Googleは、3.6 Flashの3週間後の2026年8月13日にGemini 3.7 Flashをリリースし、「最もインテリジェントな主力モデル」と称しました。ベンチマークの差分がその自信を裏付けています。DeepSWEは49.0%から65.3%に、AutomationBenchは17.0%から30.4%に跳ね上がり、100万入力トークンあたりの導入価格$0.75は、3.6 Flashの発売時の半額となっています。
この組み合わせは、すべてのAPIチームが今期直面する疑問を突きつけます。高速かつ安価なGeminiモデルは、これまでClaudeやGPTにルーティングしていたワークロードをカバーできるのでしょうか？この比較では、コンテキストウィンドウ、モダリティ、ツールサポート、価格体系、統合するリクエストスキーマなど、検証可能な事柄に焦点を当てています。競合他社の数値が比較できない場合は、その旨を明記しています。そして、「どのAPIを使うべきか」という問いに対する正直な答えが「あなたのワークロードで最も優れた結果を出すもの」であるため、最終セクションではコミットする前にApidogで3つすべてを並行して実行する方法を紹介します。
もしGeminiを選び、セットアップ手順を知りたい場合は、Gemini 3.7 Flash APIクイックスタートでAPIキー、エンドポイント、初回リクエストについて説明しています。
要約 (TL;DR)
- Gemini 3.7 Flash: 100万トークンのコンテキスト、64kトークンの出力制限、テキスト、画像、動画、音声、PDFにわたるネイティブ入力、加えて関数呼び出し、ツールとしての検索、コンピュータ使用。
- 導入価格: 2026年12月31日まで100万入力トークンあたり$0.75、100万出力トークンあたり$3.75。2027年1月1日からは$1.50と$7.50に倍増。
- 3.6 Flashからのコーディング性能向上: DeepSWE v1.1が49.0%から65.3%に、FrontierCode 1.1 Mainが34.4%から43.6%に、AutomationBenchが17.0%から30.4%に向上。
- Claude Fable 5とGPT-5.6 Solは、フロンティアコーディングの深さとエージェントの一貫性において、トークンあたりの価格が数倍であるにもかかわらず、依然としてリードしている。
- 3つのプロバイダーは互換性のないリクエストスキーマを使用している: Googleは
contents、AnthropicはMessages、OpenAIはmessages。 - ベンチマークは平均を予測するものであり、あなたのワークロードを予測するものではない。決定する前に、3つのAPIすべてで20のプロンプトによる比較テストを実行すること。
この比較の読み方
これはフロンティア対フロンティアの対決ではありません。Claude Fable 5とGPT-5.6 Solは最大限の能力を追求したフラッグシップであり、Gemini 3.7 Flashは量産を目的とした主力モデルです。Googleはフラッグシップの登場を待つ間、このモデルを出荷しています。Axiosは報じていますが、Gemini 3.5 Proは依然として遅延しており、その前にFlashのアップデートが提供されています。
それでもこの比較を行う価値はあります。3.7 Flashのローンチ時のスコアは、数週間前のフロンティアモデルが位置していた帯域と重なっており、フラッグシップモデルが優位を保っていたとしても、ルーティングの計算を変えるものです。
以下の点について、2つの注意点があります。第一に、ここにあるすべての数値は、発売週にベンダーが報告したものです。独立した評価が出揃うまでは、あくまで方向性を示すものとして扱ってください。第二に、ベンチマークのバリアントが重要です。GoogleはFrontierCode 1.1 Mainを報告していますが、ClaudeとGPTのローンチ時に公開された数値はExtended splitからのものであり、そのためここではそれらの列が同じ表に表示されることはありません。
スペック比較
Gemini 3.7 Flashが、はるかに高価なモデルに対して遜色ない性能を発揮しているのは、この仕様書においてです。技術的な詳細はこちらのGemini Flashモデルページで確認できます。
| Gemini 3.7 Flash | Claude Fable 5 | GPT-5.6 Sol | |
|---|---|---|---|
| 開発元 | Anthropic | OpenAI | |
| コンテキストウィンドウ | 100万トークン | 100万トークン | 105万トークン |
| 出力制限 | 64kトークン | プロバイダーのドキュメントを参照 | プロバイダーのドキュメントを参照 |
| 入力モダリティ | テキスト、画像、動画、音声、PDF | テキスト、画像 | テキスト、画像 |
| 出力 | テキスト | テキスト | テキスト |
| ツールサポート | 関数呼び出し、ツールとしての検索、コンピュータ使用 | 関数呼び出し、ツール使用 | 関数呼び出し、組み込みツール |
| リクエストスキーマ | Google contents + generationConfig |
Anthropic Messages | OpenAI messages |
| 認証 | x-goog-api-key ヘッダー |
x-api-key + バージョンヘッダー |
Bearerトークン |
| 料金 (100万トークンあたり) | 導入価格 $0.75 入力 / $3.75 出力; 2027年1月以降 $1.50 / $7.50 | プレミアムフロンティア層 | プレミアムフロンティア層 |
| ポジショニング | 大量処理向け主力モデル | 長期間にわたるエージェント作業 | リポジトリ規模のコーディング深度 |
コンテキストウィンドウは事実上同等になったため、この項目で何かを決定することはありません。モダリティと料金の項目が3者間の違いが明確になる部分であり、次のセクションでそれぞれを詳しく見ていきます。
コーディングとエージェントタスク
3.7 Flashに関するGoogleの主要な主張は、開発者向けです。デバッグ能力の向上、初回でのデプロイ可能なコード生成能力の向上、そして多段階の計画とツール呼び出しにおける勤勉さの向上です。9to5Googleのローンチ報道で確認された世代間の数値は、これらの主張を裏付けています。
| ベンチマーク | Gemini 3.6 Flash | Gemini 3.7 Flash |
|---|---|---|
| DeepSWE v1.1 (リポジトリ規模の修正) | 49.0% | 65.3% |
| FrontierCode 1.1 Main | 34.4% | 43.6% |
| WebDev Arena (Elo) | 1538 | 1588 |
| GDP.pdf (ドキュメント推論) | 22.0% | 34.0% |
| AutomationBench (エージェントタスク) | 17.0% | 30.4% |
AutomationBenchの飛躍は、エージェント開発者が注目すべき点です。わずか3週間でエージェントベンチマークがほぼ倍増したことは、「ツール呼び出しにおいてより勤勉に思考する」という主張が単なるマーケティングではないことを示唆しています。
これはClaudeとGPTと比較してどうでしょうか？DeepSWE v1.1では、フロンティア層がGPT-5.6 Sol Maxでローンチ時に73.0%を記録し、Grok 4.6は65.9%でした。Grok 4.6 vs GPT-5.6 Sol vs Claude Fable 5の比較でこれらの結果を詳しく説明しています。Sol Maxはリポジトリ規模のバグ修正において依然として真のリードを保っており、Claude Fable 5の強みはコーディングとエージェントの評価全体にわたる一貫性であり、2位以下になることはめったにありません。Gemini 3.7 Flashはこの差を埋めてはいません。しかし、ごくわずかなコストで追いつける距離に到達しており、これは「最高のスコアが勝つ」という価値提案とは異なるものです。
2つの専門的な数値が全体像を補完します。法的推論におけるHarvey LAB-AAで90.7%、そして128kニードル検索で97.0%です。このスコアは、100万トークンのウィンドウが実用上信頼できることを示しています。
マルチモーダル入力
これは、3つのAPI間の最も明確な構造的違いです。Gemini 3.7 Flashは、単一のエンドポイントに対して、テキスト、画像、動画、音声、PDFを同じcontents配列で受け入れます。ClaudeとGPTはテキストと画像をうまく処理しますが、動画や音声のワークロードは通常、テキストがモデルに到達する前に個別の文字起こしや前処理ステップを経由します。
あなたの製品がドキュメントを扱う場合、GDP.pdfが22.0%から34.0%に跳ね上がったことは関連性の高いシグナルです。このベンチマークは、テーブル、スキャン、破損したレイアウトを持つ実世界のPDFに対する推論能力を測定します。OCRパイプラインなしで契約書や請求書を直接モデルに供給することで、アーキテクチャから障害が発生しやすい段階全体を取り除くことができます。
実用的なルールとして、テキストと画像のチャットでは、モダリティは同等です。しかし、動画フレーム、通話記録、または大量のドキュメントの場合、入力パイプラインが単一のAPI呼び出しに集約されるのは、3つの中でGeminiだけです。
料金体系の考え方
3つのベンダーは異なる料金戦略をとっており、その違いが各モデルが誰のためにあるのかを示しています。
Googleは3.7 Flashを市場シェア獲得のために価格設定しています。2026年12月31日まで、100万入力トークンあたり$0.75、100万出力トークンあたり$3.75の導入価格が適用され、これは3.6 Flashのローンチ時の半額です。2027年1月1日には、標準料金が$1.50と$7.50となり、きっちり2倍になります。この期限は強制力として機能し、Googleは価格がリセットされる前にトラフィックを確保したいと考えています。チャットボットとエージェントループの例を含む完全なトークン計算は、Gemini 3.7 Flashの料金詳細で説明されています。
AnthropicとOpenAIは、彼らのフラッグシップをプレミアムな機能として価格設定しています。料金はティアによって異なり、頻繁に変わりますが、その傾向は一貫しています。フロンティアモデルの出力トークンはFlashの数倍のコストがかかり、両ベンダーはトークンを安くするのではなく、失敗した実行回数を減らすことでプレミアムを提供しています。Anthropicは、単一モデル内でコストと機能をトレードオフするエフォートパラメータを追加しています。一方、OpenAIはモデルサイズによって階層を設けています。
どちらの哲学が勝るかは、あなたの失敗時の経済性によります。タスクに失敗する安価なモデルは、節約されたトークンよりも高価な修正作業を生み出します。プレミアムモデルは、そうした失敗を防ぐ場合にのみその価値を発揮します。トークンあたりのコストではなく、完了したタスクあたりのコストを比較し、Geminiの料金が倍増する2027年1月1日以降に再評価してください。
APIの人間工学
スキーマの違いは、プロバイダーを切り替えたり、それらの間でルーティングしたりする際に発生する「税金」のようなものです。以下に、同じ1ターンリクエストの3つの形式を示します。
GoogleのGemini APIでは、ターンをcontentsのpartsでラップし、生成設定はgenerationConfigに格納されます。
{
"contents": [
{ "role": "user", "parts": [{ "text": "Summarize this changelog." }] }
],
"generationConfig": { "temperature": 0.3, "maxOutputTokens": 1024 }
}
AnthropicのMessages APIでは、モデルと必須のmax_tokensがトップレベルに配置され、システムプロンプトはそれ自身のフィールドとして設定されます。
{
"model": "claude-fable-5",
"max_tokens": 1024,
"system": "You summarize changelogs in three bullets.",
"messages": [{ "role": "user", "content": "Summarize this changelog." }]
}
OpenAIはシステムプロンプトをmessages配列自体の中に組み込みます。
{
"model": "gpt-5.6-sol",
"messages": [
{ "role": "system", "content": "You summarize changelogs in three bullets." },
{ "role": "user", "content": "Summarize this changelog." }
]
}
テキストケースは、アダプターで抽象化できる程度には近いように見えます。しかし、ツールの使用において抽象化が漏洩します。Googleはtools配列内のfunctionDeclarationsで関数を宣言し、toolConfigを通じて呼び出しを制御します。Anthropicは異なるレスポンスブロックを持つ独自のツールスキーマを使用し、OpenAIも独自の関数形式を持っています。3つすべてがサーバー送信イベントを使用しているにもかかわらず、ストリーミングチャンクの形状も異なります。ゲートウェイと互換性エンドポイントは基本的なチャットの形状を正規化しますが、マルチモーダルな部分やツール呼び出しはクリーンに変換されることがほとんどありません。DeepSeek V4 ProのAPIフォーマット比較で、ベンダー間で同様の問題があることを記録しました。
統合に関するアドバイスは地味ですが、製品とモデルの間に薄いプロバイダーレイヤーを維持することです。そうすることで、チームは数週間ではなく数日でプロバイダーを切り替えることができます。
それぞれの選択時期
ベンチマークとスキーマを決定リストにまとめました。
- Gemini 3.7 Flashを選択: 大量のエージェントトラフィック、動画、音声、またはPDFを取り込むマルチモーダルパイプライン、および呼び出しあたりのコストが製品の利益率を制限するあらゆるワークロードには、Gemini 3.7 Flashを選択してください。また、コンピュータ使用実験のための明白なサンドボックスでもあります。コンピュータ使用と構造化APIの比較では、その機能がいつ役立つかを説明しています。
- Claude Fable 5を選択: 長期間にわたる自律的な作業にはClaude Fable 5を選択してください。例えば、数時間に及ぶエージェントセッション、1つのステップの脱線で1時間の進捗が無駄になるタスク、およびエフォートパラメータのコスト対機能の調整が報われるワークロードなどです。
- GPT-5.6 Solを選択: 最小限の監視で大規模な既存コードベース全体にわたって動作するリポジトリ規模のコーディングエージェントには、GPT-5.6 Solを選択してください。また、APIを巡る最も深いサードパーティエコシステムを求めるチームにも適しています。
- ルーターを選択: 可能であればルーターを選択してください。ほとんどのプロダクションチームが採用するパターンは、安価なデフォルトモデルが大量のトラフィックを処理し、最も難しい10%がフロンティアモデルにエスカレートするというものです。Gemini 3.7 Flashのローンチ時の数値は、そのアーキテクチャにおいて信頼できるデフォルトとなり、3.6 Flashではそうではありませんでした。
Apidogワークスペースで3つのプロバイダーすべてをテストする
重要な比較は、あなたが自身のプロンプトで実行するものです。Apidogは、Google、Anthropic、OpenAIのコレクションを単一のプロジェクトで保持できるため、比較テストは短期間ではなく午後で完了します。
- 3つの環境を作成: プロバイダーごとに1つ、合計3つの環境を作成します。それぞれ独自のベースURLと認証ヘッダー（Geminiには
x-goog-api-key、Anthropicにはx-api-key、OpenAIにはBearerトークン）を設定します。これにより、プロバイダーの切り替えはコードの変更ではなくドロップダウン選択になります。 - 20個の実際のプロンプトを収集: あなたの製品から20個の実際のプロンプトを収集します。システムプロンプト、関数呼び出しを使用している場合はツール定義、そして少なくとも5つの既知の難易度の高いケースを含めてください。
- アサーションを追加: 応答の有効性、各プロバイダーの使用量ブロックからのトークン数、レイテンシ閾値など、あなたが重要視する項目に対してアサーションを追加します。ツール呼び出しワークロードの場合、ツール呼び出しJSONが解析され、あなたのスキーマと一致することを確認するアサーションを追加してください。モデルは散文よりもそこで失敗することがはるかに多いです。
- 各スイートをモデルごとに3回実行: LLMの出力は変動するため、3回実行することで、1回のデモでは隠れてしまう変動性が明らかになります。成功率と成功したタスクあたりのコストを比較してください。
- スイートを維持: 現在、モデルのリリースは数週間ごとに行われています。3.7 Flashは3.6の3週間後にリリースされました。既存のハーネスを持つチームは、逸話ではなく午後には再決定を下すことができます。
よくある質問 (FAQ)
Gemini 3.7 FlashはコーディングにおいてClaudeやGPTよりも優れていますか？
最上位ではありません。GPT-5.6 Sol MaxはDeepSWE v1.1で73.0%を記録しましたが、3.7 Flashは65.3%でした。Claude Fable 5は、コーディングおよびエージェントのベンチマーク全体で一貫してリードしています。変わったのは価格対スコアの比率です。3.7 Flashは、数週間前にはフロンティア領域にあったスコアに達しながら、主力モデルの料金で提供されています。
Gemini 3.7 FlashはClaudeやGPTと比べてどのくらい安いですか？
2026年12月31日まで、Gemini 3.7 Flashは100万入力トークンあたり$0.75、100万出力トークンあたり$3.75です。フロンティアのClaudeおよびGPTモデルは、トークンあたり数倍の料金がかかります。コストをモデル化する前に、最新の料金ページを確認してください。2027年1月1日に導入料金が倍増することを忘れないでください。
OpenAI SDKを介してGemini 3.7 Flashを呼び出すことはできますか？
Googleは、基本的なチャット形式を処理するOpenAI互換のエンドポイントを提供しているため、テキスト入力・テキスト出力であればbase_urlの切り替えで機能します。しかし、マルチモーダルな部分やツール呼び出しはきれいにマッピングされないため、プレーンなチャット以上のものにはネイティブのcontentsスキーマを使用してください。Gemini 3.7 Flashの関数呼び出しチュートリアルでは、ネイティブのツール形式をエンドツーエンドで示しています。
Gemini 3.7 Flashはコンピュータ使用と検索グラウンディングをサポートしていますか？
はい。関数呼び出し、ツールとしての検索、コンピュータ使用に加えて、更新されたCBRNおよびサイバーセーフティのガードレールが搭載されています。AutomationBenchが17.0%から30.4%に改善したことは、エージェントループがどれほど向上したかを示す最も近い公開された指標です。
Gemini 3.7 Flashはどこで利用できますか？
Gemini API（AI Studioキー使用）、Google AI Studio、Geminiアプリ、AI ProおよびUltraサブスクライバー向けのGemini Spark、Google Antigravity、Android Studio、Gemini Enterpriseで、160カ国以上で利用可能です。本番環境のGCPチームは、APIキーの代わりにOAuthを使用してVertex AI経由で呼び出すことができます。
3.7 Flashがあなたのスタックにどう適合するか
この比較から誤解してはいけないのは、「Geminiがフロンティアに追いついた」ということです。そうではありません。Solは依然としてリポジトリ規模のコーディング深度を、Fable 5は長期間の信頼性を保持しています。正しい解釈は、基準が動いたということです。主力モデルの価格で、四半期前にはプレミアムレートを正当化していたスコアが手に入るようになり、これはあらゆるルーターアーキテクチャのデフォルト設定をリセットします。Flashクラスのモデルが大量の処理をこなし、フラッグシップモデルがエスカレーションを処理する、ということです。
この決定は測定可能なので、測定してください。3つのプロバイダーすべてを1つのワークスペースに接続し、アサーションを使用して実際のプロンプトを実行し、完了したタスクあたりのコストで勝者を決定してください。Apidogを無料でダウンロードし、3つの環境をセットアップすれば、導入価格期間が終了する前にプロバイダーレベルのエビデンスが得られます。
