Gemini 3.6 Flashとは、出力トークン効率を高めたGoogleの汎用モデル。
2026年7月21日に公開されたGoogle公式ブログの発表で、注目点は生の性能スコアよりも「1タスクあたりに吐き出す出力トークンの量」に置かれています。Gemini 3.6 Flashは3.5 Flashと比べて出力トークンの使用量が17%少なく（発表時点のArtificial Analysis Index）、出力単価も100万トークンあたり9.00ドルから7.50ドルへ下がりました。同時に発表されたのが速度と単価を優先した3.5 Flash-Lite、そしてセキュリティ用途に振った3.5 Flash Cyber。本記事の料金はいずれもGemini Developer APIの有料枠・Standard料金（2026年7月22日時点）で、Batch・Flex・Priorityでは単価が異なります。更新の速い領域のため、導入前に公式料金ページで再確認してください。
- 判定の単純な大量処理は3.5 Flash-Lite（入力0.30ドル／出力2.50ドル）、複雑な推論や長い実行チェーンは3.6 Flash（入力1.50ドル／出力7.50ドル。いずれも100万トークンあたり、有料枠Standard、出力に思考トークンを含む、2026年7月22日時点）
- 3.5 Flashから乗り換える場合、入力単価は1.50ドルで据え置き、下がったのは出力単価のみ（9.00ドル→7.50ドル、約17%減）。出力トークン量の削減（発表時点のArtificial Analysis Index基準で17%）と掛け合わせると、出力側の費用はおよそ3割減の計算になる。入力単価は据え置きのため、請求額全体の減り幅はこれより小さい
- 移行時に確認すべき破壊的変更の代表は2つ。temperature・top_p・top_kが非推奨かつ無視される扱いになったことと、末尾がmodelロールのターンで終わるリクエストが禁止されHTTP 400を返すこと。既存構成によってはthinking_budget・candidate_count・関数呼び出し形式の修正も必要になる
- コンテキストキャッシュは3モデルとも有料枠で利用でき（無料枠はFlash-Liteのみ非対応）、割引率はどれも通常入力の9割引。利用可否や割引率そのものは選択理由にならないが、入力5倍・出力3倍と価格差が違うため、入出力の構成比とキャッシュヒット率で総額の比は動く
- 3.5 Flash Cyberは料金非公表で、CodeMender経由の政府・信頼済みパートナー限定パイロット。発表時点では提供開始前のため、通常の構成では選択肢に入らない
3つのFlashは何が違うのか
Flash系は世代（3.1→3.5→3.6）と階層（Pro＞Flash＞Flash-Lite）の2軸で並んでいます。今回の3本のうち3.6 Flashが最新世代の主力で、Flash-LiteとCyberは3.5世代の派生。数字が大きいほど新しい一方、階層は別軸なので、世代と階層を分けて見ないと位置関係がつかめません。
Google公式ブログの発表内容を整理すると、3モデルは同じFlash系列でも担当する仕事がはっきり分かれています。3.6 Flashはコーディング・知識作業・マルチモーダル処理をこなす主力。3.5 Flash-Liteは速度と単価を最優先した軽量モデル。3.5 Flash Cyberは脆弱性の発見と修正に特化し、コードセキュリティエージェントのCodeMenderと組み合わせて動きます。実際に選択肢になるのは3.6 Flashと3.5 Flash-Liteの2つで、Cyberは限定パイロットのため参考情報です。
移行元になりやすい3.5 Flashも並べて数字を出します。料金はGemini API公式の料金ページ記載値（2026年7月22日時点、100万トークンあたり、有料枠のStandard料金、出力には思考トークンを含む）。効率と速度はArtificial Analysis由来、DeepSWEでの削減幅はコーディング系ベンチマークを提供するDatacurve由来と、出所が分かれる点に注意してください。
| 項目 | Gemini 3.6 Flash | Gemini 3.5 Flash（移行元） | Gemini 3.5 Flash-Lite | Gemini 3.5 Flash Cyber |
|---|---|---|---|---|
| 位置づけ | 汎用の主力 | 前世代の主力 | 軽量・高速 | セキュリティ特化 |
| 入力料金（100万トークン） | 1.50ドル | 1.50ドル | 0.30ドル | 非公表 |
| 出力料金（100万トークン） | 7.50ドル | 9.00ドル | 2.50ドル | 非公表 |
| キャッシュ済み入力（100万トークン） | 0.15ドル | 0.15ドル | 0.03ドル | 非公表 |
| 出力速度 | 公式発表では未公表 | 公式発表では未公表 | 毎秒350トークン（発表時点のArtificial Analysis測定値） | 公式発表では未公表 |
| 提供範囲 | API・Gemini アプリ・Antigravity ほか | API ほか | API・Gemini アプリ・検索（順次展開中）ほか | CodeMender経由の限定パイロット（提供予定） |
| 向くワークロード | コード生成・複雑な推論 | ―（3.6 Flashへの移行対象） | 分類・抽出・大量処理 | 脆弱性の発見と修正 |
料金行はいずれも有料枠のStandard料金です。キャッシュ済み入力の無料枠での扱いはモデルによって異なり、3.6 Flashと3.5 Flashは「Free of charge」、3.5 Flash-Liteは「Not available」。有料枠では3モデルとも通常入力の9割引の単価が設定されています。明示的にキャッシュを作って保持する場合は、別途保存料（100万トークンあたり1時間1.00ドル）がかかります。出力速度の公表値があるのはFlash-Liteのみ、出力トークン効率の公表値があるのは3.6 Flashのみで、空欄は本記事が調べ切れていないのではなく公式発表に数値が出ていない箇所を指します。
ベンチマークの並びも公式ブログに掲載されています。3.6 Flashはコーディング系のDeepSWEで49%（3.5 Flashは37%）、機械学習タスクのMLE Benchで63.9%（同49.7%）、PC操作を扱うOSWorld-Verifiedで83.0%（同78.4%）。3.5 Flash-Liteはターミナル操作のTerminal-Bench 2.1で54%（前世代の3.1 Flash-Liteは31%）。さらにSWE-Bench Proでは54.2%と、旧世代の上位クラスにあたるGemini 3 Flash（49.6%）を上回っています。比較対象は公式ブログ記載のベースラインで、現行の3.6 Flashとの同条件比較ではありません。少なくともこれらのベンチマークの範囲では、軽量モデルは雑用専用という前提は当てはまりません。
Our newest Gemini models deliver the efficiency, latency, and reliability to build AI agents at scale. （出典: Google公式ブログ「Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber」 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/ ）
Flash-LiteとCyberをどこに置くか
Flash-Liteの毎秒350トークンという数値が体感に直結するのは、メールの要約や下書き生成のように出力が長く、ストリーミングで流れていく処理です。問い合わせ内容の振り分けやフォーム入力値の正規化のように出力が数トークンで終わる処理では、体感を決めるのは最初の応答が返るまでの時間で、ここでは件数をさばく軽さのほうが効いてきます。この毎秒350トークンはGoogleの発表がArtificial Analysisの測定値として紹介したもので、固定のスペックではありません。ライブ更新されるベンチマークなので、現在の表示値は発表時点と異なります。いずれにせよ、複数ファイルをまたぐリファクタリングや、長い実行チェーンの途中で方針を立て直すような処理は3.6 Flash側です。
Cyberは扱いが別です。公式ブログの説明では、政府と信頼済みパートナーに限定したパイロットプログラムとして、CodeMender経由で近く提供される予定とされています。発表時点では提供開始前で、誰でもAPIキーを取って呼べるモデルでもありません。セキュリティ用途を検討している場合も、まずは通常のFlash系でワークフローを組む順番になります。
出力トークンの削減がエージェントで効く理由
単価表だけを見比べてモデルを決めると、エージェント運用では判断を誤ります。理由は課金の構造にあります。
3.6 Flashの単価は入力1.50ドルに対して出力7.50ドル、つまり出力は入力の5倍。そのうえGemini APIの料金ページには、出力料金に思考トークンが含まれると明記されています。考えるほど出力トークンは増える構造で、単価表の左半分（入力）を見比べても実際の請求額は読めません。
積み上がりの効き方は、直感より小さく見積もる必要があります。以下は、会話履歴に残る出力が後続の各リクエストへ同じトークン数で再投入されると仮定した単純計算で、実際の請求値はthinking tokensやthought signaturesの扱いによって変わります（正確な内訳はAPIのusage情報で確認します）。エージェントは方針を考え、ツールを呼び、結果を受け取り、また考える。この繰り返しの中で、あるステップの出力は会話履歴として次のステップ以降の入力に載ります。10ステップ回るタスクなら、最初のステップの出力は2ステップ目以降の入力として9回再登場する計算です。後ろのステップほど再登場は少なく、タスク全体で平均すると段数の半分弱（10ステップなら4.5回）になります。ただし再登場分に乗るのは出力単価ではなく入力単価で、3.6 Flashなら100万トークンあたり1.50ドル。さらに暗黙的なコンテキストキャッシュにヒットすれば0.15ドルまで下がります。平均の4.5回で計算すると、出力を1トークン削った効果はキャッシュが効かない前提で約1.9倍、効けば1割増し程度。再登場が最も多い最初のステップの出力に限っても3倍弱・2割増しで、段数の分だけ倍になるわけではありません。
それでも出力トークン量が請求額を左右するのは、積み上がりよりも、出力単価が入力の5倍で、しかも思考トークンが出力側で課金されるからです。3.5 Flashの出力9.00ドルが7.50ドルへ下がった分は約17%で、発表時点のArtificial Analysis Index基準の出力量17%減とほぼ同じ効き方。両方が掛かって、出力側の費用は同じ処理でおよそ3割減になります。ただし入力単価は1.50ドルのまま据え置きなので、請求額全体の減り幅はこれより小さくなります。値下げ幅は全タスク一律なのに対し、出力量の削減はタスクによって幅が出るため、DeepSWEのように試行錯誤の長い領域では削減側のほうが請求額を大きく動かします。
その削減幅は、Artificial Analysis Indexで17%、DatacurveのDeepSWEでは最大65%。ただしこの2つは測定主体もベンチマークも別で、共通尺度の上に並んだ数字ではありません。65%についても、Datacurveのリーダーボードでは3.6 Flashがhigh、3.5 Flashがmediumのthinking levelで実行されており（出力97k対276k）、思考の深さを揃えた比較ではないため、モデルを替えるだけで得られる削減率とはみなせません。どちらの数字も、手元のワークロードがこの2値の間のどこかに収まる、という読み方はできません。
リトライも見落としがちなポイント。ツール呼び出しが失敗して再試行するたび、それまでの履歴を丸ごと入力に積んで再実行します。失敗が多い構成ほど、1タスクあたりの総トークン量は膨らみます。出力の圧縮と、失敗を早く検知して打ち切る仕組みは、費用面では同じ問題への対処です（AIエージェントのツール呼び出しエラー処理で、リトライ設計と障害の切り分けを扱っています）。
どのタスクをどちらに振るか
切り分けの起点は、そのタスクがFlash-Liteの精度で足りるかどうかです。分類・抽出・正規化のように判定が単純な処理は、待ちの有無にかかわらずFlash-Liteで足り、夜間バッチでも同じ。足りない場合に3.6 Flashへ上げます。そのうえで、人が待つ処理には出力速度が別の制約として重なります。
単価だけを見ればFlash-Liteは安く、通常入力とキャッシュ済み入力は3.6 Flashの5分の1（0.30ドル対1.50ドル、0.03ドル対0.15ドル）、出力は3分の1（2.50ドル対7.50ドル）です。キャッシュヒット時はどちらのモデルも通常入力の9割引になりますが、入力と出力ではモデル間の価格差が違います。キャッシュの利用可否や割引率そのものは選択理由になりません。ただし入力5倍・出力3倍という価格差の違いがあるため、入出力の構成比とキャッシュヒット率によって総額のモデル間比は動きます。入力側の5倍差は履歴が積み上がっても変わりません。
それでもFlash-Liteが結果的に高くつくことはあります。理由は単価ではなく、精度が足りないときの挙動です。判断を誤れば再試行が増え、ステップ数が伸び、1タスクの総トークン量が膨らむ。成功率が下がれば同じ結果を得るまでに複数回走らせることになる。単価差3倍は、ステップ数や試行回数が数倍に増えれば簡単に消えます。逆に言えば、Flash-Liteで足りるかどうかは単価表では判断できず、代表的なタスクを両方で走らせて成功率と総トークン量を見るしかありません。
もう一点、17%も最大65%も3.5 Flashを基準にした削減率で、Flash-Liteとの比較ではないことに注意が必要です。3.6 Flashの出力削減が効くのは、3.5 Flashで組んでいた処理を置き換える場面です。Flash-Liteと3.6 Flashのどちらを選ぶかという判断は、この数字ではなく、精度が足りるかどうかで決まります。
3.6 Flash・3.5 Flash-Liteから変わる呼び出しの前提
この2つは、中身だけでなくAPIの作法も変えました。Gemini API公式ドキュメントは最新モデルへの移行手順をまとめており、破壊的変更が複数含まれます。代表的なものが2つ。
- サンプリングパラメータの廃止
- temperature・top_p・top_kは非推奨で、指定しても無視される。将来の世代では指定するとHTTP 400が返ると記載されている。
- 末尾がmodelターンのリクエストの禁止
- 末尾が空でないmodelロールのターンで終わるリクエストは許可されず、現時点でHTTP 400が返る。応答の書き出しをこちらで用意しておく、いわゆるprefilled model turnの手法はエラーになる。
影響が出やすいのは前者です。エラーにならないまま挙動だけが既定に寄るため、モデルを差し替えた直後に出力の傾向が変わっても、原因がパラメータ側にあると気づきにくい。公式の案内は、これらをリクエストから取り除くこと。出力の形を揃えたい場合は、サンプリングではなくシステムプロンプト側で指定する形が公式に示されている。後者は逆に、その場でエラーになるぶん発見は早いものの、対話の続きを誘導する実装をしていた場合は書き換えが要ります。
公式の移行手順には、ほかにもthinking_budgetをthinking_level（medium／high の文字列）へ置き換える、Gemini 3.x で非対応になったcandidate_countを外す、複数ターンの会話をサーバー側のprevious_interaction_idに寄せる、generateContent APIを使う場合はFunctionResponseにcall_idとnameを含める、といった項目も並んでいる。既存構成によって該当箇所は変わるため、差し替え前に移行ガイドを一度通して確認する形になります。
費用の見積もりにも前提がひとつあります。Gemini APIでは暗黙的なコンテキストキャッシュが既定で有効で、リクエストの先頭部分が以前と同じならヒットした分の割引が自動で適用されると公式ドキュメントに記載されています。Interactions APIが対応するのはこの暗黙キャッシュのみで、キャッシュ対象を自分で作って管理する明示キャッシュは対象外。料金ページに併記されている保存料（100万トークンあたり1時間1.00ドル）は、その明示キャッシュを保持する場合の料金です。ヒットの最小トークン数などの条件は公式ドキュメントで確認してください（キャッシュを前提にしたコスト設計はLLM APIのプロンプトキャッシュでコストを削るで扱っています）。
差し替えの後に効いてくる本番側の前提
モデルを差し替えれば安くなる、という話で終わらないのがエージェント運用です。Google公式ブログが2026年7月7日に公開したGemini APIのManaged Agents拡張は、本番運用でつまずく箇所に手を入れた内容でした。同ブログが挙げた変更点は4つ（提供段階や対応するSDK・プランの条件は公式ドキュメントで確認してください）。
- バックグラウンド実行
- リクエストに background: true を渡すと非同期で処理でき、HTTP接続を保持したまま待つ必要がなくなる。
- リモートMCPサーバー連携
- Model Context Protocol（AIから外部ツールやデータへ接続するための共通仕様）のリモートサーバーへ直接つなぎ、手元のデータベースや非公開APIを参照できる。
- カスタム関数の併用
- Google検索やコード実行といった標準のサンドボックスツールと、自前の関数呼び出しを同じインタラクション内で混在させられる。
- 認証情報のリフレッシュ
- 既存の environment_id を新しいネットワーク構成とともに次のインタラクションで渡すことで、認証情報の更新や鍵のローテーションができる。新しい設定は即時に置き換わる。
この4点は、それぞれ実運用で発生する詰まりに対応しています。数十分かかる調査タスクをHTTPリクエストの中で待たせればタイムアウトで落ちる。手元のデータに触れないエージェントは調べ物の域を出ない。標準ツールだけでは自前のロジックを呼べない。短期トークンは途中で切れる。モデルの賢さとは別のレイヤーで、本番に届くかどうかが決まります。
長時間タスクを前提にすると設計が変わる
非同期実行が入ると、アプリケーション側の作りも変わります。リクエストを投げて結果を待つ同期処理では、失敗の検知はレスポンスを見れば済みました。バックグラウンド実行では、インタラクションIDを保存し、状態を問い合わせ、途中経過をユーザーに見せ、完了したら通知する、という流れを自前で持つ必要があります。
コストの見え方も変わってきます。同期処理なら「遅い＝ユーザーが不満」という分かりやすい信号がありましたが、非同期だと遅くても誰も気づきません。気づかないまま無駄な試行を繰り返し、月末に請求額で判明する。タスクごとにトークン消費量とステップ数を記録し、上限を超えたら打ち切る仕組みを、非同期化と同時に入れておく構成が現実的です（計測と課金記録の分け方はAI自動化サービスの利用量・コスト計測設計で扱っています）。
次の世代についても、公式ブログは短く触れています。Gemini 3.5 Proはパートナーとテスト中で、準備が整い次第の提供を予定。加えて、次世代の「Gemini 4」に向けた事前学習の実行を開始したと記載されています。名称以外に性能や提供時期は公表されていないため、現時点で計画に織り込める材料ではありません。
まとめ
割り当ての判断は2つの問いで足ります。Flash-Liteの精度で足りるか。人が画面の前で待っているか。判定の単純な大量処理は待ちの有無を問わず3.5 Flash-Lite、複雑な推論や長い実行チェーンは3.6 Flash。コンテキストキャッシュはどちらも有料枠で使えて割引率も9割引で同じなので、利用可否そのものは選択理由になりません。ただし入力5倍・出力3倍と価格差が違うため、総額の比は入出力の構成比で動きます。Flash-Liteが結果的に高くつくとすれば、大きな原因は単価ではなく精度不足による再試行とステップ数の増加です。3.5 Flash CyberはCodeMender経由で政府・信頼済みパートナーに限られ、発表時点では提供開始前のため、通常の構成では選択肢に入りません。
3.5 Flashで組んでいる場合は、出力単価と出力トークン量の両方が下がるため移行が基本線になります。ただし切り替え前に、公式の移行手順を一度通しておく必要があります。temperature・top_p・top_kを渡している箇所は無視される扱いになるのでリクエストから外す。末尾がmodelロールのターンで終わるリクエストは現時点でHTTP 400になるため、応答の書き出しを用意する実装は書き換える。構成によってはthinking_budgetやcandidate_count、関数呼び出し形式にも手が入ります。
削減幅を手元の数字で出すには、前後比較が要ります。代表的なワークロードを1つ選び、切り替え前に3.5 Flashで、切り替え後に3.6 Flashで、同じ入力に対する出力トークン量とステップ数を記録して突き合わせる。17%（発表時点のArtificial Analysis Index）と最大65%（DatacurveのDeepSWE）は測定主体もベンチマークも別なので、この2つの間に収まる保証はありません。そのうえで、モデル名は設定値として外に出す。リモートMCP接続は読み取り専用と参照範囲の限定を接続前に決める。非同期実行を入れるならトークン消費量とステップ数の上限で打ち切る仕組みを同時に用意する。ここまで揃うと、モデルの差し替えが請求額に反映されやすくなります。
よくある質問
Q. 3.5 Flash から 3.6 Flash に替えると請求額は下がる？
入力単価は100万トークンあたり1.50ドルで据え置き、出力単価が9.00ドルから7.50ドルへ下がりました（いずれも有料枠Standard）。これに出力トークン量の削減（発表時点のArtificial Analysis Index基準で17%）が掛かるため、出力側の費用は同じ処理でおよそ3割減の計算になります。下がるのは出力側で、入力分は据え置きのため、請求額全体の減り幅はこれより小さくなります。削減幅もタスクによって変わるため、実際の値は同じ処理を両モデルで流して出力トークン量を突き合わせないと出ません。
Q. 乗り換えで既存コードのどこを直す？
代表的な破壊的変更は2つです。temperature・top_p・top_kの指定は非推奨かつ無視される扱いになったため外すこと。もう1つは、末尾が空でないmodelロールのターンで終わるリクエストが禁止され、現時点でHTTP 400が返ること。前者はエラーにならないまま挙動だけが既定へ寄るので、出力の形を揃える目的で指定していた場合はシステムプロンプト側へ移します。このほかthinking_budgetからthinking_levelへの置き換え、candidate_countの削除、previous_interaction_idによる会話管理、関数呼び出し形式の確認が公式の移行手順に挙がっています。
Q. 安いほうの 3.5 Flash-Lite に寄せれば費用は下がる？
単価だけを見れば安く、Flash-Liteの通常入力とキャッシュ済み入力は3.6 Flashの5分の1、出力は3分の1です。キャッシュヒット時はどちらも通常入力の9割引ですが、入力と出力で価格差が異なるため、入出力の構成比とキャッシュヒット率によって総額の差は変わります。それでも結果的に高くつくことがあるのは、精度が足りないときに再試行が増え、ステップ数と総トークン量が膨らむからです。判定の単純な大量処理はFlash-Liteで足りる一方、判断を伴う処理では成功率と総トークン量を両モデルで測って比べる形になります。
Q. Gemini 3.5 Flash Cyber は一般の開発者も使える？
公式ブログでは、政府および信頼済みパートナーに限定したパイロットとして、コードセキュリティエージェントのCodeMender経由で近く提供される予定と説明されています。発表時点では提供開始前で、APIキーを取得して自由に呼び出す形も案内されておらず、料金も非公表です。
Q. 今切り替えるべきか、Gemini 3.5 Pro を待つべきか？
公式ブログによれば、Gemini 3.5 Proはパートナーとテスト中で、準備が整い次第の提供を予定という段階です。次世代の「Gemini 4」に向けた事前学習の実行を開始したとも記載されていますが、名称以外に性能や提供時期は公表されていません。いずれも時期が未定のため、現行のFlash系での構成を進めつつ、モデル名を設定値として外に出しておく形が現実的です。
