preview というプレビュー版です。同じページで、次世代 Gemini 4 の事前学習開始も告知されました。
まず主力階層が前世代で残していた弱点から。
✘ 一巡すると平均27.6万トークン（モデルが吐き出す文字、個数で課金）を消費し、最後に正解できたのは37%だけ。
あなたが送る文字が入力、モデルが返す文字が出力で、別々に課金されます。出力価格は入力の5倍、モデル自身の思考過程も出力として課金。回り道が多く、話が長いほど請求は伸び、しかも仕事は片づくとは限りません。
3.6 Flash の売りは、あまり喋らないことです。同じ長期のソフトウェアエンジニアリングのタスク群（評価名は DeepSWE v1.1）で、平均出力量を前世代の3分の1強まで削り、同時に出力単価も下げました。両方が下がると、1タスクの出力コストはこうなります。
出力価格 $9.00 / 100万 token
───────────────
1タスク ≈ $2.48
出力価格 $7.50 / 100万 token
───────────────
1タスク ≈ $0.73
話は3分の2近く減り、正解の割合は逆に37%から49%へ。すると次の疑問が出ます。文字をこれだけ削って、なぜ仕事はむしろ良くなるのか。
鍵は「一仕事に何往復するか」です。この種のタスクでは、モデルが自分で段取りを踏みます — ファイルを読み、考え、手を入れ、テストを走らせ、結果を見て次を決める。毎回それを吐き出すので、文字はこうして往復のたびに積み上がります。
左の丸は遅く長く走り、右は速く短い。これが「3分の2喋らなくなる」の1タスクでの見え方です。回る輪が減り、1周ごとの話も短くなりました。
「出力量65%減」ではピンと来ませんが、請求書に換えると見えてきます。この種のコードタスクを1000件、モデルが吐く側のコストだけで計算します。
文字数
片づいた割合
3.5 Flash-Lite 最速
3.5 Flash Cyber 政府限定
- × 3.5 Pro なし
- × 日付なし
- × スコアなし
- × 価格なし
だけの文字数
上がった
Artificial Analysis が自前の問題群で測った出力削減幅は17%。
最安の Flash-Lite の出力価格は、逆に1.50から2.50へ。