Gemini 3.6 Flashのベンチマーク結果はこんな感じ

Googleは2026年7月21日に高速・低コストでの処理を重視したAIモデル「Gemini Flash」シリーズの新モデル「Gemini 3.6 Flash」を発表しました。そんなGemini 3.6 Flashを各種の第三者機関がベンチマーク計測した結果が多数報告されています。

Gemini 3.6 Flash - Intelligence, Performance & Price Analysis
https://artificialanalysis.ai/models/gemini-3-6-flash

Googleは「Gemini Flash」シリーズの新モデルとして、「Gemini 3.6 Flash」「Gemini 3.5 Flash Lite」「Gemini 3.5 Flash Cyber」を2026年7月21日に発表しました。Gemini 3.6 Flashはコーディングや知識労働を改善した汎用モデル、Gemini 3.5 Flash Liteは大量の処理を低コストで実行する軽量モデル、Gemini 3.5 Flash Cyberは脆弱(ぜいじゃく)性の発見や修正に特化したサイバーセキュリティモデルと位置付けられています。

Googleが「Gemini 3.6 Flash」「Gemini 3.5 Flash Lite」「Gemini 3.5 Flash Cyber」を発表、Gemini 4も開発中 - GIGAZINE

Gemini 3.6 Flashは、2026年5月に発表されたGemini 3.5 Flashに対する開発者やユーザーからのフィードバックを基に、コーディングや知識労働、マルチモーダル処理を強化したモデルです。 Googleによると、Gemini 3.6 FlashはArtificial Analysis Indexにおいて、Gemini 3.5 Flashより出力トークン数を17％削減した上で、複数段階の作業を実行する際に必要な推論ステップやツール呼び出しも少なくなっており、長時間のエージェント処理をより効率的に実行できるとされています。

AIモデルの性能や特徴を比較・分析するサイト「Artificial Analysis」は、さまざまな指標でGemini 3.6 Flashのベンチマークを記録しています。以下は知能のハイライトをグラフで示したもので、緑色で示されているGemini 3.6 FlashはAnthropicの「Claude Fable 5」やOpenAIの「GPT-5.6 Sol」といった最上位モデルには及ばないものの、その他の最先端モデルに匹敵するスコアを発揮しています。

以下はArtificial Analysisによって独立して測定された知能評価値で、左上はエージェントによる現実世界の作業タスク、右上は金融分野のタスク、左下はエージェントによるコーディングと端末の使用、右下はコーディング。いずれもClaudeの上位モデル、GPT-5.6シリーズおよびGPT-5.5シリーズ、中国産オープンモデルの「Kimi K3」、「Grok 4.5 high」などに次ぐ程度のスコアを記録しています。

また、Artificial Analysisが開発したエージェント型知識作業ベンチマークの「AA-Briefcase」のスコアを他の上位モデルと比較した結果が以下。数値が高い方が優れており、Gemini 3.6 Flashは「961」となっています。

知識の信頼性と幻覚度を測定する「AA-Omniscience Index」では、正解にはプラスのスコア、幻覚(ハルシネーション)にはマイナスのスコアが与えられ、スコアは-100から100の範囲で、0は正解と不正解が同数であることを意味します。Gemini 3.6 FlashのAA-Omniscience Indexスコアは「24」で、多くの上位モデルと同等程度となりました。

また以下は1秒あたりの出力トークン数を示したグラフで、Gemini 3.6 Flashは特に優れたスコアを記録しています。

一定の知能スコアを達成するまでに要する時間を記録したテストでも、数値が低いほど優れていることを示していますが、Gemini 3.6 Flashは「1.3」とGPT-5.6シリーズに次ぐ成績です。

さらに、AIエージェント向けに設計された構造化データストレージおよびMCPサービスのHutchDBがGemini 3.6 FlashとGemini 3.5 Flash Lite、Claude Opus 4.8、GPT-5.6 Terraとレスポンスを比較したテストでは、Gemini 3.6 Flashは単純に速度とコストだけ比較すると、Claude Opus 4.8より6倍応答が早く、コストが19分の1に抑えられていることが示されました。

最初の回答トークンを受信するまでの秒数を記録したレイテンシは以下の通りで、応答スピードに優れたモデルであることがわかります。

以下はタスク当たりの加重平均コストで、Gemini 3.6 Flashは0.5ドル(約81.5円)と最先端モデルの中では中間くらい。

総合して、Gemini 3.6 FlashはArtificial Analysisの指数で「50点」を獲得しており、同価格帯の他の推論モデルの中央値である「31点」を上回っています。特にトークン出力速度に優れており、同価格帯の他の推論モデルの中央値が「毎秒78.5トークン」であるのに対し、Gemini 3.6 Flashは「毎秒303.6トークン」となっています。

その他、エンジニアのサイモン・ウィリソン氏が独自に考案したベンチマーク「自転車に乗ったペリカン」の計測結果も報告されています。Gemini 3.6 Flashが作成した「自転車に乗ったペリカン」は以下の通りで、自転車の形状とそれに乗車する形は見えるものの、ペリカンのクチバシが奇妙になっていたり、サドルにペリカンの尻が乗っておらず融合しているような形になっていたりと、あまりうまくいっていません。ただし、前モデルのGemini 3.5 Flash Liteではペリカンも自転車も生成されなかったことから、性能が大きく向上していると考えられます。ただし、古いモデルの方が自転車に乗ったペリカンを上手に出力できるケースもあるため、単純にベンチマークとして比較できないとウィリソン氏は指摘しています。

また以下は、AIアプリビルダーのPlaycodeがGemini 3.6 Flashで生成した自転車に乗ったペリカン。ウィリソン氏が試した場合と同じように、自転車の形は正常でペダルをこいでいる様子は出力できていますが、クチバシは違和感ある形かつ魚をくわえている様子も雑で、サドルと尻は融合しています。ただしPlaycodeによると、この出力はClaude Fable 5と比べても「その差はわずか」となっており、約5分の1のコストで近い程度の出力を発揮したと言えるそうです。

Gemini 3.6 Flash (high)、Gemini 3.5 Flash (high)、Gemini 3.6 Flash (medium)、Gemini 3.5 Flash (medium)を比較したベンチマークでは、Gemini 3.6 Flashの方がわずかに高スコアを記録しましたが、その分高価であることが示されました。Googleは「3.6 Flashの方がトークン効率が良い」とアピールしていますが、このテストでは実際には3.5 Flashと比べてトークン効率がそこまで改善されていない可能性があると指摘されています。