Gemini 3.6 Flash がリリースされ、トークン節約と知能のトレードオフをめぐる嘲笑を巻き起こした

昨年以降、Geminiを使用してきた人々にとって、最新の流行っているジョークはこうだ。「自分の兄弟が徐々にアルツハイマー病を発症していく様子を見ているようだ」。通常、企業が新しいモデルをリリースする際は、そのようなジョークを反証するために使われるべきだ。しかし、先ほどGoogleが3つの新しいモデルを発表した後、その発言を撤回するどころか、ネットユーザーたちはさらに大きな笑い声で反応し、「信じてもらえなかったのに、最もがっかりさせる結果になった」という感覚を与えた。これら3つのモデルは、3.6 Flash、3.5 Flash-Lite、およびサイバーセキュリティ向けの3.5 Flash Cyberである。公式ブログの表現は依然として馴染み深い：より効率的、より賢明、大規模なAIエージェントのために構築され、一息つく間もない。しかし、実際の体験は劇的に異なる。

フラッグシップである3.6 Flashから始めよう。これは5月のI/Oカンファレンスでの3.5 Flashのマイナーバージョンアップグレードであり、公式の位置づけは作業用モデルである。この世代の最大の売りはトークンの節約である：Artificial Analysis Indexのデータによると、3.6 Flashは3.5 Flashよりも出力トークンを17%少なく使用し、DeepSWEシナリオでは最大65%少ない。マルチステップタスクを実行する際、推論ステップ数やツール呼び出しの数も減少する。価格は確かに下がっており、入力トークン100万個あたり$1.5、出力トークン100万個あたり$7.5であり、以前の3.5 Flashの出力価格は$9だった。これは直接$7.5に削減され、より高速かつコスト効果が高く、単一エージェントタスクのコストが大幅に削減された。

ベンチマークテストでは、コード能力が焦点であり、DeepSWEは37%から49%に上昇した。公式によれば、不要なコード変更が少なく、実行ループが短く、生成されたコードが生産要件に近いという；機械学習研究のためのMLE Benchでは、49.7%から63.9%へとより顕著な増加が見られた；コンピュータ操作のためのOSWorld-Verifiedは78.4%から83%に上昇し、コンピュータ操作はGemini APIおよびエンタープライズエディションの組み込みツールとなり、すぐに使用可能である。マイナーだが実用的なアップデートとして、知識のカットオフ日が2025年1月から2026年3月に最終的に押し下げられ、古いカレンダーからようやく離脱した。セキュリティ面では、公式は3.6 FlashがアップグレードされたFrontier Safety保護を有し、化学、生物、放射線、核、およびサイバー攻撃という2種類の乱用 focusing していることを述べ、脱獄に対する耐性が強化され、通常のニーズを害さないようにしつつ、不要な拒否を最小限に抑えている。

次の階層は3.5 Flash-Liteであり、速度と手頃な価格に焦点を当て、エージェント検索やドキュメント処理などの高スループットかつ低レイテンシのタスクを対象としている。これは3.5シリーズで最速であり、Artificial Analysisの測定によると1秒あたり350トークンを生成できる。価格は極めて安価で、入力100万トークンあたり$0.3、出力100万トークンあたり$2.5であり、3月にリリースされた3.1 Flash-Liteよりも品質が大幅に向上している。推論レベルの調整をサポートしており、低エンドのタスクは速度と効率のために最低レベルで実行でき、複数のステップを必要とする複雑なサブタスクに直面する際には、思考レベルを上昇させることができる。コンピュータ操作も組み込みツールとなった。

顕著な改善点：コードおよびエージェントタスクのためのTerminal-Bench2.1は31%から54%に跳ね上がり、長期コンテキストのためのGDM-MRCR v2は60.1%から72.2%に向上し、実タスク実行のためのGDPval-AA v2は642から1140に増加した。最も興味深いのは、この低階層モデルが実際には多くのエージェントおよびコードタスクにおいてその上位モデルである3Flashを上回ったことである。例えば、SWE-Bench Pro（54.2%対49.6%）およびOSWorld-Verified（74.0%対65.1%）であり、かつて3Flashによって処理されていたタスクには、より高速で強力な代替手段があることを意味する。公式はいくつかの使用例を提供しており、大量のeコマースデータから製品特徴を抽出すること、3.6 Flashのサイドキックとして25のウェブデザインコンセプトを一度に生成すること、領収書のバッチ翻訳および要約、そしてゲームを作成するためにプレイおよび反復することが含まれる。Ashler、Palo Alto Networks、およびRampの顧客もその速度、知能、およびコスト効果について称賛した。

最後の1つ、3.5 Flash Cyberは異なるアプローチを取り、コード内のセキュリティ脆弱性を発見および修正するために特別に設計されている。Googleの論理は賢明である：AIが脆弱性を発見する速度は、既存システムがそれらを修正する速度を超えており、結果として脆弱性が蓄積している。代わりに、手頃で効率的なFlashを使用してバッチでそれらを修正している。このモデルは3.5 Flashからファインチューニングされ、独自のCodeMenderツールと組み合わされており、複数のFlash Cyberエージェントが協力してレポートに要約する。業界で知られるCyberGymベンチマークでは、より大きなモデルと比較してより少ないトークンを使用して1stティアレベルに達した。しかし、このモデルは現在利用不可であり、脆弱性発見が両刃の剣であることを考慮している。GoogleはAnthropicの足跡に従い、セキュリティナラティブを採用し、厳密にロックし、内部テストのために信頼できるパートナーに限られたアクセスのみを提供している。目標は、脆弱性が悪用される前にフロントラインの防衛者に脆弱性を修正する時間を提供することであり、人々がそれを悪用しないようにすることである。

ここで、あなたは真のフラッグシップ、3.5Proはどこにあるのかと疑問に思うかもしれない。公式の説明によれば、それはまだパートナーとテスト中であり、準備ができ次第リリースされる。しかし、この声明の背景はそれほどスムーズではない可能性がある。Bloombergなどの報道によれば、3.5Proのコード生成能力は内部の期待に一度も満たなかった。Googleは6月末にトレーニングデータを再度更新してコードの短所を補ったが、結果は依然として改善しなかった。Googleが元のトレーニング計画を完全に破棄し、やり直したという噂さえある。同時に、Google AIのスポークスマンであるLogan Kilpatrickは公の声明で3.5Proを公然とスキップし、Gemini4に焦点をシフトし、最大かつ最も野心的なGemini4の事前トレーニングがすでに開始されており、進捗が興奮させると主張した。フラッグシップの遅延という背景を考慮すると、これは某种の気晴らしまたは幻覚を長引かせる約束のように感じられる。

今日リリースされたFlashモデル alone を見ると、ネットユーザーは完全に買っていない。第三者評価機関であるArtificial Analysisは、2つの新しいモデルが確かにタスクあたりの時間を半分に削減し、トークン効率を向上させたと述べ、Flash-Liteの知能指数は11ポイント増加した。しかし、3.6 Flashの知能レベルは3.5 Flashと比較して基本的に変わらなかった。価格は能力のギャップを無視するほど下がっておらず、能力もコストを正当化するほど上昇していない。Xプラットフォームでは、一部のユーザーが3.6 FlashがArtificial Analysisで3.5 Flashと同じスコアを獲得したと批判し、Meta Spark1.1、GLM-5.2、5.6Luna、Sonnet5、Grok4.5、5.6Terraなどの競合他社よりも劣っていると称し、単にひどいと述べた。

ユーザーAngelは費用対効果の観点から接近し、3.6 Flashの使用コストはGPT-5.6Sol mediumよりも高いが、その知能レベルは低いと指摘し、 awkward な組み合わせを作成した。結局のところ、Flashシリーズの基盤は費用対効果であるが、今やその価値が競合他社よりも劣ることが指摘され、自滅に等しい。比較として、OpenAIのTiboも最近発言しており、週間アクティブユーザーが1000万人に達したため、CodexおよびChatGPT Workの有料ユーザーが新しいクォータリセットを受けたと述べた。この対比と格差、人々はまだ湖でのGoogle Gemini3を覚えているか？

実際のテスターも火に油を注いだ。ユーザーBalderは直接批判し、これらの3つのモデルのパフォーマンスは以前の3.5 Flashよりも劣っており、基本的なデコードエラー、奇妙な中国語の単語選択、画像およびビデオ品質の不良、指示との不一致、 severe な制限、頻繁な記憶の混乱、および誤ったツール呼び出しを含む問題があると述べた。彼は陰謀論を提起し、GoogleがAnthropicに計算力を販売するためにこれを行ったと示唆し、皮肉にもこれはPichaiが望むもの—Cloud First—だと述べた。XユーザーConor DartはGoogle自身のAntigravityを使用してAI生成ゲームテストを実行し、結果として木目や大理石の質感がさらに悪くなり、ほぼ似ているが依然として使用できないものとなった。彼は直接それを別の失敗と呼び、Gemini3.5または3.6Proを待つ方がマシだと述べた。

一方、公式アカウントはより効率的、より安価、およびより少ないトークンを強調している。他方、ほとんどのネットユーザーは否定的なフィードバックを与え、フラッグシップの遅延、トップタレントの離脱、および縮小する市場価値といったモデルの背後の一連の悪いニュースとともに。Googleが本当に技術的パスを間違え、コスト節約に焦点を当てすぎて知能の向上を忘れ、数少ないFlashモデルのみで状況を安定させようとしているのではないかと疑わずにはいられない。いずれにせよ、Gemini4の事前トレーニングはすでに開始されている。この試みも失敗した場合、アルツハイマーに関するジョークは本当に予言となる可能性がある。