Gemini 3.7 Flashは、Googleが米国時間2026年8月13日に発表したGemini 3ファミリーの最新モデルだ。前世代のGemini 3.6 Flashが登場したのは同年7月21日なので、世代交代までわずか23日。公式ブログは「コーディングおよびエージェント向けの最も高性能な主力モデル」と位置づけている。
新しいモデルの発表記事は、たいてい「何が速くなったか」の羅列で終わる。この記事はそこから一歩踏み込んで、Google自身が公開した一次情報だけを使って三つの問いに答える。①20項目のベンチマークで実際どこが伸び、どこで他社に負けているのか。②「3.6 Flashの半額」という価格表現は、いつの何と比べた半額なのか。③既存コードをどう直せば動くのか。すべての数値はGoogle公式ブログ・Google DeepMindのモデルカード・Gemini API公式ドキュメントに紐づけてあり、出典を辿れば読者自身で検証できる。
- ・正体：Gemini 3.6 Flashを土台に「中核の推論基盤をアルゴリズム的に改良した」後継モデル。モデルIDは
gemini-3.7-flash。 - ・規模：入力100万トークン／最大出力64Kトークン。入力はテキスト・画像・音声・動画、出力はテキストのみ。
- ・伸びた領域：業務自動化のAutomationBenchが17.0%→30.4%、長期ソフトウェア開発のDeepSWE v1.1が48.6%→65.3%と、エージェント系で大きく動いた。
- ・価格：2026年内は100万トークンあたり入力$0.75／出力$3.75。2027年1月1日から$1.50／$7.50へ倍増する。
- ・注意：知識のカットオフは2026年3月だが、モデルカードは「領域によっては2025年1月まで」と明記している。
モデル単体の位置づけを掴む前に、そもそもLLMの世代がどう積み上がってきたかを俯瞰したい場合は、LLMとは？仕組み・主要モデル比較・ローカル実行・量子化を一気にまとめる2026年版を先に読んでおくと、この記事のベンチマーク表がどの座標に置かれているかが分かりやすくなる。
Gemini 3.7 Flashとは——3週間で世代交代した「主力モデル」
Gemini 3.7 Flashを一言でいえば、同じ土台の上に推論部分だけを載せ替えた高速反復モデルである。DeepMindのモデルカードは、アーキテクチャ・訓練データ・訓練データ処理・ハードウェア・ソフトウェアのすべての項目で「Gemini 3.6 Flashのモデルカードを参照」と書いており、独自に記述しているのはモデルの説明文ひとつだけだ。そこには「Gemini 3ファミリーの次のイテレーションであり、中核となる推論基盤にアルゴリズム上の改良を加えたもの」とある。
この「土台は据え置き、推論だけ差し替える」という作り方は、23日という発表間隔と整合する。基盤モデルを一から訓練し直せば数か月単位の時間がかかるが、推論側の改良であれば反復サイクルはずっと短い。実際、後述するベンチマークでも伸び方には偏りがあり、多段の作業をやり切る力（エージェント系）が大きく伸び、知識労働の総合力はむしろ他社に差をつけられている。
仕様を1枚で
| 項目 | 値 | 出典 |
|---|---|---|
| モデルID | gemini-3.7-flash |
Gemini API 公式ドキュメント |
| 発表日 | 米国時間 2026年8月13日（JST 8月14日） | 公式ブログ英語版・モデルカード |
| 前世代 | Gemini 3.6 Flash（2026年7月21日発表） | 3.6 Flash 発表ブログ |
| 入力コンテキスト | 1,000,000トークン | Gemini API 公式ドキュメント |
| 最大出力 | 64,000トークン | Gemini API 公式ドキュメント |
| 入力モダリティ | テキスト・画像・音声・動画（公式モデルページではPDFも明記） | モデルカード／DeepMind モデルページ |
| 出力モダリティ | テキストのみ | モデルカード |
| 思考制御 | thinking_level：low / medium（既定） / high |
Gemini API 公式ドキュメント |
| 知識カットオフ | 2026年3月（領域により2025年1月まで） | モデルカード |
| 導入価格 | 入力 $0.75 / 出力 $3.75（100万トークン、2026年内） | 公式ブログ／料金ページ |
| 通常価格 | 入力 $1.50 / 出力 $7.50（2027年1月1日〜） | 公式ブログ／料金ページ |
thinking_level は3段階しかない点が実務上は重要だ。前世代までの thinking_budget はトークン数を直接指定する方式だったのに対し、3.7 Flashでは「低遅延を優先する low」「品質と速度の釣り合いを取る既定値 medium」「難問向けに推論を最大化する high」という意味づけされた3択に整理された。数値を刻んでチューニングする余地は消えたが、そのぶん設定の意図がコード上で読めるようになっている。
何ができて、何を解決するのか
① 何ができる：100万トークンの文脈を保ったまま、コード生成・端末操作・業務自動化といった多段のエージェント作業を最後までやり切る。長尺動画や専門PDFの読解も同一モデルで扱える。
② 何を解決する：「賢いモデルは高くて遅い、安いモデルは途中で崩れる」という二択。導入価格の期間中は、上位モデルの半額以下の単価でエージェント作業を回せる。
③ 何を代替できる：エージェント／コーディング用途に限れば上位のPro系モデルの一部を代替しうる。ただし知識労働の総合評価（GDPVal-AA v2）は比較4モデル中で最下位であり、調査・分析・文書作成そのものの置き換えには向かない。
ベンチマークの読み方——Gemini 3.7 FlashはClaude・GPTとどう並ぶのか
モデルカードのResults表には20項目が並ぶ。まず、前世代からの伸びが大きい順に主要な6項目を見る。
伸び幅そのものを見れば、AutomationBench（企業の業務自動化・非公開セット）の17.0%→30.4%と、DeepSWE v1.1（長期ソフトウェア開発）の48.6%→65.3%が突出している。どちらも一発の回答精度ではなく、複数の手順を最後まで完遂できるかを測るベンチマークだ。逆にCharXiv Reasoning（複雑なチャートからの情報統合）はツールなしで85.2%→84.5%、ツールありで89.4%→88.7%とわずかに下がっており、全項目が一律に良くなったわけではない。
他社モデルとの並び
モデルカードは、Claude Sonnet 5・GPT-5.6 Terra・Muse Spark 1.2という3つの他社モデルを同じ表に並べている。ここはGoogleが自社の計測条件で作った比較表であり、第三者の再現ではない点を最初に押さえたうえで読む。
主要項目を数値で並べ直すと次のようになる。
| ベンチマーク（測るもの） | Gemini 3.7 Flash | Gemini 3.6 Flash | Claude Sonnet 5 | GPT-5.6 Terra |
|---|---|---|---|---|
| 入力価格（$/100万トークン） | $0.75 | $0.75 | $2.00 | $2.00 |
| 出力価格（$/100万トークン） | $3.75 | $3.75 | $10.00 | $12.00 |
| 総合知能指数（Artificial Analysis） | 56 | 52 | 55 | 57 |
| FrontierCode 1.1 Main（本番コード品質） | 43.6% | 34.4% | 42.7% | 41.3% |
| DeepSWE v1.1（長期ソフトウェア開発） | 65.3% | 48.6% | 53.8% | 69.6% |
| Code Arena（Web開発・Elo） | 1588 | 1538 | 1541 | 1523 |
| Terminal-bench 2.1（端末エージェント） | 85.8% | 78.0% | 80.4% | 87.4% |
| Terminal-bench 3.0（汎用エージェント） | 14.9% | 5.4% | 14.6% | 20.8% |
| AutomationBench（業務自動化・非公開） | 30.4% | 17.0% | 10.7% | 23.6% |
| GDPVal-AA v2（知識労働・Elo） | 1525 | 1422 | 1598 | 1578 |
| GDP.pdf（専門PDF読解） | 34.0% | 22.0% | 28.0% | 24.7% |
| GDM-MRCR v2 8-needle（長文脈128k平均） | 97.0% | 91.8% | 81.5% | 93.5% |
| LVBench（長尺動画理解） | 85.4% | 84.2% | 68.5% | 78.9% |
| OSWorld-2.0（コンピュータ操作） | 47.9% | 33.8% | — | 50.2% |
| HLE-Verified（分野横断の専門推論） | 53.6% | 51.2% | 31.0% | 51.1% |
この表からは、Googleがどう戦うつもりかがかなり素直に読み取れる。長文脈（97.0%）・長尺動画（85.4%）・専門PDF読解（34.0%）といったマルチモーダル長文脈の系統では、Gemini 3.7 Flashが比較4モデル中で最も高い。一方、汎用エージェント能力を測るTerminal-bench 3.0では14.9%対20.8%、コンピュータ操作のOSWorld-2.0では47.9%対50.2%と、GPT-5.6 Terraに届いていない。
表に載っているClaude Sonnet 5の$2.00／$10.00は、Anthropic自身の公式ドキュメントでは2026年8月31日までの導入価格にあたる（通常価格は$3.00／$15.00）。つまりモデルカードの価格行は各社の「現時点のキャンペーン価格」を並べたものであり、9月以降にそのまま参照すると実勢と食い違う。価格を根拠に選定するなら、各ベンダーの料金ページを当日時点で引き直すこと。
表記のゆれを2点
一次ソースを突き合わせると、Google内部でも表記が揃っていない箇所が2つある。誤情報ではなく、参照先による差なので明記しておく。
・「WebDev Arena」と「Code Arena」：公式ブログはWeb開発のElo 1588／1538を「WebDev Arena」と呼び、モデルカードは同じ数値を「Code Arena」として掲載している。数値は一致しているので同一の指標を指していると読めるが、名称は参照先で異なる
・DeepSWE v1.1の3.6 Flash値：公式ブログは49.0%、モデルカードは48.6%。本記事は評価表として体系化されているモデルカードの48.6%を採用した
料金——「3.6 Flashの半額」は何と比べた半額か
日本語版の公式ブログは、3.7 Flashの価格を「3.6 Flashの半額」と表現している。この一文は正確だが、何と比べた半額かを取り違えると試算を誤る。
事実関係を時系列で並べるとこうなる。Gemini 3.6 Flashは2026年7月21日の発表時、「100万トークンあたり入力$1.50・出力$7.50」という価格で登場した。3.7 Flashの導入価格$0.75／$3.75は、確かにこの数字のちょうど半分である。「半額」は、3.6 Flash発表時の定価と比べた半額だ。
ただしここに続きがある。DeepMindのモデルカードは価格行に3.6 Flashも併記しており、その値は3.7 Flashと同じ$0.75／$3.75である。表の脚注も「3.6 Flashと3.7 Flashについて、導入価格は2026年12月31日で終了する」と両方の名前を挙げている。つまり導入価格はFlash系列に横断的にかかっており、いま3.6 Flashを使い続けている人が3.7 Flashへ乗り換えても、それだけで単価が半分になるわけではない。
2027年1月1日という崖
もうひとつ、試算する側にとって重要なのは終了日である。導入価格は2026年12月31日までで、2027年1月1日から入力$1.50・出力$7.50に戻る。これは3.6 Flashが発表時に提示していた価格と同額だ。
2026年内の$0.75／$3.75を前提に年間予算を組むと、1月1日以降に実質2倍の請求になる。年をまたぐワークロードの稟議・見積もりは通常価格の$1.50／$7.50で作っておき、2026年内の差額は「前倒しで使った分の割引」として扱うのが安全。
Geminiファミリー内の価格表
同じ料金ページに載っている他のGeminiモデルと並べると、3.7 Flashの位置づけがはっきりする。
| モデル | 入力 $/100万 | 出力 $/100万 | コンテキストキャッシュ | 備考 |
|---|---|---|---|---|
| Gemini 3.7 Flash | $0.75（2027年〜$1.50） | $3.75（2027年〜$7.50） | $0.075（2027年〜$0.15） | 無料枠あり |
| Gemini 3.6 Flash | $0.75（2027年〜$1.50） | $3.75（2027年〜$7.50） | $0.075（2027年〜$0.15） | 無料枠あり |
| Gemini 3.5 Flash-Lite | $0.30 | $2.50 | $0.03 | 無料枠あり |
| Gemini 3.1 Pro Preview | $2.00（20万トークン超は$4.00） | $12.00（同$18.00） | $0.20／$0.40 | 無料枠なし |
このほか、バッチおよびFlex経由では50%引きが適用され、3.7 Flashなら入力$0.375・出力$1.875になる。キャッシュのストレージ料金は2026年内が100万トークン・1時間あたり$0.50で、2027年から$1.00。Grounding with Google Searchは月5,000リクエストまで無料、超過分は1,000リクエストあたり$14という体系だ。
Pro系との差は入力で約2.7倍、出力で約3.2倍（いずれも2026年内の導入価格ベース）。エージェントのように大量のトークンを往復させる用途ほど、この差が効いてくる。Geminiの基本的な使い方や無料枠の範囲そのものを確認したい場合は、Geminiの使い方｜Web版・API・コーディング活用を2026年最新版で解説に導入手順とプラン比較がまとまっている。
APIの変更点——thinking_levelと、消えた3つのパラメータ
日本語圏でまだほとんど触れられていないのがここだ。Gemini 3.xへの移行では、リクエストの形そのものが変わっている。公式の移行ガイドは5つの修正点を挙げている。
・thinking_budget → thinking_level：トークン数指定から、low / medium / high の文字列列挙へ。既定は medium。low は時間制約の厳しいタスクの遅延を下げ、high は複雑な問題で推論を最大化する
・temperature / top_p / top_k を削除：非推奨パラメータとして名指しされている。出力のばらつきはサンプリングではなくプロンプト側で制御する設計に変わった
・candidate_count を削除：Gemini 3.xでは非対応
・複数ターンは previous_interaction_id へ統一：会話履歴をクライアント側で積み上げて毎回送り直すのではなく、サーバ側の会話IDで引き継ぐ
・事前入力済みの model ターンを削除：アシスタント側の発話をあらかじめ埋めておく手法は使えない
組み込みツール群については「3.6 Flashと同一のツール一式に対応する」と明記されている。DeepMindのモデルページ側では、関数呼び出し・検索のツール利用・コンピュータ操作が挙がっている。ツール定義そのものは原則として書き換え不要で、直すのはリクエストの生成パラメータ側だ、と読める。
移行の判断フロー
既存コードのどこを触るべきかを整理すると次のようになる。
指定しているか"} B -- "はい" --> C["thinking_level へ置換
low / medium / high の3択"] B -- "いいえ" --> D{"temperature や top_p を
指定しているか"} C --> D D -- "はい" --> E["削除し、ばらつきは
プロンプト側で制御"] D -- "いいえ" --> F{"複数ターンの会話を
自前で積んでいるか"} E --> F F -- "はい" --> G["previous_interaction_id で
サーバ側に引き継ぐ"] F -- "いいえ" --> H{"model ターンを
事前入力しているか"} G --> H H -- "はい" --> I["事前入力を削除"] H -- "いいえ" --> J["モデルIDを
gemini-3.7-flash へ差し替え"] I --> J J --> K["組み込みツール定義は
3.6 Flash と同一のまま"]
`temperature` が使えなくなったことは、単なるパラメータ削除以上の意味を持つ。決定性を担保したいバッチ処理でも、創造性のばらつきが欲しい生成用途でも、制御点がプロンプトと
thinking_level の2つに集約された。既存のプロンプトが「temperatureが低い前提」で短く書かれている場合、意図した挙動を保つには指示を明示的に書き足す必要が出てくる。
提供形態——どこで今日から使えるか
発表初日から、開発者向け・企業向け・個人向けの3層すべてに配信されている。
開発者向けは、エージェント開発基盤のGoogle Antigravity、無料で試せるGoogle AI Studio、そしてGemini API。モバイル開発者にはAndroid Studioからも提供される。FVの動画で3Dゲームが生成されていたのは、このAntigravity上のワークフローだ。
企業向けはGemini Enterprise Agent PlatformとGemini Enterpriseアプリ。個人向けはGeminiアプリのSpark機能——公式表記でいう Gemini Spark ——として、Google AI ProおよびUltraの契約者に160か国以上で提供される。公式ブログはGemini Sparkについて、Workspaceとの連携精度と複雑なワークフローの正確性が向上したと説明している。
公式ブログが挙げているデモ用途は4つ——テキストプロンプトからの3Dゲーム生成（Nano Bananaとの併用）、単一の指示によるランディングページ作成、マルチエージェント方式でのロボティクス訓練、PDFからインタラクティブなデータストーリーへの変換。いずれも「1回の指示で完成物まで到達する」構図で、AutomationBenchやDeepSWEの伸びが示す方向と一致している。
公式ブログ本文にはコンテキストウィンドウと知識カットオフの記載がない。これらはAPIドキュメントとモデルカードから取る必要がある（本記事の仕様表はそちらを出典にしている）。またレート制限の具体値、日本語性能の個別ベンチマーク、第三者による再現結果は、いずれも本記事執筆時点の一次ソースには見当たらなかった。
エージェント方向に振ったモデルという点では、オープンウェイト側にも同じ流れがある。MiniMax M3｜SWE-Bench Pro 59.0%のオープンウェイトモデルをMSAアーキ・1M文脈で読み解くやKimi K2.6とは｜Moonshot AIの1兆パラメータ・オープンLLMを使い方まで解説と読み比べると、クローズド／オープンの両陣営が同じ指標を追いかけている構図が見える。
安全性評価——Frontier Safety Frameworkの結果を読む
モデルカードの後半は安全性評価に割かれている。ここは他媒体の速報がほぼ触れない部分だが、企業導入の可否を判断する材料としては本文より重い。
Googleは2026年4月版のFrontier Safety Frameworkに沿って評価し、追跡対象・重大能力レベル（T/CCL）のいずれにも到達しなかったと結論づけている。ただし内訳を読むと、単純な「問題なし」ではない。
| 評価領域 | 結論 | 注記 |
|---|---|---|
| CBRN（化学・生物・放射性・核） | TCL・CCLとも未到達 | 専門家によるレッドチーミングで「一部の専門家は全工程にわたり正確かつ実行可能な情報を引き出せた」ためアラート閾値には到達したと評価。平均スコアの低さと明示的な誘導が必要な点からCCL未到達と判断 |
| サイバーセキュリティ | CCL未到達 | アラート閾値には到達。緩和策の展開を継続中 |
| 有害な操作・誘導 | CCL未到達 | 一対一の対話で信念や行動に影響を与える能力は示すが、全体的な効果はアラート閾値未満 |
| ML R&D・ミスアライメント | TCL・CCL未到達 | 状況認識はGemini 3.1 Proより強く、テスト環境にいることを正しく見抜くが、テストの制約を回避することはできない |
開発段階の自動安全性評価では、3.6 Flashとの差分がパーセントポイントで公開されている。テキスト→テキスト安全性は+1.17pp（低いほど良い）、多言語安全性は-0.48pp（低いほど良い）、画像→テキスト安全性は変化なし、トーンは-0.47pp（高いほど良い）、不当な拒否は+0.84pp（低いほど良い）。総じて3.6 Flashと同水準というのがGoogleの評価だ。なお同社は評価手法自体を改良し続けているため、過去のモデルカードの数値とは直接比較できないと注記している。
既知の限界としては、ハルシネーション、ジェイルブレイク耐性の改善が継続中であること、そして時折の遅さやタイムアウトが挙げられている。最後の項目は、実運用でリトライ設計を省略できないことを意味する。
出荷にあたってはCBRNとサイバー攻撃の領域で更新されたセーフガードが適用されており、Gemini 3.7 Frontier Safety Framework Reportは「近く公開」とされている。現時点でその報告書は未公開であり、詳細な評価手法を確認したい場合は公開を待つ必要がある。
まとめ
・エージェント用途には素直に強い：AutomationBench 17.0→30.4%、DeepSWE 48.6→65.3%、Terminal-bench 2.1 78.0→85.8%。多段の作業を完遂する力が3週間で目に見えて伸びた
・万能ではない：知識労働のGDPVal-AA v2は1525で比較4モデル中の最下位。汎用エージェント（Terminal-bench 3.0）とコンピュータ操作（OSWorld-2.0）ではGPT-5.6 Terraに届いていない。これらはGoogle自身が公開している数値である
・価格は「いつの話か」で意味が変わる：半額の基準は3.6 Flash発表時の定価。モデルカード上は3.6 Flashも同額であり、乗り換えだけで単価は下がらない。2027年1月1日に$1.50／$7.50へ戻る
・移行は5点：thinking_budget→thinking_level、temperature/top_p/top_k削除、candidate_count削除、previous_interaction_idへの統一、事前入力modelターンの削除
・安全性は「未到達だがアラート到達」：CBRNとサイバーの2領域でアラート閾値に到達済み。Frontier Safety Framework Reportは未公開
本記事の数値はすべてGoogle自身が公開した一次情報に基づいており、当サイトによる独立したベンチマーク再現ではない。他社モデルの列も含めてGoogleの計測条件下の値である以上、モデル選定の最終判断は自分のワークロードで実測してから行うのが筋になる。幸い、Google AI Studioには無料枠があり、gemini-3.7-flash を指定すれば当日から手元のプロンプトで試せる。導入価格が生きている2026年内は、その検証コスト自体も半額で済む。
参照ソース
・Gemini 3.7 Flash を発表（Google 公式ブログ・日本語版） — 位置づけ・ベンチマーク5項目・導入価格・提供チャネル・「3.6 Flashの半額」表現・デモ動画の一次情報
・Gemini 3.7 Flash: our most intelligent workhorse model（Google 公式ブログ・英語版） — 発表日（米国時間2026年8月13日）と価格の脚注
・Gemini 3.7 Flash — Model Card（Google DeepMind） — 20項目のベンチマーク実数、他社3モデルとの比較列、知識カットオフ、Frontier Safety評価、既知の限界
・What’s new in Gemini 3.7 Flash（Google AI for Developers） — モデルID・コンテキスト長・thinking_level・移行時の5つの修正点
・Gemini Developer API pricing（Google AI for Developers） — 導入価格と通常価格、キャッシュ・バッチ・Grounding の料金体系、他Geminiモデルとの比較
・Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber（Google 公式ブログ） — 前世代の発表日（2026年7月21日）と発表時価格 $1.50／$7.50。「半額」の基準線の裏取りに使用
・Gemini 3.7 Flash — Google DeepMind（モデルページ） — 入力モダリティのPDF明記、利用可能ツール（関数呼び出し・検索・コンピュータ操作）、提供チャネル
