Gemini 3.8 Flash登場。3.1 Proとの序列が、もう逆転しかけてる件
「Flash」って名前のモデル、正直そこまで期待してなかった。
速いのは速いけど、賢さは「Pro」に一歩譲る——ずっとそう思い込んでたんだよね。
でも、Gemini 3.8 Flashのベンチマーク表を見て、思わず二度見した。
長時間タスクをこなす自律遂行力を測る「DeepSWE v1.1」ってベンチ、Claude Opus 5とほぼ同じ点数が出てるんだよね。
しかもこの「Flash」、ここ6週間でもう3回目のアップデートらしい。
今回は、FlashとProの実力差が、もう見た目ほど大きくないというところを、9月2日発表のGemini 3.8 Flashを軸に、比較対象のGemini 3.1 Proの現在地も含めて掘ってみたいと思う。
じゃあ、一緒に見ていこう🚀
三週間に一度、Flashが生まれ変わる
2026年9月2日、GoogleはGemini 3.8 Flashと、サイバーセキュリティ特化版のGemini 3.8 Flash Cyberを同時に発表した。
8月13日の3.7 Flashからわずか3週間、しかもこれで6週間のあいだに3回目のFlash更新になる。正直、ニュースを追うだけで結構体力を使うペースだよね💦
公式ブログでは「これまでで最高の推論・コーディングモデル」と紹介されていて、設計の重心は長時間動くエージェントループでの粘り強さに置かれているらしい。答えを急がず、考える時間を伸ばし、ツールを何度も呼び出してでも正解にたどり着く方向にチューニングされている、というのが公式の説明だ。
価格は3.7 Flashからすえ置きで、入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドル（2026年内の導入価格）。2027年からは1.50ドルと7.50ドルに上がる予定だけど、「フロンティア級」を名乗るモデルとしてはかなり安い部類に入ると思う。
ベンチマークで見ると、もうOpus 5と同じ土俵にいる
ここが今回いちばん驚いたところ。公式が公開した比較表を見ると、3.8 FlashはClaude Opus 5とほぼ肩を並べている。
長時間ソフトウェアエンジニアリングの「DeepSWE v1.1」：3.8 Flashが73.7%、Opus 5が74.0%（差はわずか0.3ポイント）
ターミナル操作の完遂力を測る「Terminal-Bench 2.1」：3.8 Flashが89.4%、Opus 5が89.1%（数字の上ではむしろ上回っている）
専門分野の多段階推論を測る「HLE-Verified」：3.8 Flashは54.9%
3.7 Flashからの伸びも大きくて、DeepSWE v1.1は65.3%から73.7%へ8.4ポイントも上がっている。「Flash」という名前がついたモデルが、Anthropicの最上位モデルとベンチの数字で並びかけてる——これ、去年の感覚だとちょっと考えにくかったんじゃないかな。
もちろんこれは公式が選んだベンチだし、そのまま鵜呑みにするタイプの数字じゃない。それでも、この流れを裏付ける話がもうひとつ転がり込んできた。
WSJのエリン・ウー記者が9月1日、Google社内のコーディング用ツール「Jetski」での比較テストで、エンジニアたちが3.8 Flash（社内コードネーム「Skimaki」）をAnthropicのOpusモデルより好んだ、とスクープしている。あくまで社内での主観的な比較であって、第三者による公開ベンチマークじゃない——そこは一応フラットに書いておきたいところ。
https://qz.com/google-gemini-38-flash-coding-ai-model-090226
じゃあ本家の「Pro」は？3.1 Proとの比較
さて、ここからが今回いちばん書きたかったところ。
「Flash」がここまで来てるなら、Googleの正統な最上位モデル「Pro」は今どうなってるんだろう、って気になるよね。
現行の最上位は、2026年2月19日にプレビュー公開されたGemini 3.1 Pro。ARC-AGI-2で77.1%、SWE-Bench Verifiedで80.6%という、発表当時はかなり強気な数字を叩き出したモデルだ。価格は入力100万トークンあたり2ドル、出力12ドル（20万トークン以下の場合）。
これを3.8 Flashの0.75ドルと3.75ドルに並べると、入力で約2.7倍、出力で約3.2倍も開きがあるんだよね。「賢いけど高い」がPro、「安いけど賢さは一歩譲る」がFlash——名前の役割分担としては、まだ筋が通ってるように見える。
でも、実際のベンチマークを見ると、その前提はもう崩れかけているんだ。あるベンチマーク集計サイトの計測では、Terminal-Bench 2.1で3.1 Proは約70.3%どまり。3.8 Flashの89.4%はもちろん、3.7 Flashの85.8%にも届いていない。
さらに気になるのが、3.1 Proの「今の立場」だ。発表から半年以上たった今も、3.1 Proは正式には「プレビュー」のまま。後継として2026年5月19日のGoogle I/Oで予告された「Gemini 3.5 Pro」は、6月・7月・8月と三度も延期を重ねて、9月に入った今もまだ姿を見せていない。
つまりこの半年、Flashは3.5→3.6→3.7→3.8と着実にアップデートを重ねてきた一方で、Proのラインはずっと足踏みしたままなんだ。「速いけど格下」だったはずのFlashが更新を続け、「賢いけど高い」はずのProが立ち止まっている——この非対称さが、今回いちばん面白いところだと思う。
サイバー特化版「3.8 Flash Cyber」というもう一つの顔
同時発表されたGemini 3.8 Flash Cyberにも軽く触れておきたい。
こちらは脆弱性の発見と自動パッチ生成に特化したモデルで、政府機関や重要インフラ事業者など「信頼できる防御側」に限定して提供される「Fairwind Program」経由でアクセスできる。
業界標準ベンチマーク「CyberGym」では86.2%を記録し、Googleいわく実際にChromeのセキュリティチームでもすでに導入済みらしい。既存の大型商用モデルと比べて2.6倍多く正しいパッチを生成できた、という数字も紹介されている。
攻撃側の能力より防御側の底上げを優先する、という設計思想も含めて、派手な数字合戦とは少し違う角度から「Flashが安いだけのモデルじゃなくなってきた」ことを裏付けている印象だね。
🔮 Googleがもう「自社のPro」と比べていない、という話
ここまで調べていて、地味だけどいちばん引っかかったのはこれだった。
Google自身が公開した3.8 Flashの比較表、比較相手にAnthropicのOpus 5やClaude Sonnet 5、OpenAIのGPT-5.6シリーズは並んでいるのに、なぜか自社のGemini 3.1 Proが入っていない。
これ、たぶん偶然じゃないと思う。もし3.1 Proを並べたら、Flashが自社の上位モデルをすでに追い抜いていることが一目でバレてしまう。だったら比べる相手を最初から「他社の最上位」に絞ったほうが、ストーリーとして都合がいい——そう読むのは、うがちすぎかな🤔
言い換えると、Flashというラインの「格」そのものが、Google社内の認識でもすでに変わり始めているのかもしれない。名前の序列より先に、実力の序列のほうが動いてしまった、という状態だね。
🔧 深夜、ベンチマーク表を並べ直していた話
正直に書くと、今回いちばん時間を使ったのはリサーチじゃなくて、数字の並べ直しだった。
3.7 Flashと3.1 Proを比べているベンチマーク集計サイトはいくつかあったんだけど、サイトによって微妙に数字が違っていて、どれを信じるかでかなり悩んだ。結局、公式発表と複数のソースで数字が重なっているところだけを本文に残して、怪しい単発の数字は思い切って落とすことにしたんだよね。
派手な「格下剋上」ストーリーを書きたい気持ちと、数字の正確さを両立させるのが、地味に一番しんどい作業だったかもしれない💦
Flashという名前、そろそろ書き換えたほうがいいのかもしれない
「Flash＝安くて手軽、でも賢さはPro譲り」——そう思っていた僕の中の常識は、今回でだいぶ揺らいだ。
もちろん、3.1 Proにも1Mトークンの文脈長やGPQA Diamondでの高スコアなど、Flashにはない強みは残っているんだよね。でも、コーディングやエージェント運用という「今いちばん使われている場面」に限れば、もう安さと速さだけがFlashの取り柄じゃなくなってきている。
もし今Proを使い続けている理由が「なんとなく上位モデルだから」というだけなら、一度Flashに乗り換えて体感差を試してみる価値はあるんじゃないかな。
あなたは今、どっちのモデルを使ってる？よかったらコメントで教えてほしい。
Miccell - 名前の序列より先に、実力の序列が動き出す。それに気づけるかどうかで、次の一手が変わってくる。
