Gemini 3.7 Flashは何が変わったのか｜3.6 Flashとの比較と、中小企業が使うべき場面
「Gemini 3.7 Flashが出たらしい」「3.6 Flashを社内で使い始めたばかりなのに、もう次？」——2026年8月14日、GoogleがGemini 3.7 Flashを発表しました。前世代のGemini 3.6 Flashからわずか3週間後の発表です。
この記事では、公式に公開されている数値だけを使って「3.6 Flashから何が変わったのか」「料金はどうなるのか」「中小企業はどの業務に使えばいいのか」を整理します。ベンチマークの羅列で終わらせず、導入判断に必要な材料まで踏み込みます。
この記事の結論（先に書きます）
- 性能は明確に上がっている。特にエージェント（自動化）系の指標AutomationBenchが17.0%→30.4%と約1.8倍。Googleがこの世代でエージェント用途を狙いに来たことは数字に表れています。
- 料金は入力$0.75／出力$3.75（100万トークンあたり）。ただしこれは2026年12月31日までの価格で、2027年1月1日から入力$1.50／出力$7.50に倍増します。つまり「今の安さ」は約4か月半の期間限定です。
- 中小企業の現実的な使い方は「量が出る定型処理をFlashに寄せる」。文書要約、PDF・スクリーンショットの読み取り、社内問い合わせの一次対応。逆に、契約書の最終確認や意思決定に直結する判断は上位モデルに残すべきです。
- 他社モデル（Claude / GPT）との性能比較は、本記事では行いません。理由は後述しますが、各社が公開しているベンチマークの種類が揃っておらず、数字を並べると誤解を生むためです。料金だけは各社公式ページから取得できたので、そこは比較しています。
1. Gemini 3.7 Flashとは（3行で）
- Googleが2026年8月14日に発表した、Geminiの軽量・高速系ラインである「Flash」の最新モデル。
- 公式ドキュメントでの位置づけは「複雑なコーディング、エージェント的なワークフロー、信頼性の高いマルチステップ実行のために作られた、最新かつ最も高性能なFlashモデル」。
- テキストに加えて、画像・スクリーンショット・PDFを入力として扱える。
前世代のGemini 3.6 Flashが発表されたのが約3週間前。この「3週間」という間隔そのものが、実は導入判断で一番効いてくる要素です（→第5章）。
「Flash」というライン名の意味
Geminiには用途別に複数のラインがあります。名前だけで整理すると次のとおりです（本記事の対象は太字）。
| ライン | 位置づけ |
|---|---|
| Pro | 最上位。難しい推論・長い文脈 |
| Flash | 速度とコストのバランス型。量が出る処理向け |
| Flash-Lite | さらに安価な軽量ライン |
ここで重要なのは、Flashは「一番賢いモデル」ではないということです。Flashは「そこそこ賢くて、速くて、安い」を狙ったラインです。この前提を外すと、導入後に「思ったほど賢くない」という評価になります。
2. 3.6 Flashから何が変わったか
Googleが公式ブログで公開している比較は次の5指標です。すべてGoogle自身による測定値であり、第三者検証ではありません。
| ベンチマーク | Gemini 3.7 Flash | Gemini 3.6 Flash | 変化 |
|---|---|---|---|
| FrontierCode 1.1 Main | 43.6% | 34.4% | +9.2ポイント |
| DeepSWE v1.1 | 65.3% | 49.0% | +16.3ポイント |
| WebDev Arena（Eloスコア） | 1588 | 1538 | +50 |
| GDP.pdf | 34.0% | 22.0% | +12.0ポイント |
| AutomationBench | 30.4% | 17.0% | +13.4ポイント |
2-1. 各指標が何を測っているのか
ここは正直に書きます。5指標のうち、測定内容を公式ソースで確認できたものはほとんどありませんでした。
- FrontierCode 1.1 Main — 名称から「コーディング系」であることは読み取れますが、何を測る指標かは公開情報では確認できず。
- DeepSWE v1.1 — 同じく測定内容は公開情報では確認できず。
- WebDev Arena — Googleの表に「Eloスコア」と明記されている点は確認できます。Eloは絶対的な正解率ではなく相対的な強さの指標なので、パーセンテージの指標とは性質が違います。詳細な評価方法については、公式の解説ページを取得できず確認できず。
- GDP.pdf — 測定内容は公開情報では確認できず。
- AutomationBench — 測定内容の公式説明は取得できず。
「よく分からない指標が5つ並んでいる」という状態は、読む側としては気持ちの悪い話です。ですが、ここを推測で埋めるのが一番危険なので、確認できていないものは確認できていないと書きます。
2-2. それでも読み取れること
指標の中身が不明でも、同一の測定を同じ会社が前世代にも当てて公開している以上、世代間の相対比較としては意味があります。読み取れるのは次の3点です。
① 伸び幅が一番大きいのはDeepSWE v1.1（+16.3ポイント）
49.0%→65.3%。相対でいえば約1.33倍です。
② 相対倍率で一番大きいのはAutomationBench（約1.79倍）
17.0%→30.4%。5指標の中で最も低い水準から、最も大きく伸びています。「自動化系がこれまで一番弱かった。そこを重点的に直した」と読むのが素直です。
③ WebDev Arenaの伸びは相対的に小さい
1538→1588のElo +50。Eloは他モデルとの相対値なので、単純に「3.2%良くなった」とは読めません。ただ、他の指標が2桁ポイント伸びているのと比べると、この指標での改善幅は控えめです。
2-3. 「絶対値」を見落とさない
伸び率の話に気を取られがちですが、AutomationBenchは30.4%、GDP.pdfは34.0%です。前世代の倍近くになっても、7割前後は取れていないという水準です。
これは実務上、非常に重要な意味を持ちます。「エージェントに任せて完全自動化」ではなく、「人がレビューする前提で下書きを作らせる」という設計にしないと事故ります。倍になった数字だけを見て全自動化に踏み込むのは、公開されている数値からは正当化できません。
3. 料金の話（ここが実務判断に直結します）
3-1. 価格と、その期限
| 期間 | 入力（100万トークン） | 出力（100万トークン） |
|---|---|---|
| 2026年12月31日まで | $0.75 | $3.75 |
| 2027年1月1日以降 | $1.50 | $7.50 |
つまり2027年1月1日に、入力・出力とも価格が2倍になります。これはGoogle公式の料金ページに明記されています。「値上げされるかもしれない」ではなく、すでに日付付きで告知されている確定事項として扱ってください。
3-2. 「3.6 Flashの半額」という記述について（要注意）
Googleの公式ブログには「100万トークンあたりの費用は従来の Gemini 3.6 Flash の半額」と書かれています。
ところが、同じくGoogle公式のGemini API料金ページを確認すると、Gemini 3.6 Flashの価格は入力$0.75／出力$3.75（2026年12月31日まで）、2027年1月1日以降は$1.50／$7.50と記載されており、3.7 Flashと完全に同額です。
両方ともGoogle公式の情報ですが、記述が一致していません。考えられる可能性としては、ブログの「半額」がさらに前の世代を指しているケースがあります。実際、料金ページ上のGemini 3.5 Flashは入力$1.50／出力$9.00で、3.7 Flashの入力$0.75はちょうどその半額です。
ただしこれは筆者の推測であり、Googleが公式にそう説明しているわけではありません。
実務上の結論はシンプルです。ブログの「半額」という表現ではなく、料金ページに載っている数字で計算してください。社内で予算を立てるときにブログの表現を根拠にすると、根拠が崩れます。
3-3. 月額いくらになるのか（モデルケースで計算）
ここからは具体的な金額です。以下のトークン数は「こういう使い方をしたら」という仮定値であり、実測値ではありません。自社の数字に置き換えて使ってください。
なお、為替レートは信頼できる出典を取得できなかったため、ドル表記のままにします。円換算する場合は各社が使っている当日のレートで計算してください。
ケースA：社内文書を月100本要約する
- 1本あたり入力8,000トークン（A4で6〜7ページ相当を想定）、出力1,000トークン
- 月合計：入力80万トークン／出力10万トークン
| 期間 | 入力 | 出力 | 合計（月額） |
|---|---|---|---|
| 2026年内 | $0.60 | $0.375 | 約$0.98 |
| 2027年1月〜 | $1.20 | $0.75 | 約$1.95 |
月1ドル程度です。この規模なら、正直どのモデルを使っても金額は誤差です。ここでコストを気にするより、精度の高いモデルを選んだほうが合理的です。
ケースB：月1,000本に増やす（部署全体で運用）
| 期間 | 合計（月額） |
|---|---|
| 2026年内 | 約$9.75 |
| 2027年1月〜 | 約$19.50 |
まだ月20ドル。ここでも金額は判断材料になりません。
ケースC：エージェント自動化を本格運用する
エージェント用途は桁が変わります。ツールの実行結果を何度もモデルに戻すため、1タスクあたりの入力トークンが跳ね上がるからです。
- 月10,000タスク、1タスクあたり入力20,000トークン／出力2,000トークン（仮定）
- 月合計：入力2億トークン／出力2,000万トークン
| 期間 | 入力 | 出力 | 合計（月額） |
|---|---|---|---|
| 2026年内 | $150.00 | $75.00 | $225.00 |
| 2027年1月〜 | $300.00 | $150.00 | $450.00 |
ここで初めて価格差が意思決定に効いてきます。月225ドルと450ドルの差は年間で2,700ドル。中小企業にとっては無視できない金額です。
3-4. ここから導かれる判断
金額シミュレーションから言えることは、身も蓋もありませんが次のとおりです。
- 文書要約・議事録・メール下書きレベルの用途なら、料金でモデルを選ぶ意味はほぼない。精度で選んでください。
- エージェント自動化・大量バッチ処理をやるなら、料金が効く。そしてその領域こそ、2027年1月の倍額改定が効いてくる領域です。
- 2026年内に本番運用を始めるなら、「2027年1月に倍になっても採算が合うか」で判断する。年内価格を前提に採算計算をすると、1月に破綻します。
4. 他社モデル（Claude / GPT）との比較
4-1. 性能比較は、この記事では行いません
理由をはっきり書きます。各社が公開しているベンチマークの種類が揃っていないためです。
今回、Anthropicの最上位モデルの公式発表ページを確認しました。そこに掲載されているベンチマーク名を見ると、確かに「AutomationBench」（Zapier AutomationBench）や「FrontierCode」に近い名前は登場します。ところが、具体的なパーセンテージが本文に記載されていません。AutomationBenchについては「次点モデルの約1.5倍の合格率」という相対表現のみで、絶対値の記載がありませんでした。
つまり、
- Googleは数値を出しているが、他社が同じ指標の数値を出していない
- 名前が似ていても、同一バージョン・同一測定条件かどうかが確認できない
この状態で「Gemini 3.7 FlashはAutomationBench 30.4%、他社は◯%」という表を作ると、読者に誤った印象を与えます。FrontierCodeとSWE-benchを同じ表に並べるようなことも同様です。測定条件が揃っていない数字を並べた比較表は、比較ではなく誤誘導です。
したがって本記事では、他社との性能比較は「公開情報では確認できず」として行いません。
4-2. 料金だけは比較できます
料金は各社が公式に、同じ単位（100万トークンあたりのドル）で公開しています。ここは横に並べられます。以下はすべて2026年8月15日に各社公式ページから取得した定価です。
| ベンダー | モデル | 入力 / 1Mトークン | 出力 / 1Mトークン |
|---|---|---|---|
| Gemini 3.5 Flash-Lite | $0.30 | $2.50 | |
| Gemini 3.7 Flash（2026年内） | $0.75 | $3.75 | |
| Gemini 3.7 Flash（2027年1月〜） | $1.50 | $7.50 | |
| Gemini 3.5 Flash | $1.50 | $9.00 | |
| Gemini 3.1 Pro Preview（〜200k入力） | $2.00 | $12.00 | |
| Anthropic | Claude Haiku 4.5 | $1.00 | $5.00 |
| Anthropic | Claude Sonnet 5 | $2.00 | $10.00 |
| Anthropic | Claude Opus 5 | $5.00 | $25.00 |
| OpenAI | gpt-5.6-luna | $0.20 | $1.20 |
| OpenAI | gpt-5-mini | $0.25 | $2.00 |
| OpenAI | gpt-5 | $1.25 | $10.00 |
| OpenAI | gpt-5.6-terra | $2.00 | $12.00 |
| OpenAI | gpt-5.6-sol | $5.00 | $30.00 |
※ 各社のラインナップ全体ではなく、価格帯の比較に必要な範囲を抜粋しています。
4-3. この表を鵜呑みにしてはいけない理由
料金表を見て「一番安いものを選べばいい」と考えるのは危険です。理由が3つあります。
① 単価は同じでも、消費トークン数が同じとは限らない
Anthropicの公式ドキュメントには、Claude 4.7以降のモデルは新しいトークナイザを使っており、同じ文章でも約30%多くトークンが発生すると明記されています。単価が同じでも実際の請求額は変わり得るということです。他社についても同様の差が存在し得ますが、比較可能な形では公開されていません。
② 割引の仕組みが各社で違う
Anthropicはプロンプトキャッシュ（キャッシュヒットで入力単価の10%）やBatch API（入出力とも50%割引）を公式に用意しています。同じ処理でも設計次第で実質単価は大きく変わります。定価表だけで年間コストを見積もると外れます。
③ 性能が同じ前提が成立しない
安いモデルで精度が足りず、人がやり直す時間が発生したら、その人件費のほうが高くつきます。中小企業ほどここが効きます。
結論：料金表は「桁」を掴むために使い、最終判断は自社データでの実測でやってください。
5. 「3週間で世代交代」が現場に何を強いるか
ここが、この記事で一番書きたかった部分です。
Gemini 3.6 Flashの発表から3.7 Flashまで約3週間。中小企業の現場感覚でいうと、これは「稟議を上げて、社内説明資料を作って、担当者に触らせ始めたくらいのタイミングで、もう次が出ている」という速度です。
5-1. 何がコストになるのか
モデルを乗り換えるとき、実際にかかるのはAPI利用料ではありません。次の3つです。
① 検証コスト
自社の実データで、新モデルが本当に良いかを確かめる作業。ベンチマークが上がっていても、自社の書類フォーマットで精度が上がる保証はありません。ここは必ず自社データでやる必要があります。
② プロンプトの手戻り
モデルが変わると、同じプロンプトでも出力の癖が変わります。前のモデル向けに調整したプロンプトが、そのまま最適とは限りません。
③ 社内説明の手戻り
これが一番地味に効きます。「今度からこのAIを使います」と説明した3週間後に「やっぱり別のを使います」と言うと、現場の信頼が落ちます。ツールがコロコロ変わる会社では、社員は本気で覚えません。
5-2. 乗り換え判断の基準（実務的な線引き）
全部追いかけるのは、中小企業のリソースでは不可能です。次の基準を提案します。
追いかけなくていいケース
- 現行モデルで業務が回っていて、精度に不満が出ていない
- 月のAPI利用料が数十ドル以下（＝コスト改善のインパクトが小さい）
- 検証にあてられる担当者の時間が確保できていない
検証すべきケース
- 現行モデルで精度が足りずに人が手直ししている工程がある（→改善指標が明確なので検証が回る）
- 月のAPI利用料が三桁ドル以上（→コスト差が実額として効く）
- 新モデルで大きく伸びた指標が、自社のボトルネックと一致している（今回でいえばエージェント自動化）
すぐ乗り換えていいケース
- まだ本番運用していない、検証段階である（この場合は最新を触ればいい）
5-3. 運用ルールとして持っておくといいこと
- モデル名をコードや設定に直書きしない。設定ファイル1か所で切り替えられるようにしておく。
- 自社の実データで作った評価セット（20〜50件程度）を持っておく。これがあると、新モデルが出たときの検証が半日で終わります。無いと毎回ゼロから体感評価になり、結局「なんとなく良さそう」で決めることになります。
- 社内には「モデル名」で説明しない。「AIで議事録を作る仕組み」と説明しておけば、裏側のモデルが変わっても現場に説明コストが発生しません。
この3つを先に整えておくことが、3週間サイクルの世代交代に振り回されない一番の対策です。
6. 用途別：Flashで足りるか、上位モデルが要るか
Gemini 3.7 Flashの公式の位置づけ（複雑なコーディング、エージェント的ワークフロー、マルチステップ実行）と、公開されているベンチマークの水準を踏まえた整理です。
| 用途 | 判断 | 理由 |
|---|---|---|
| 社内文書の要約・議事録の下書き | Flashで十分 | 量が出る定型処理。人が最終確認する前提なら精度要件は高くない |
| PDF・スクリーンショットの読み取り | Flashで検証する価値あり | PDF・画像・スクリーンショットの入力に公式対応。GDP.pdfが22.0%→34.0%と改善 |
| メール・問い合わせの一次返信案 | Flashで十分 | 送信前に人が見る前提なら成立 |
| コード生成（社内ツール・スクリプト） | Flashで検証 | コーディング系指標が軒並み改善。ただし本番コードは人のレビュー必須 |
| エージェント自動化（複数ステップの業務代行） | Flashで検証。ただし全自動にしない | AutomationBenchは倍近く伸びたが絶対値30.4%。人の確認を挟む設計に |
| 契約書・法務文書の最終確認 | 上位モデル、かつ人が最終判断 | 間違いのコストが桁違い。ここでコストを削る意味がない |
| 経営判断に直結する分析 | 上位モデル | Flashは「速さと安さ」のライン。ここは精度優先 |
| 顧客に直接出す文章の最終稿 | 人が確認。モデル選定より校正体制 | どのモデルでも同じ |
判断基準を一行でいうと
「間違えたときに誰かが困る度合い」で分ける。
- 間違えても人が直せば済む → Flash
- 間違えると取引先・顧客・法務に波及する → 上位モデル＋人の最終確認
そして、量が出る工程ほどFlashに寄せる価値が大きい。逆に、月に数件しかない重要業務でモデルの安さを追っても、削減額は数ドルです。
7. 今日から試す手順
Gemini 3.7 Flashは、Googleの公式発表によると以下で提供されています。
- Google AI Studio
- Gemini API（Android Studio経由を含む）
- Google Antigravity
- Gemini Enterprise Agent Platform
- Gemini Enterprise
- Geminiアプリ（Spark）
中小企業がまず触るなら、Google AI Studioが入口として現実的です。ブラウザで動くので、社内にエンジニアがいなくても検証を始められます。
推奨する検証の進め方
- 自社の実データを10〜20件用意する。過去の議事録、請求書PDF、問い合わせメールなど、実際に処理させたいものを使う。ダミーデータで検証しても意味がありません。
- 同じデータを、現在使っているモデルと3.7 Flashの両方に通す。
- 「人が手直しした量」で評価する。「良さそう」ではなく「何文字直したか」「何件やり直したか」で見る。ここを定量化しないと判断できません。
- ここで初めて金額を計算する。第3章の計算式に、実際に出たトークン数を入れる。
- 本番導入するなら、2027年1月の倍額を織り込んだ年間予算で稟議を通す。
8. 注意点と限界（ここを読まずに導入しないでください）
良いことだけ書いた記事は信用に値しないので、限界を明記します。
① Flashは「最上位モデル」ではない
Flashは速度とコストのバランスを取ったラインです。Proラインより安い理由があります。難しい推論を要求する業務にFlashを充てて「AIは使えない」と結論づけるのは、モデル選定のミスです。
② 掲載されているベンチマークはすべてGoogle自身による測定値
第三者機関による検証結果ではありません。ベンダーが自社モデルの発表時に出す数値は、自社に有利な条件で測られている可能性を常に含みます。これはGoogleに限った話ではなく、全ベンダー共通です。
③ 発表から日が浅い
2026年8月14日発表、この記事の執筆が翌15日です。実運用での不具合報告や第三者の再現検証はまだ蓄積していません。本番の基幹業務にいきなり載せる段階ではありません。
④ 価格は期間限定
繰り返しになりますが、$0.75／$3.75は2026年12月31日までです。2027年1月1日から倍になります。
⑤ 5つのベンチマークの中身が公開情報で確認できない
第2章で書いたとおりです。「何を測っているか分からない指標が改善した」という情報の価値は、限定的に見積もるべきです。最終的には自社データでの実測が必要という結論は、ここからも変わりません。
⑥ 本記事の料金シミュレーションは仮定値による試算
トークン数は「こういう使い方をしたら」という前提の数字であり、実測ではありません。自社の数字で計算し直してください。
9. まとめ
| 論点 | 結論 |
|---|---|
| 性能 | 5指標すべてで3.6 Flashを上回る。特にAutomationBenchが17.0%→30.4%（約1.8倍） |
| 狙い | 数字の伸び方から、エージェント（自動化）用途を明確に狙っている |
| 料金 | 入力$0.75／出力$3.75。2027年1月1日から$1.50／$7.50に倍増 |
| 他社との性能比較 | 公開情報では比較不能（各社が同じベンチマークの数値を出していない） |
| 他社との料金比較 | 可能。ただしトークン消費量・割引制度が各社で違うため定価表だけでは判断できない |
| 中小企業の使い方 | 量が出る定型処理をFlashへ。重要判断は上位モデル＋人の確認を残す |
| いつ導入するか | 検証は今すぐ。本番採算は2027年1月の倍額を前提に計算する |
| 一番大事な備え | 自社データでの評価セットを持つこと。3週間サイクルの世代交代に振り回されない唯一の方法 |
新しいモデルが出るたびに全部追いかけるのは、中小企業のリソースでは現実的ではありません。大事なのは、新しいモデルが出たときに「自社にとって意味があるか」を半日で判定できる状態を作っておくことです。それさえあれば、3週間で次が出ても慌てる必要はありません。
弊社では、中小企業のAI導入支援・業務の内製化をお手伝いしています。「どの業務にAIを入れるべきか分からない」「検証の進め方が分からない」という段階からのご相談も承っております。お気軽にお問い合わせください。
