メインコンテンツへスキップ
ai-models 17分で読める

Gemini 3.7 Flash完全解説｜3週間で前世代を超えたコーディングAIの実力と限界

#Gemini#Gemini 3.7 Flash#Google#LLM#AIコーディング#ベンチマーク#APIコスト#AIエージェント

「HTMLが壊れたまま吐き出されて、自己修正を頼んでも無限ループになった」。Decryptのレビュアーが2026年7月に記録したGemini 3.6 Flashの失敗だ。ブラウザゲームを1プロンプトで生成させたところ、動作するファイルさえ出力できなかった（Decrypt、2026年8月）。Gemini 3.7 Flashはその失敗に約3週間（23日）で応えた。同じプロンプトで、今度は2分13秒でプレイアブルなゲームを完成させた。

この記事はこんな人におすすめ
  • GeminiをAPIで大量処理している開発者で、3.6 Flashから乗り換えを検討している人
  • Claude Sonnet 5・GPT-5.6 Terraとのコスト比較をしたいエンジニアリングマネージャー
  • コーディングエージェント用途でのモデル選定を担当しているチームリード
  • Geminiの急速なリリースサイクルに振り回されているAPI利用者

3.6 Flashへの批判から約3週間で応えたGoogleの速度

Gemini 3.6 Flashは2026年7月21日にリリースされ、すぐに批判を受けた。AIリサーチャーの@Hesamationは「ほぼすべての主要ベンチマークで古い安いモデルにすら負けている」とポストし、GizmodoはGoogleが「自分たちにもAIモデルがある」と思い出させるためだけにリリースしたと揶揄した（関連記事: Gemini 3.6 Flash炎上の背景を検証）。

最大の問題は、コーディング性能の退行だった。フロントエンドコードの生成では動作するHTMLすら出力できず、Artificial AnalysisのIntelligence Indexでは前世代と横ばいの50点にとどまった。Proモデルの欠席も重なり、開発者の不満は高まっていた。

Googleは開発者フィードバックを受けて改良を進め、23日後にGemini 3.7 Flashをリリースした。この速度は異例だ。9to5Googleは「Gemini 3.7 Flashが前世代から3週間でリリースされた」と題して報じた（9to5Google、2026年8月13日）。Cienteは「AIの戦場がワークフロー自動化に移った証拠だ」と分析する（Ciente、2026年8月）。

ただし、このリリースサイクルに対する反応は複雑だ。Hacker Newsのスレッド（news.ycombinator.com/item?id=49289112、2026年8月13日）では「3週間でまた覚え直す必要がある」「モデルIDの管理が煩雑」というアップグレード疲れを訴える声も複数確認できる。

Gemini 3.7 Flash ベンチマーク — 9ポイント増のコーディング性能

Gemini 3.7 FlashのコアベンチマークをGemini 3.6 Flashと比較する。

FrontierCode 1.1 Main（コーディング精度）

  • Gemini 3.7 Flash: 43.6%
  • Gemini 3.6 Flash: 34.4%（+9.2ポイント）
  • Claude Sonnet 5: 42.7%
  • GPT-5.6 Terra: 41.3%

DeepSWE v1.1（長時間自律コーディング）

  • Gemini 3.7 Flash: 65.3%
  • Gemini 3.6 Flash: 49.0%（+16.3ポイント）
  • Claude Sonnet 5: 54.0%
  • GPT-5.6 Terra: 69.6%（Terraがリード）

AutomationBench（企業ワークフロー自動化）

  • Gemini 3.7 Flash: 30.4%
  • Gemini 3.6 Flash: 17.0%（+13.4ポイント）
  • Claude Sonnet 5: 10.7%（大きく下回る）

Code Arena Elo（実用コーディング評価）

  • Gemini 3.7 Flash: 1588
  • Claude Sonnet 5: 1541
  • GPT-5.6 Terra: 1523

Artificial AnalysisのIntelligence Index（複合知性スコア）では56点を記録し、Claude Sonnet 5の55点を1点上回る。これは3.6 Flashの50点から6点増だ（Artificial Analysis、2026年8月、Times of AI、2026年8月）。

19のベンチマーク全体ではGemini 3.7 Flashが9勝、GPT-5.6 Terraが6勝、Claude Sonnet 5が2勝、残り2は他モデルまたは統計的な差なしという分布だ。ただしDeepSWEではTerraに差をつけられており、長時間の自律コーディングで最高精度を求めるならTerraが依然として有利な場面がある。

価格設定の意味 — $0.75が攻めている理由

Gemini 3.7 Flashのイントロ価格は入力$0.75/M・出力$3.75/Mで、2026年12月31日まで適用される。その後は入力$1.50/M・出力$7.50/Mの標準価格だ。

Gemini 3.6 Flashは入力$1.50/M・出力$7.50/Mで始まった。つまり3.7 Flashのイントロ価格は前世代の標準価格の半額だ。Claude Sonnet 5は入力$3/M・出力$15/M（2026年9月1日以降）、GPT-5.6 Terraは入力$5/M・出力$25/M（2026年8月時点）と、価格差は大きい。

Decryptのレビュアーは「Flash系モデルが競合より安いのは今に始まったことではないが、今回の価格差はこれまでで最も大きい」と評価した（Decrypt、2026年8月）。大量処理で本番運用している開発者にとって、この価格差はROI計算を大きく変える。

ただし、注意点がある。年末でイントロ価格が終了した後の$1.50/M・$7.50/Mは、競合と同等かそれ以上の水準だ。AI価格戦争の全体像を解説した記事で触れているように、2026年のAI市場はイントロ価格合戦が激化しており、標準価格への移行タイミングは常に注意が必要だ。

VentureBeatは「Googleが年末期限のハーフプライスを設定したことで、開発者はコスト削減を享受しながらエージェントパイプラインを構築できるが、来年の予算見直しは必須になった」と指摘している（VentureBeat、2026年8月）。

まだ弱い点 — 正直に書く

Gemini 3.7 Flashへの評価は一様ではない。

Decryptのテストでは論理パズルに失敗した。「橋のパズル」を解かせたところ、Claude Fable 5と同じ誤答を返し、自分が正しく数式を立てたのに計算を途中で止める場面も見られた（Decrypt、2026年8月）。「一部の推論タスクではApache 2.0ライセンスの27Bオープンモデルの方が良い出力を出す」という指摘もある。

コーディング以外の複雑な推論では、まだ限界がある。Terraが6勝を確保しているのは、数学・科学・多段推論の分野だ。また、Cursorのネイティブモデル（Composer 2.5）との比較では、CursorBench上でGemini 3.6 Flashが劣っていたことも報告されており、3.7 Flashで改善されたかどうかは未確認だ。

thinking設定の落とし穴も見逃せない。3.6 FlashにあったMINIMAL thinkingレベルが3.7 Flashで廃止されており、LOWが最安設定となった。大量のチケット分類・OCR処理など低複雑度の高ボリュームタスクでMINIMALを使ってコストを抑えていたユーザーは、3.7 Flashへの移行でコスト増になる。Zennのエンジニアccie26302は「thinkingの罠」と題した記事で「3.6 Flash向けのthinking_level=MINIMAL設定をそのまま移行するとAPI 400エラーが発生する」と指摘した（Zenn、2026年8月14日）。一方で、LOW設定に切り替えて最適化すれば3.6 Flashより3.7倍速く、18.6倍安価に同品質のコードを生成できたとも報告している。

Qiitaのエンジニアatoramisはオープンソースプロジェクトのissueを使った実エージェント対決を実施し、「公式ベンチマークほど実エージェントに有効とは言えなかった」と結論付けた（Qiita、2026年8月13日）。ベンチマーク数値と実タスク性能の乖離は、他モデルでも繰り返し指摘されてきた問題だ。

開発者の現場からは「3週間ごとにモデルIDとプロンプトを調整し直すのは実務負担が高い」という声が出ている。AIコーディングエージェント比較でも触れているように、エージェントパイプラインを本番稼働させている環境では、急なモデル更新はテストコストを伴う。

誰が使うべきか — 用途別の判断軸

Gemini 3.7 Flashが有効な用途と、そうでない用途を整理する。

向いている用途:

  • 大量処理のAPIパイプライン（コスト削減が最優先）
  • コーディング補助・コードレビュー・ドキュメント解析
  • 企業ワークフローの自動化（AutomationBench 30.4%はSonnet 5の約2.8倍）
  • PDF・マルチモーダルドキュメント処理

向いていない用途:

  • 高度な数学・科学的推論（Terraが優位）
  • デスクトップエージェント・GUI操作（Sonnet 5が強い）
  • 推論を深く使う複雑な設計判断タスク
  • 安定性が最優先で、モデル更新の追随コストを避けたい本番環境

Googleは3.7 Flashを「Gemini史上最も賢いワークホース（働き者）モデル」と位置付けている（Google公式ブログ、2026年8月13日）。「ワークホース」という言葉は正確だ。飛び抜けた推論深度より、価格効率と実務タスクの処理量で選ぶモデルだ。

AI予算の管理で悩んでいるなら、Uberが4ヶ月でAI予算を使い切った事例が参考になる。エージェント型AIのコスト管理は、モデルの性能選択と同じくらい重要な問題だ。

Gemini 3.7 Flash 結論

コーディング・自動化パイプラインでのコスパ最優先ならGemini 3.7 Flash。Intelligence Index 56点・FrontierCode 43.6%・AutomationBench 30.4%。イントロ価格$0.75/Mは2026年末まで。推論深度重視ならGPT-5.6 Terra、デスクトップエージェントはClaude Sonnet 5が依然強い。

Gemini APIを始めるなら

Google AI Studioから無料でGemini 3.7 Flashを試せる。APIキーはモデルID gemini-3.7-flash で接続できる。

Google AI Studioを開く

関連記事

免責事項: 本記事に記載されているベンチマークスコアおよび価格情報は2026年8月時点の公開データに基づいています。Googleは予告なく価格や仕様を変更する場合があります。APIの実際のコストはご自身で最新情報をご確認ください。本記事はGoogleとの商業的関係に基づくものではありません。

Share