ジェミニ 3.8 フラッシュ思考レベル比較：低・中・高、ミニマル廃止の理由

Gemini 3.8 Flashには、low、medium、highの3つの思考レベルが用意されています。この設定は、モデルが回答を生成する前にどの程度の内部推論を行うかを制御し、このモデルではレイテンシー、出力トークン数、および請求額の3つの要素に同時に影響を与えます。Googleは、3.8 Flashを複雑なタスクで「より懸命に働く」ように設計したため、選択するレベルは3.7 Flashよりも重要になります。このモデルを初めて使用する場合は、Gemini 3.8 Flashの概要でそのローンチについて説明されています。このガイドは設定ダイヤルのみに焦点を当てています。

最初の段階でチームがつまずく点が2つあります。3.8 Flashのデフォルトレベルはhighではなくmediumです（Gemini 3 Proのデフォルトはhighであるため、ここが混乱の原因です）。また、Gemini 3.7 Flash用に書かれた設定でまだ送信されているminimalは、もはや受け入れられません。この場合、1つのトークンも生成される前にリクエストの検証が失敗します。Googleは両方についてWhat’s new in Gemini 3.8 Flashページで説明しています。

以下に、各レベルの機能、タスクあたりのコスト、両方のAPI形式での設定方法、ルートごとの戦略、およびデプロイ前にトークンとレイテンシーの差分を示す再現可能なテストについて説明します。

思考レベルの概要

レベル	Googleの推奨事項	タスクあたりのコスト (AA)	タスクあたりの時間 (AA)	利用すべき状況
`low`	レイテンシーとコストを最小化。シンプルな指示の実行、チャット、高スループットのルート	$0.24	0.8 min	ユーザーに面したレイテンシーが重要な場合。文字起こし検索。分類
`medium` (デフォルト)	複雑なコードやエージェント的な作業のデフォルト	$0.41	テキストでは未公開	ほとんどのルート。一般的な動画Q&A
`high`	最も困難な多段階問題に対する最大の推論深度	$0.58	2.5 min	高密度な視覚的Q&A。60分以上の動画。その後のすべてのステップをゲートする計画ステップ
`minimal`	3.8 Flashではサポート対象外	n/a	n/a	使用しない。`low`にマッピングする

コストと時間の列は、Googleの導入トークン単価で、各レベルでIntelligence Indexを実行した際のArtificial Analysisの平均値です。これらはGoogleの数値ではなく独立したものであり、お客様のプロンプトではなくベンチマークのワークロードを測定したものです。これらを比率の参考にし、その後ご自身のルートを測定してください。

各レベルの機能

すべての3.8 Flashの応答には、思考トークンが含まれることがあります。これは、モデルが目に見える回答を生成する前に推論するものです。これらは出力トークンとして課金され（導入価格では2026年12月31日まで100万トークンあたり3.75ドル、2027年1月1日からは7.50ドル）、APIはこれらをusageMetadata.thoughtsTokenCountとして個別に報告します。思考レベルは、モデルがその推論をどの程度行うかを指示します。

lowは思考を短く抑えます。最初のトークンが最速で到着し、出力コストを低く抑えられます。Googleはこれを、レイテンシーに敏感な作業（シンプルな指示の実行、チャット、高スループットのエンドポイント）向けに位置付けています。
mediumはバランスの取れたポイントであり、デフォルトです。Googleは、複雑なコードやエージェント的なタスク（Flashクラスモデルを動かすほとんどの目的）の設定としてこれを挙げています。
highは、モデルに可能な限り深く推論するように指示します。Googleはこれを、最も困難な多段階問題のために確保しています。

3.8 Flashで異なる点は、モデルの新しいデフォルトの振る舞いです。複雑なタスクでは、「追加の推論ステップを実行し、ツールを繰り返し呼び出し」、「途中でその作業を検証」します。Googleは、「設計上、実行時間の長い複雑なタスクではより多くのトークンを使用できる」こと、そして「特に高い努力レベルでは、パフォーマンスを最大化するためにモデルがより多くのトークンを使用する可能性がある」ことを明確に述べています。思考レベルは、その振る舞いのスロットルです。トークンの使用量が増加した場合、Google自身の最初の提案はこれを下げることであり、2番目の提案は、引き続き完全にサポートされている3.7 Flashを使用することです。

一つ理解しておくべき制約は、thinking_levelは列挙型であり、予算ではないということです。以前のモデルにあった整数値のthinking_budgetはGemini 3では廃止されたため、「最大2,000思考トークン」のように指定することはできません。レベルを選択し、そのプロンプトでどれくらいのコストがかかるかを確認する必要があります。これがこのガイドの最後にあるテストが重要な理由です。

デフォルトはhighではなくmedium

このフィールドを省略すると、3.8 Flashはmediumで動作します。これにより、2つのグループが影響を受けます。

Gemini 3 Proでプロトタイプを作成したチームは、デフォルトでhighを期待し、気づかないうちに中程度の深さの回答を得ます。3.7 Flashへのアップグレード中にthinking_budgetを削除し、それをレベルに置き換えなかったチームは、lowであるべきチャットルートを含め、あらゆる場所でmediumになってしまいます。

両者に対する解決策は同じです。thinking_levelを、コードではなく設定ファイルで、ルートごとにすべてのリクエストで明示的に設定してください。デフォルトはGoogleが変更するものであり、Googleが変更してもお客様のコストプロファイルが変動するべきではありません。

minimalが廃止された理由とエラーの修正方法

minimalはGemini 3.7 Flashで動作しました。3.8 Flashではサポートされているセットに含まれておらず、モデルページには思考レベルとしてlow、medium、highのみが記載されています。REST経由で送信すると、「Thinking level MINIMAL is not supported for this model. Please retry with other thinking level.」というメッセージと共に400 INVALID_ARGUMENTエラーで、モデルが実行される前にリクエストが拒否されます（2026年9月3日のライブコールで確認済み）。SDKはこれを独自の例外クラスでラップするため、メッセージ文字列ではなく、400ステータスまたはINVALID_ARGUMENTコードで照合してください。

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "minimal" }
}

After:

{
  "model": "gemini-3.8-flash",
  "input": "Classify this ticket as billing, bug, or feature.",
  "generation_config": { "thinking_level": "low" }
}

Googleの移行ガイダンスは、minimalがlowになるという直接的なマッピングです。その設定中に避けるべき2つの誘惑があります。より小さいフロアを得るためにthinking_budgetを使おうとしないでください。これはGemini 3モデルではサポートされていません。また、モデルを「落ち着かせる」ためにtemperatureを下げないでください。Googleは、すべてのGemini 3モデルでデフォルトの1.0に保つよう指示しています。下げることでループが発生したり、出力が劣化したりする可能性があるためです。思考シグネチャや関数応答のcall_id要件を含む完全なチェックリストは、3.7から3.8 Flashへの移行ガイドにあります。

エラーは検証時に発生するため、各レベルでのスケジュールされたテストリクエストは、設定がminimalに戻ってしまうのを無料で検出します。

タスクあたりの各レベルのコスト

トークンあたりの価格はレベルによって変わりません。Googleの料金ページには、3.8 Flashのすべての呼び出しが導入価格で入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルと記載されており、2027年1月1日にはそれぞれ1.50ドルと7.50ドルに倍増します。レベル間の差は純粋にトークン数であり、これをArtificial Analysisが測定しました。

モデルとレベル	タスクあたりのコスト	タスクあたりの時間
Gemini 3.8 Flash `low`	$0.24	0.8 min
Gemini 3.8 Flash `medium`	$0.41	テキストでは未公開
Gemini 3.8 Flash `high`	$0.58	2.5 min
Gemini 3.7 Flash `high`	$0.40	2.2 min

出典: Artificial Analysis、Intelligence Indexは導入価格で実行。この表から3つの比率が導き出されます。

lowはhighの約41%のコストで動作し、実測時間の約3分の1で済みます。これはこのモデルで利用できる最大の単一のレバーです。

3.8 Flashのmediumは、3.7 Flashのhighとほぼ同じコストです（0.41ドル対0.40ドル）。3.7 Flashのhighで満足していた場合、3.8 Flashのmediumが同等の予算ラインとなります。

3.8 Flashのhighは、3.7 Flashのhighと比較して、トークンあたりの価格が同じにもかかわらず、タスクあたり45%多くのコストがかかります。これは、モデルが約30%多くの出力トークン（インデックスタスクあたり平均48k）を出力するためです。これが「より懸命に働く」という設計が請求書に現れているものです。追加のトークンがそれに見合う価値があるかどうかはワークロードに依存します。3.8 Flashと3.7 Flashの比較では、品質向上がどこにもたらされたかを詳細に説明しています。

品質に関する注意点：3.8 FlashのAAのIntelligence Indexスコア59は、highで実行されたものです。彼らはmediumまたはlowでのインデックススコアをテキストで公開していないため、品質曲線がコストと線形であると仮定しないでください。ルートのレベルを下げる前に、各レベルで独自の評価をテストしてください。各レベルでの1日あたり1,000タスクの例と12月31日の料金急変については、Gemini 3.8 Flashの料金設定を参照してください。

Interactions APIでのthinking_levelの設定

Interactions APIは、Gemini 3.x向けのGoogleの主要なインターフェースです。レベルはgeneration_config内にスネークケース文字列として配置されます。

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" -H 'Content-Type: application/json' \
  -d '{"model":"gemini-3.8-flash","input":"Explain HTTP caching in 3 sentences.","generation_config":{"thinking_level":"low"}}'

In Python:

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain HTTP caching in 3 sentences.",
    generation_config={"thinking_level": "low"},
)
print(interaction.output_text)

これはリクエストレベルのフィールドなので、previous_interaction_idを渡すフォローアップのターンを含め、すべての呼び出しで設定してください。応答は、実行ステップ（思考、ツール呼び出し）のリストとして返され、model_outputで終わり、SDKは最終的なテキストをoutput_textとして公開します。マルチターンの状態やストリーミングを含む最初の呼び出しの完全なウォークスルーについては、Gemini 3.8 Flash APIの使用方法を参照してください。

レガシーなgenerateContentでの設定

既存のGeminiコードのほとんどは、まだgenerateContentを呼び出しています。Googleはこれをレガシーと呼んでいますが、廃止予定日はなく、引き続き完全にサポートされているため、急ぐ必要はありません。このフィールドは1レベル深くネストされ、キャメルケースになっています。

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" -H 'Content-Type: application/json' -X POST \
  -d '{"contents":[{"parts":[{"text":"Explain HTTP caching in 3 sentences."}]}],
       "generationConfig":{"thinkingConfig":{"thinkingLevel":"low","includeThoughts":true}}}'

In Python:

from google.genai import types

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Explain HTTP caching in 3 sentences.",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(thinking_level="low")
    ),
)
print(response.usage_metadata.thoughts_token_count)

includeThoughts: trueは、thought: trueとフラグ付けされた部分として、思考の要約を応答に追加します。これはレベルを調整している間は有用ですが、完了するとノイズになります。重要な数値はusageMetadata.thoughtsTokenCountで、出力として課金される正確なカウントであり、テストで監視すべきフィールドです。

ルートごとの戦略

レベルをグローバル設定ではなく、ルーティングの決定として扱います。実用的な分割は次のとおりです。

チャット、オートコンプリート、および人が待機しているすべてのもの: low。これは最初のトークンレイテンシーが重要な場面です。
分類、抽出、および文字起こし検索: low。精度が維持されることを確認するために、一度独自の評価を実行します。Google自身の動画の例では、文字起こし検索をlowに設定しています。
コーディングエージェントとツールループ: デフォルトのmedium。出力が後のすべてのステップをゲートする場合は、単一の計画ステップをhighにエスカレートし、その後元に戻します。3.8 Flashでは、ツールループは設計上、より多くのターンを実行するため、ループ全体でhighを使用するとコストが急速に増加します。
ドキュメント中心の長期的なワークフロー: high。対話型ではない場合は、Batch APIを通じて50%オフで処理します。
動画: Googleのドキュメントには3つの例が記載されています。高密度な視覚的Q&Aまたは60分以上の動画にはhigh、一般的な動画Q&Aにはmedium、文字起こし検索にはlow。

3.8 Flashのlowでもルートが必要とする以上のモデルである場合、Flash-Liteラインがその役割を担います。以前のGemini 3.1 Flash-Liteガイドではトレードオフについて説明しており、Gemini 3.5 Flash-Liteは現在、入力0.30ドル、出力2.50ドルで利用可能です。

レベルはルートごとの設定に保持し、gemini-3.7-flashはフラグの背後に置いてください。アップグレード後にルートのトークン数が増加した場合でも、デプロイなしでレベルまたはモデルを変更できます。

Apidogで3つのレベルすべてを並行してテストする

AAの表を読むことで比率がわかりますが、具体的な数値はご自身のプロンプトのみが示します。以下に、すべてのレベルで1つのゴールデンプロンプトを送信し、返された結果をアサートするApidogでのテストシナリオを示します。これはどちらのAPI形式でも機能します。usageMetadataがトップレベルのフィールドであるため、ここではレガシーエンドポイントが示されています。

キーを環境変数として保存します。 Apidog環境にGEMINI_API_KEYを作成し、x-goog-api-keyヘッダーで{{GEMINI_API_KEY}}として参照します。2番目の変数THINKING_LEVELを追加し、保存された1つのリクエストで3つのステップすべてを処理できるようにします。
1つのリクエストを保存します。 ゴールデンプロンプトと"thinkingConfig": {"thinkingLevel": "{{THINKING_LEVEL}}"}を指定して、/v1beta/models/gemini-3.8-flash:generateContentにPOSTリクエストを送信します。
3ステップのテストシナリオを構築します。 同じリクエストを3回インポートし、各ステップでTHINKING_LEVELをlow、medium、highに上書きします。
変動するフィールドをアサートします。 各ステップで、ステータスが200であり、usageMetadata.thoughtsTokenCountが存在することを確認します。lowステップでは、thoughtsTokenCountと応答時間がそのルートが許容できる上限を下回っていることをアサートします（最初の実行後にベースラインを設定します）。ポストプロセッサースクリプトは各ステップのカウントを変数に格納できるため、highステップではlowと同じくらい、あるいはそれ以上に推論したことをアサートできます。この順序が逆転した場合は、モデルまたはデフォルトが変更されたことを意味します。
ガードステップを追加します。 thinkingLevel: "minimal"を送信し、応答が200ではないことをアサートします。後でモデルIDを交換する際、このステップは新しいモデルがまだこれを拒否するかどうかを示します。
スケジュールします。 シナリオを毎日実行し、設定の退行やサイレントな動作変更が、予期せぬ請求書ではなく、赤信号の実行として現れるようにします。その仕組みは、ApidogでAPIテストをスケジュールする方法にあります。

ストリーミングされた応答の場合、SSEレンダリングでも同じシナリオが適用されます。SSE経由でストリーミングするLLM APIをテストする方法で設定について説明しています。Apidogをダウンロードしてこのシナリオ全体を無料で試すことができます。

よくある質問 (FAQ)

思考レベルによってトークンあたりの価格は変わりますか？

いいえ。3.8 Flashでは、レベルに関係なく、導入価格で入力は100万トークンあたり0.75ドル、出力は3.75ドルです。レベルは、モデルが思考として生成する出力トークンの数を変更するだけであり、それらのトークンは出力価格で課金されます。料金の内訳では、キャッシュ、バッチ、および1月1日の値上げについて説明しています。

代わりに正確な思考トークン予算を設定できますか？

Gemini 3モデルではできません。thinking_budgetはthinking_level列挙型に置き換えられ、3.8 Flashはlow、medium、highのみを受け入れます。上限が必要な場合は、リクエスト内ではなく、テストとアラートでそれを強制してください。

Artificial Analysisのスコア59はどのレベルを使用していますか？

highです。AAは主要なスコアのためにIntelligence Indexをhighで実行し、lowとmediumでのコストと時間も公開しましたが、これらのレベルでのインデックススコアは公開していません。ご自身で評価を実行するまでは、低いレベルは当該ベンチマークでテストされていないものとして扱ってください。

思考を減らすためにtemperatureを下げるべきですか？

いいえ。GoogleはすべてのGemini 3モデルに対し、temperatureをデフォルトの1.0に保つよう推奨しています。これを下げると、ループが発生したり、出力が劣化したりする可能性があります。推論の深さを制御するにはthinking_levelを使用してください。

lowでも遅すぎる、または高すぎる場合はどうすればよいですか？

Googleが廃止予定日なしで引き続き完全にサポートすると述べているGemini 3.7 Flashにとどまるか、そのルートをFlash-Liteモデルに移行してください。3.8と3.7 Flashの比較では、追加トークンが測定可能な品質向上をもたらす場合とそうでない場合を示しています。

ルートごとにレベルを選択し、測定する

3つのレベル、1つの列挙型、そしてデフォルトで以前のモデルよりも推論を多く行うモデル。すべてのルートでthinking_levelを明示的に設定し、残っているminimalをlowにマッピングし、各レベルでのusageMetadata.thoughtsTokenCountを監視してください。AAのタスクあたりの数値（0.24ドル、0.41ドル、0.58ドル）は曲線のおおよその形を示しますが、Apidogでの3ステップシナリオは、12月31日の料金変更でさらに重要になる前に、ご自身の具体的な数値を提供します。