昨年からGeminiを使い続けている人にとって、最近話題になっているおしゃれなジョークは、「自分の兄が少しずつアルツハイマーになっていくのを見ているような感じ」というものです。一般的に、企業が新しいモデルを発表するときは、こうしたジョークを打ち消すために使われます。しかし先ほど、Googleが3つの新しいモデルを一気に発表したにもかかわらず、ネットユーザーはそのジョークを取り下げることなく、むしろ笑い飛ばしてしまったのです。まるで「彼らがあなたを信じていないけど、あなたが最も不甲斐ない存在である」ような印象を与えています。この3つのモデルは、3.6Flash、3.5Flash-Lite、そしてサイバーセキュリティ専門の3.5Flash Cyberです。公式ブログの表現も以前と変わらず、より効率的で、より賢く、大規模なAIエージェントのために生まれたと述べています。ただし、実際の体感は大きな違いがありました。

まず、主力の3.6Flashについて説明します。これは今年5月のI/Oで発表された3.5Flashの小規模なアップグレード版であり、公式的には本格的な業務用モデルとして位置づけられています。今回の最大のポイントは、トークンを節約することです。Artificial Analysis Indexによると、3.6Flashは3.5Flashよりも出力トークンを17％減らしています。DeepSWEのようなシナリオでは、65％まで削減可能です。複数ステップのタスクを処理するとき、推論ステップやツール呼び出しも少なくなりました。価格も実際に下がりました。入力は1.5ドル/百万トークン、出力は7.5ドル/百万トークンで、前世代の3.5Flashの出力価格は9ドルでした。この値下げにより、単一のエージェントタスクのコストが抑えられました。

image.png

ベンチマーキングにおいては、コード能力が重点でした。DeepSWEは37%から49%に向上し、不要なコード変更が少なく、実行ループが短く、生成されたコードが生産環境に近いと公式には語られています。機械学習研究分野のMLE Benchでは、49.7%から63.9%へと大幅に向上しました。コンピュータ操作のOSWorld-Verifiedは78.4%から83%へと上昇し、コンピュータ操作自体がGemini APIとエントリーバージョンの組み込みツールとなっています。知識作業のGDPval-AA v2は1349から1421に上昇し、HebbiaやHarveyなどの顧客はドキュメント解析、チャートデータ分析、レポート作成などマルチモーダルタスクでの突出した性能を評価しています。FigmaやJetBrainsもサポートしています。見落とされがちですが、実際の更新としては、知識のタイムスタンプが2025年1月から2026年3月に更新されました。これでようやく古い情報が終わりました。セキュリティ面では、3.6FlashにアップグレードされたFrontier Safetyが導入されています。特に化学、生物学、放射性物質、核およびネットワーク攻撃といった二度と利用できない用途を監視しており、脱出防止能力が強化されているとされています。同時に、正常なニーズに対して誤って拒否しないように工夫されています。

image.png

次に、3.5Flash-Liteというモデルがあります。これは高速で安価なモデルで、高スループット・低遅延のタスクに特化しています。例えばエージェント検索や文書処理などに適しています。これは3.5シリーズの中で最速であり、Artificial Analysisによる測定では1秒間に350トークンを出力できるとされています。価格は非常に安く、入力は0.3ドル/百万トークン、出力は2.5ドル/百万トークンで、3月に発表された3.1Flash-Liteよりも品質が大幅に向上しています。推論の段階を調整可能で、低スペックの仕事は最低段階で高速かつ省エネに、多段階分解が必要なサブタスクでは段階を上げて処理できます。コンピュータ操作も今や組み込みツールになっています。

その改善はかなり顕著です。コードとエージェントタスクのTerminal-Bench2.1は31%から54%に上がりました。長文のGDM-MRCR v2は60.1%から72.2%に上昇し、実際のタスク実行のGDPval-AA v2は642から1140に急上昇しました。最も興味深いのは、この中級モデルが多くのエージェントやコードタスクで上位モデルの3Flashを逆転していることです。例えば、SWE-Bench Proでは54.2%対49.6%、OSWorld-Verifiedでは74.0%対65.1%です。つまり、3Flashで行っていたタスクに、より速く強力な代替品が登場したのです。公式ではいくつかの使用例を挙げており、大量のEコマースデータから製品特性を抽出したり、3.6Flashの補佐として25個のウェブデザイン案を一気に生成したり、収据の大量翻訳と要約、ゲーム開発の過程でリアルタイムにイテレーションを行うなどです。Ashler、Palo Alto Networks、Rampなどの顧客もそのスピード、知能、コストの三拍子を称賛しています。

最後に、3.5Flash Cyberというモデルがあります。これは画風が一変し、コード内のセキュリティの脆弱性を検出・修正するために設計されています。Googleの考え方はとても巧妙です。現在、AIが脆弱性を発見する速度は既存システムの修復速度を上回っているため、脆弱性がどんどん増えていきます。それなら、安価で効率的なFlashを使って一括で補修すればよいのです。このモデルは3.5Flashを微調整して作られ、自社のCodeMenderツールと連携し、いくつかのFlash Cyberエージェントが協働して最終的に報告書を作成します。この業界で有名なCyberGymベンチマーキングでは第1グループレベルに達し、より大きなモデルよりもトークンを節約しています。ただし、このモデルはまだ利用できません。脆弱性の検出は双刃の剣であるため、GoogleはAnthropicのようにセキュリティストーリーを採用し、信頼できるパートナーのみ限定的に提供し、内側のテストに限定しています。その目的は、脆弱性が利用される前に防御側が対応できる時間を確保することであり、同時に誰かが悪用するのを防ぐためです。

ここまでの内容を見て、「なぜこんなに多くのFlashを発表したのか？」と疑問を持つ人もいるでしょう。真の旗艦モデルである3.5Proはどこに行ったのでしょうか？公式の説明によると、パートナーとテストを行い、準備ができたら公開するとされていますが、その裏事情はそれほど晴れやかではありません。彭博社などの報道によると、3.5Proのコード生成能力はこれまで内部的な期待に届いていません。6月下旬に訓練データを更新し、コードの弱点を補う試みを行いましたが、結果は依然として芳しくありません。一部の噂では、Googleは元のトレーニング方法を完全に打ち切り、ゼロから再トレーニングしているとも言われています。また、Google AIの広報担当者Logan Kilpatrickは、3.5Proに関する言及を避け、Gemini4への注力を強調しています。彼は、史上最も野心的なGemini4の予備トレーニングを開始し、進展が楽しみだと語っています。この旗艦モデルの延期という状況を考慮すると、これは多少なりとも視線をそらすための絵空事のようにも思えます。

今日発表されたFlashモデルだけでも、ネットユーザーはすべてを購入するわけではありません。第三-partyの評価機関Artificial Analysisによると、2つの新モデルは確かにタスク時間半減、トークン効率の向上を実現しています。Flash-Liteの知能指数は11ポイント上昇しましたが、3.6Flashの知能レベルは3.5Flashとほぼ同じで進歩はありません。価格が十分に安くなっていないことと、能力が十分に高いとは言えないことが原因です。Xプラットフォーム上では、3.6FlashがArtificial Analysisで3.5Flashと同じスコアを得ており、Meta Spark1.1、GLM-5.2、5.6Luna、Sonnet5、Grok4.5、5.6Terraといった競合との比較で、あまりにも劣っていると指摘されています。このモデルは本当にひどいと、人々は漏らしています。

ユーザーAngelは、3.6Flashの使用コストがGPT-5.6Sol mediumよりも高く、知能レベルはさらに低いと指摘しています。この組み合わせは非常に困ったもので、Flashシリーズが持つ基本的な価値の点で、他社より劣るという指摘はブランドの自壊につながります。比較すると、OpenAIのTiboも近日、週間アクティブユーザーが1,000万人に達したことを受け、CodexとChatGPT Workの有料ユーザーの枠が再設定されました。このような比較と落差を考えると、もう誰も「大明湖畔のGoogle Gemini3」を覚えていないかもしれません。

実測派も追加の批判を加えました。ユーザーBalderは、この3つのモデルが前の3.5Flashよりも性能が悪いと主張し、基礎的なデコードに問題があり、中国語の選択がしばしば奇妙で、生成された画像や動画の品質が極めて悪く、指示に合わず制限も厳しいこと、記憶が混乱し、完全に誤ったツールを呼び出すことがあると指摘しました。さらに、Googleがこのようなやり方をしている理由として、アンソニーに計算資源を売ることを狙っていると陰謀論を提示し、皮チャイが望んでいたCloud Firstを意味するようなコメントをしています。XのユーザーConor Dartは、Google自身のAntigravityでAIゲームのテストを実施しましたが、木の模様がより悪く、大理石はほぼ同じですが、使い物にならないと指摘し、これはまた一つの失敗であり、自分はGemini3.5または3.6Proを待つと語っています。