モデルレビュー · 公式ベンチマーク · 同一プロンプトによるAPIテスト
Gemini 3.8 Flashは、長期的なソフトウェア開発、エージェント、および複雑な知識労働を目的とした、Googleが新たに一般提供を開始したFlashモデルです。発表時の主張は力強いものですが、当社が実施した最初の制御されたテストの結果は、それほど整然としたものではありませんでした。.
この「Gemini 3.8 Flash」のレビューでは、公式情報と実機での検証結果を区別して解説しています。Googleのページには、リリース日、モデルの状況、コンテキストウィンドウ、価格、ツール、およびベンチマークに関する主張が記載されています。同じプロンプトを用いた7つのAPIタスクを通じて、このモデルが「Gemini 3.7 Flash」と比べて実際にどのような出力を返したかを示しています。.
個別のモデルタブを管理せずに比較を繰り返し行いたい場合は、, グローバルGPT 複数のAIモデルをテストするための単一のワークスペースを提供します。前世代の背景については、当社の Gemini 3.6 フラッシュレビュー フラッシュ・シリーズがいかに急速に変化してきたかを示している。.
Gemini 3.8 フラッシュレビュー：結論
この最初の7つのタスクからなる評価では、Gemini 3.8 FlashはGemini 3.7 Flashを上回らなかった。. 6つの比較対象ペアのうち、3.8はフロントエンド計画タスクで勝利し、Pythonのバグ修正タスクでは同点となり、ステータスの精度、データ推論、境界付きエージェント計画、SEO編集の4つのタスクで敗北した。残りの研究タスクについては、結論が出なかった。.
その差は、単なる知識の量によるものではありませんでした。それは、完成した成果物に見られる些細な欠陥に起因するものでした。分母の記述が1つ間違っていたり、ステータスのラベルが曖昧だったり、文章が冗長だったり、ツール計画が具体的でなかったりといった点です。これらはまさに、その答えがすぐに活用できるかどうかに影響を与える細部なのです。.
レビューの概要
| 測定 | Gemini 3.8 フラッシュ | Gemini 3.7 フラッシュ |
|---|---|---|
| タスクの勝利 | 1 | 4 |
| ネクタイ | 1 | 1 |
| 完了したタスクの所要時間 | 49.266秒 | 42.909秒 |
| 完了したタスクの出力トークン | 9,199 | 7,489 |
| 完了したタスクの推定コスト | $0.036121 | $0.028569 |
これらの結果は、1つのAPIルートと1つの設定における6つの小規模なテキスト処理タスクに関するものです。これらは、いずれのモデルについても普遍的なランキングを示すものではありません。.
「Gemini 3.8 Flash」とは何ですか？
GoogleによるGemini 3.8 Flashの説明 コーディングやエージェント向けの最も高性能なFlashワークホースとして、特に長期的な視点に立ったソフトウェア工学やナレッジワークに重点を置いています。これは、完全に独立したアーキテクチャではなく、Gemini 3.7 Flashをベースとしています。.
この位置づけが重要なのは、これが単なる安価な汎用チャットボットではないからです。Googleは「3.8 Flash」を、Flashレベルのレイテンシとスケーラビリティを維持しつつ、ドキュメント、ツール、コード、さらには長めのタスクシーケンスにわたって推論を行うことができる、本番環境向けエージェントモデルとして位置づけています。.
Gemini 3.8 フラッシュのリリース日
について 公式モデルカード は、に公開されました 2026年9月2日. Googleの製品ページでは、このモデルは「プレビュー版」ではなく「一般提供」として掲載されています。.
Gemini 3.7 フラッシュから何が変更されたのか？
公式の重点は、より長期にわたるエージェントのタスクや完成した成果物へと移行しています。Googleは、ソフトウェアエンジニアリング、厳密な推論、ツールの実行、マルチモーダル理解、そして複雑な企業業務を重視しています。私たちの小規模なテストセットでは、この位置づけが最も優れたフロントエンドの計画につながりましたが、全般的に信頼性の高い完成した回答が得られるわけではありませんでした。.
Gemini 3.8 Flash の仕様と発売時期
| 仕様 | Gemini 3.8 フラッシュ | 証拠 |
|---|---|---|
| APIモデルID | gemini-3.8-flash | 公式の価格ページとAPIからの応答結果 |
| ステータス | 一般提供開始 | Google DeepMind の製品ページ |
| 入力コンテキスト | 最大100万トークン | 公式モデルカード |
| テキスト出力の最大量 | 64Kトークン | 公式モデルカード |
| 入力 | テキスト、画像、音声、動画、およびPDF | 公式商品ページ |
| 出力 | テキスト | 公式モデルカード |
| ツールサポート | 関数の呼び出し、ツールとしての検索、コンピュータの活用 | 公式商品ページ |
| 公式のアクセス面 | Gemini アプリ、Gemini エンタープライズ・エージェント・プラットフォーム、Google AI Studio、Gemini API、AI モード、および Google Antigravity | 公式モデルカード |
| 知識カットオフ | 一部のドメインについては2026年3月、その他のドメインについては2025年1月 | 公式モデルカード |
100万トークンのウィンドウは処理容量を示すものであり、長文の完全な検索能力を証明するものではありません。以下のテストパックには、ステータスに依存する短い抽出タスクが含まれていますが、100万トークン規模での性能を立証するものではありません。.
Gemini 3.8 フラッシュの価格とAPI利用料
について Gemini APIの公式価格ページ 2026年12月31日までの打ち上げ頻度を次のように記載している。 入力トークン1Mあたり$0.75 そして 出力トークン1Mあたり$3.75, 、思考トークンを含みます。2027年1月1日には、これらのレートは$1.50および$7.50に引き上げられます。.
公表された価格の変更
有料プランの100万トークンあたりの価格。2027年1月の料金は、2026年の導入時の料金の2倍となっています。.
Gemini 3.8 Flash と Gemini 3.7 Flash は、テスト期間中、公表された導入時のレートが同じでした。それでも、3.8 の方が記録されたトークン使用量が多かったため、完了したすべてのペアにおいてコストが高くなりました。 T02～T07全体では、3.8の推定値は$0.036121、3.7の推定値は$0.028569でした。.
速度とコストの関係について別の観点を知りたい場合は、当社の Gemini 3.5 Flash Lite レビュー. Liteモデルは異なるワークロードに対応しているため、価格が安いからといって、自動的に品質が優れているとは見なすべきではありません。.
Gemini 3.8 Flash 公式ベンチマーク
Googleのパフォーマンス紹介ページでは、DeepSWE v1.1、Vals Finance Agent v2、Harvey’s Legal Agent Benchmark、HLE-Verifiedの4つの分野が強調されています。そのグラフによると、3つの評価すべてにおいて、Gemini 3.8 FlashがGemini 3.7 Flashを上回っており、公表された正確なパーセンテージも示されています。.
| 公式評価 | Gemini 3.8 フラッシュ | Gemini 3.7 フラッシュ | 証拠の範囲 |
|---|---|---|---|
| DeepSWE v1.1 | Googleのチャートで70%を上回る | グラフ上で3.8未満 | Googleによると、効率の面で3.8がトップとのことですが、公開されているグラフには正確な数値は記載されていません。. |
| Vals Finance Agent v2 | 61.4% | 59.0% | Google公式のチャート。ベンチマークの詳細な算出方法は依然として重要だ。. |
| ハーヴェイの法務担当者ベンチマーク | 10.0% | 8.8% | このベンチマーク結果は、導入時の法的正確性を保証するものではありません。. |
| HLE認証済み | 54.9% | 53.6% | SEO編集、UI設計、レスポンスの効率性については直接測定していません。. |
Gemini 3.8 Flashのテスト方法
両モデルには、同じタスクプロンプト、温度0、3,200トークンの出力上限、および同じAPIルートが設定されました。最初の3.8回のリクエストが技術的な理由で失敗した後、両モデルに対してT02を1回再実行しましたが、スコア算出の対象となったのは一致した再実行のみです。.
| 記録されたフィールド | その使用方法 |
|---|---|
| 返されたモデルID | リクエストされたモデルが応答したことを確認しました。. |
| 実質生産高 | 正確性、完全性、現状への忠実性、および必要な編集作業を比較した。. |
| 経過秒数 | プロバイダー側の遅延ではなく、ローカルでのエンドツーエンドの応答時間を測定したものです。. |
| 入力トークンと出力トークン | 公式の導入レートに基づく、タスク単位のコスト見積もりがサポートされました。. |
| 完了理由 | 不完全な回答や予算の制約がある回答から、有用な回答を区別しました。. |
Gemini 3.8 Flash 実環境テスト結果
各カードには、課題、実際に提出された作品、評価基準、および編集部の評価がまとめて記載されています。抜粋部分は読みやすさを考慮して短縮されていますが、判断の根拠となる重要な詳細は残されています。.
テスト1：研究の統合
課題： 与えられた事実セットに基づいて、180語の購入推奨文を作成してください。その際、3つの理由、2つの未知要素、およびテスト計画を盛り込んでください。.
Gemini 3.8 フラッシュ
18.211秒 · 入力トークン 361 / 出力トークン 3,196 · 推定 $0.012256
“「モデルAの選択をお勧めします… 3. 価格の同等性：モデルAとモデルBのAPI導入価格は同じです」”
Gemini 3.7 フラッシュ
13.490秒 · 入力トークン 108 / 出力トークン 3,196 · 推定 $0.012066
“「モデルAの試用および購入を強くお勧めします……12月3日まで、両モデルともAPIの導入価格は全く同じままです」”
どちらの回答も、必要な未知数やテスト計画が記載される前に、文の途中で途切れています。3.8の回答では、次のように報告されています。 停止, 一方、3.7では次のように報告されている 長さ; どちらの仕上げ理由も、使いやすさの評価には影響しません。.
テスト 2：Python のバグ修正
課題： 値が最も大きい3つの支払記録を返し、値が同じ場合は入力の順序を維持し、空の入力を処理し、根本原因を説明し、2つのテストを追加してください。.
Gemini 3.8 フラッシュ
7.969秒 · 入力トークン 344 / 出力トークン 1,517 · 推定 $0.005947
paid.sort(key=lambda r: r["amount"], reverse=True)
この記事では、Pythonの安定ソートについて解説し、順位付け、同順位、フィルタリング、および空の入力に対する動作を検証しました。.
Gemini 3.7 フラッシュ
7.818秒 · 入力トークン 91 / 出力トークン 1,359 · 推定 $0.005164
paid.sort(key=lambda r: r["amount"], reverse=True)
同じ最小限の修正が適用され、同じ受け入れ基準が満たされました。.
このコードは機能的に同等です。3.7の解答の方がわずかに短く、実行コストも低いですが、出力の品質に差が出るほどではありません。.
テスト3：テキストベースのフロントエンド実装計画
課題： 説明されているチェックアウト画面について、優先順位をつけた5つの修正事項、レスポンシブな動作、およびQAを計画してください。スクリーンショットは提供されていません。.
Gemini 3.8 フラッシュ
10.128秒 · 入力トークン数 340 / 出力トークン数 1,509 · 推定 $0.005914
そこには、58/42のデスクトップグリッド、48～52pxのCTA、その付近に配置される信頼性に関する注記、状況に応じた割引アラート、モバイル向けの注文概要アコーディオン、フォーカス状態、およびオーバーフローチェックが明記されていました。.
Gemini 3.7 フラッシュ
8.149秒 · 入力トークン 87 / 出力トークン 1,416 · 推定 $0.005375
同提案では、同様のグリッドおよびモバイルスタックが提案されたが、タスクには含まれていなかった「256ビット暗号化チェックアウト」という機能が導入された。.
どちらの案も実行可能です。「3.8」案は、より厳格なQAチェックリストを備えており、特定の暗号化に関する主張をでっち上げることを回避しています。.
テスト4：ステータスを考慮した抽出
課題： Orionを要約し、ファクトテーブルに「確定」、「計画中」、「承認済み」、「保留中」、「不明」、「未確認」の各ステータスを保存します。.
Gemini 3.8 フラッシュ
6.292秒 · 入力トークン 371 / 出力トークン 1,122 · 推定 $0.004486
同社は2人目のパイロットを「確認済み／保留中」と分類し、1人目のパイロットが82%件の案件を「無事に処理した」と記載した。.
Gemini 3.7 フラッシュ
7.126秒 · 入力トークン 118 / 出力トークン 1,152 · 推定 $0.004409
これにより、展開状況は「計画中（未承認）」、法務審査は「計画中（審査中）」、生産準備状況は「不明」のままとなりました。“
どちらも主要な事実はそのままですが、3.7では「承認済み」「計画中」「審査待ち」「状況不明」の区分がより明確にされています。また、どちらのバージョンも、中立的な82%パイロット文に「成功裏に」という表現を追加しています。.
テスト5：データ推論
課題： ROASと有料コンバージョン率を算出し、支出ゼロの場合の分母を正しく処理し、チャネルをランク付けし、条件付きで$300の配分比率を推奨する。.
Gemini 3.8 フラッシュ
11.074秒 · 入力トークン 377 / 出力トークン 2,355 · 推定 $0.009114
メールを7.0倍、検索を3.0倍、ソーシャルを2.6倍と正しくランク付けし、パートナーのROASは除外しました。その後、広告費がゼロの場合、ROASとCPAの両方で分母がゼロになると述べました。.
Gemini 3.7 フラッシュ
9.106秒 · 入力トークン 124 / 出力トークン 1,969 · 推定 $0.007477
正しいランキングを同じように返したほか、パートナーROASは測定不能として扱い、メールがスケール可能な場合には「$200 メール／$100 検索」を提案しました。.
3.8の回答には明らかな計算ミスがあります。CPAは支出をコンバージョン数で割った値であるため、$0を4で割ると$0となり、分母がゼロになるケースではありません。.
テスト 6：境界付きエージェント計画
課題： 4つの指定されたツールを使用して、公式APIの価格を1つ収集し、非公式または曖昧な情報には頼らず、220語以内で「完了」の定義を記述してください。.
Gemini 3.8 フラッシュ
5.603秒 · 入力トークン 354 / 出力トークン 948 · 推定 $0.003821
このプロセスでは、検索、取得、解析、保存の各ステップを定義し、さらに真正性、可用性、価格の透明性に関するチェックポイントを追加しました。.
Gemini 3.7 フラッシュ
5.127秒 · 入力トークン 101 / 出力トークン 894 · 推定 $0.003428
ここでは、明示的なツール呼び出し構文が使用されており、その名称は model_pricing.csv, 、それぞれ異なる入力および出力レートを必要とし、1つの検証済み行を「完了」と定義した。.
どちらの計画も停止条件を順守しています。3.7の計画は、ツールが実行されたかのように装うことなく、利用可能な呼び出しや保存された成果物についてより具体的に記述しています。.
テスト7：SEOライティングと編集
課題： HTMLのみを返してください。「Gemini 3.8 Flash review」という文言を正確に1回使用し、4つの確定事実を保持し、根拠のない結果、価格、日付、またはアクセスに関する主張は避けてください。.
Gemini 3.8 フラッシュ
8.200秒 · 入力トークン 379 / 出力トークン 1,748 · 推定 $0.006839
<p>「Gemini 3.8 Flash」のレビューでは、公式のベンチマーク結果と同一のプロンプトを用いたAPIテストを比較することで、Googleのモデルを評価しています。実機でのテスト結果は、評価記録がまとまり次第公開される予定です：</p>Gemini 3.7 フラッシュ
5.583秒 · 入力トークン 126 / 出力トークン 699 · 推定 $0.002716
<p>この「Gemini 3.8 Flash」のレビューでは、公式のベンチマーク結果と同一のプロンプトを用いたAPIテストを比較することで、Googleの新型モデルを検証しています。実機でのテスト結果は現在、未公開です。.</p>どちらも構造と確定事項を満たしています。3.7の文章の方がすっきりとしており、公開可能なSEO記事の文章のように読みやすいですが、3.8の「評価記録によると」という表現は不自然です。.
Gemini 3.8 フラッシュテスト評価表
| タスク | 優勝 | 決定的な違い |
|---|---|---|
| 研究統合 | 結論が出ない | どちらも不完全 |
| Pythonのバグ修正 | ネクタイ | 同等のコードとカバレッジ |
| フロントエンド計画 | Gemini 3.8 フラッシュ | 品質保証の向上と、架空の暗号化主張の排除 |
| ステータスの抽出 | Gemini 3.7 フラッシュ | より正確な状態ラベル |
| データの推論 | Gemini 3.7 フラッシュ | CPAの分母エラーなし |
| 主体的な計画立案 | Gemini 3.7 フラッシュ | より具体的な要求と成果物 |
| SEO編集 | Gemini 3.7 フラッシュ | より明確で、論文として掲載可能な文章 |
その結果、この発表記事に対する有益な対比材料となった。Gemini 3.8 Flashは、Googleが特に強調した公式エージェントや長期的な評価においては優れているかもしれないが、我々が実施した小規模な制御されたタスクのうち4つでは、3.7の方がより優れた成果を生み出した。.
Gemini 3.8 私たちが確認したフラッシュの制限事項
最大の問題は、劇的な失敗ではなかった。それは 追加の添削作業：分母の計算ミス、曖昧なステータス表記、不自然なSEO文、そして完了したタスクごとに使用されるトークンの数が増加。T01は、厳密に指定された180語の成果物を完成させる前に終了してしまった。.
このテストパックではテキストのみが使用されました。画像、音声、動画、PDF、コンピュータの使用、真のロングコンテキスト検索、および数時間にわたるエージェントの実行については評価対象外です。Googleのモデルカードには、幻覚現象の可能性、時折の動作遅延やタイムアウト、および「高」の努力レベルでのトークン使用量の増加についても記載されています。.
Gemini 3.8 フラッシュレビュー：最終評価
Gemini 3.8 Flashは、エージェント型および長期的なワークロードにとって意義深い公式アップグレードですが、日常的なタスクのすべてに対して自動的に適用されるアップグレードというわけではありません。. 本レビューで実用可能な6組のうち1組を獲得したのに対し、Gemini 3.7 Flashは4組を獲得し、所要時間も短く、出力トークンの消費も少なく、推定コストも低かった。.
実務上の教訓としては、実際にリリースする成果物をテストすることが重要です。もし、長時間にわたるソフトウェア開発や、ドキュメントを多用するエージェントの実行といった作業が中心であるなら、Googleの公式ベンチマークの指針を踏まえると、バージョン3.8を真剣に試してみる価値があります。一方、簡潔な編集、小規模なデータ分析、あるいは状況に応じた要約が優先事項である場合は、我々の初期の結果によると、バージョン3.7は依然として高い競争力を維持しています。.
以前の調査でも同様の傾向が見られました Gemini 3.6 Flash と Gemini 3.1 Pro の比較: 世代ラベルは、並列での出力検査に代わるものではありません。以下の場所で繰り返しプロンプトを実行してください。 グローバルGPT, 、完成した解答を確認し、バージョン番号ではなく証拠に基づいて選択してください。.
Gemini 3.8 フラッシュ FAQ
Gemini 3.8 Flashはいつリリースされましたか？
Google DeepMindは、2026年9月2日に「Gemini 3.8 Flash」モデルカードを公開しました。.
Gemini 3.8 Flashは一般提供されていますか？
はい。Googleの公式製品ページには、Gemini 3.8 Flashが一般提供中であると記載されています。.
Gemini 3.8 Flash APIのモデルIDは何ですか？
公式のモデルIDは gemini-3.8-flash, これは、当社のAPIテストで返されたモデルIDとも一致していました。.
Gemini 3.8 Flashの価格はいくらですか？
2026年12月31日まで、Googleは入力トークン100万トークンあたり$0.75、出力トークン（シンキングトークンを含む）100万トークンあたり$3.75と記載しています。 2027年1月1日からは、レートが$1.50および$7.50に引き上げられます。.
Gemini 3.8 Flashは無料ですか？
Googleの料金ページには、モデルへのアクセスに制限があるものの、入力および出力トークンが無料で利用できる無料プランが記載されています。利用制限やモデルの利用可否は、アカウントやルートによって異なる場合があります。.
「Gemini 3.8 Flash コンテキストウィンドウ」とは何ですか？
公式モデルカードによると、Gemini 3.8 Flashは、最大1Mの入力トークンと最大64Kのテキスト出力トークンに対応しています。.
Gemini 3.8 Flashは、画像、音声、動画、PDFに対応していますか？
はい、入力としてです。Googleの製品ページには、テキスト、画像、動画、音声、PDFの入力形式が記載されており、モデルカードにはテキスト出力として記載されています。.
Gemini 3.8はフラッシュ対応ツールに対応していますか？
Googleでは、関数呼び出し、検索ツールの利用、およびコンピュータの使用を挙げています。ツールの利用可否は、製品やAPIの経路によって異なる場合があります。.
Gemini 3.8 Flashは、Gemini 3.7 Flashよりも優れていますか？
すべてのタスクでそうとは限りません。本レビューにおいて、Gemini 3.8 Flashは6つの有効なタスクペアのうち1つで勝利し、Gemini 3.7 Flashは4つで勝利し、1つのペアは引き分けとなりました。Googleの公式評価では、長期的な視点に立ったエージェントの性能とソフトウェアエンジニアリングの性能の高さが強調されています。.
Gemini 3.8 Flashはコーディングに適していますか？
両モデルとも、我々のコーディング課題において、正しい最小限のPython修正コードを生成しました。Googleの公式な位置づけとDeepSWEの主張によれば、3.8は特に長期間にわたるソフトウェアエンジニアリングのワークフローにおいて重要であるとされていますが、今回の小規模なバグ修正では、その点を評価することはできませんでした。.
公表されているレートが同じだったにもかかわらず、なぜテストではGemini 3.8 Flashの方が高価だったのでしょうか？
完了したすべてのペアにおいて、記録されたトークン使用量はより多かった。トークンあたりのレートが同じであっても、ある応答でより多くのトークンが消費される場合、総コストは高くなる可能性がある。.
Gemini 3.8 Flashはどこで入手できますか？
Googleは、「Gemini App」、「Gemini Enterprise Agent Platform」、「Google AI Studio」、「Gemini API」、「AI Mode」、および「Google Antigravity」を掲載しています。利用可能かどうかは、アカウント、製品、地域によって異なる場合があります。.
このベンチマーク結果は、ここで独立した第三者機関によって検証されていますか？
いいえ。ベンチマークのセクションでは、Googleの公式な主張をそのまま引用しています。「Artificial Analysis」は調査期間中連絡が取れなかったため、そのリーダーボードデータは、本草案において検証済みの証拠として含まれていません。.
