Gemini 3.5 Flashは、Google DeepMindによって開発されたマルチモーダル基盤モデルです。1M（100万）トークンの広大なコンテキストウィンドウを備えています。
パラメータ
非公開
コンテキスト長
1M
ライセンス
プロプライエタリ
リリース日
2026-06-19
API料金
入力料金（1Mトークンあたり）
$2.7
出力料金（1Mトークンあたり）
$16.2
課金モード: standard
強み
- ・強力なマルチモーダル機能
- ・100万トークンの長文脈処理
- ・Google DeepMindによる開発
弱み
- ・非オープンソースのライセンス
- ・詳細な性能指標の不足
- ・クローズドなモデル提供形態
活用例
- ・大量のドキュメント解析
- ・マルチモーダルデータの処理
- ・長文コンテキストの活用
深度分析
リリース日
May 19, 2026
Announced at Google I/O 2026, generally available immediately
入力価格
$1.50/M tokens
Cached input: $0.15/M. Non-global regions: $1.65/M
出力価格
$9.00/M tokens
Non-global regions: $9.90/M
コンテキストウィンドウ
1,048,576 input / 65,536 output
1M input tokens, 65K output tokens
ターミナル・ベンチ 2.1
76.2%
Beats Gemini 3.1 Pro (70.3%) by +5.9pp
MCP アトラス
83.6%
Beats Gemini 3.1 Pro (78.2%) by +5.4pp
SWE-Bench プロ
55.1%
Slightly above Gemini 3.1 Pro (54.2%)
モデル: gemini-3-5-flash フィールド: ラベル 翻訳対象テキスト: ファイナンスエージェント v2
57.9%
Massive +14.9pp improvement over 3.1 Pro (43.0%)
速度
4x faster
Roughly 4x output tokens/second vs comparable frontier models
ナレッジカットオフ
January 2026
Per Google AI for Developers documentation
強み
- ・ほとんどのコーディングおよびエージェンティックベンチマークでGemini 3.1 Proを上回り、4倍高速に実行
- ・100万トークンあたり$1.50/$9の価格で、同じ能力クラスの他のすべてのモデルを下回る
- ・Flashレイテンシーでの最先端インテリジェンス - Pro/Flashの品質差を解消
- ・適応的推論のための動的思考がデフォルトで有効
- ・サブエージェントのオーケストレーションとマルチステップツール使用に優れている
弱み
- ・Gemini 3.1 ProにHumanity's Last Exam（40.2% vs 44.4%）およびARC-AGI-2（72.1% vs 77.1%）で劣る
- ・従来のFlashモデルより高コスト（入力：$1.50 vs $0.50）
- ・画像生成機能なし
- ・知識カットオフは2026年1月（最近の出来事を見逃す可能性あり）
- ・コンピュータ使用はサポートされていない
競合比較
| Model | Arena | SWE | GPQA | Price |
|---|---|---|---|---|
| Gemini 3.5 Flash | ~1470 (est) | 55.1% (Pro) | ~88% (est) | $1.50/$9.00 per 1M |
| Gemini 3.1 Pro | ~1480 | 54.2% (Pro) | ~92% | $2.00/$12.00 per 1M |
| Claude 3.5 Sonnet | ~1460 | ~72% | ~87% | $3.00/$15.00 per 1M |
| GPT-5.2 | ~1475 | ~75% | ~90% | $5.00/$20.00 per 1M |
Gemini 3.5 Flashは、Google I/O 2026（5月19日）にリリースされたGemini 3.5ファミリーの初のモデルです。Flashの速度とコスト（100万トークンあたり$1.50/$9）で最先端のエージェンティックおよびコーディング知能を提供し、実世界のコーディングおよびエージェンティックベンチマークのほとんどでGemini 3.1 Proを上回り、4倍速く動作することで、従来のPro/Flashという2層構造の品質差を崩壊させました。
出典
分析生成日: 2026-05-30