Googleは、Gemini 3.7 Flashの3週間後、3.6 Flashの6週間後の2026年9月2日にGemini 3.8 Flashを出荷しました。導入価格（12月31日まで100万トークンあたり入力$0.75、出力$3.75）と1Mトークンのコンテキストは同じで、Google自身の表現によれば、速度もほぼ同じです。変更されたのはモデルの動作方法です。より小さな推論ステップを踏み、自身の出力を検証し、ツールをループで呼び出します。これにより、公開されているすべてのベンチマークで高いスコアを獲得しました。また、各タスクのコストがより多くのトークンを消費するようになりました。
したがって、アップグレードの質問は「3.8 Flashはより優れているか？」ではありません。理論上は優れています。質問は、その追加の品質があなたのワークロードで追加のトークンに見合うかどうか、そして2つの破壊的変更があなたのコードに影響するかどうかです。この比較では、変更がなかった点、改善された点、コスト、およびワークロードごとの決定マトリックスを説明します。情報源はGoogleのローンチ記事、Gemini 3.8 Flashの新機能ページ、およびArtificial Analysisによる独立したテストです。完全な仕様書については、Gemini 3.8 Flashとは何かから始めてください。
もう一つ、最初に述べておきたいことがあります。Googleは「Gemini 3.7 Flashは完全にサポートされ続ける」と述べており、廃止日は公表していません。誰もあなたに強制するわけではありません。
比較表
| Gemini 3.8 Flash | Gemini 3.7 Flash | |
|---|---|---|
| モデルID | gemini-3.8-flash |
gemini-3.7-flash |
| リリース日 | 2026年9月2日 | 2026年8月13日 |
| ベース | 「Gemini 3.7 Flashに基づく」（モデルカード） | 該当なし |
| コンテキスト / 最大出力 | 1,048,576 / 65,536トークン | 同じ |
| 入力価格（導入価格、12月31日まで） | 100万トークンあたり$0.75 | 100万トークンあたり$0.75 |
| 出力価格（導入価格、12月31日まで） | 100万トークンあたり$3.75、推論込み | 100万トークンあたり$3.75、推論込み |
| 通常価格（2027年1月1日から） | $1.50 / $7.50 | $1.50 / $7.50 |
| コンテキストキャッシュ読み取り | 100万トークンあたり$0.075（導入価格） | 同じ |
| バッチ処理 | 50%オフ、キューに登録されたトークンの階層は同じ | 同じ |
| 推論レベル | low、medium（デフォルト）、high |
low、medium、high |
minimal推論レベル |
バリデーションエラー | 受理（Googleの移行ノート：lowにマッピング） |
| 知識カットオフ | 2026年3月 | 3.8ドキュメントでは再記載なし |
| 出力速度（Artificial Analysis） | 約300トークン/秒（実測302.1、高） | Googleによれば「ほぼ同じ速度」 |
| Artificial Analysis インテリジェンス指数 | 59（高） | 56（高） |
| サポート状況 | 現行 | 「完全にサポートされ続ける」、廃止日なし |
変更なしの点
まず価格です。両モデルは、Googleの料金ページで同じ行に並んでいます。12月31日までは入力$0.75、出力$3.75で、2027年1月1日からは$1.50と$7.50に倍増します。キャッシング、バッチ割引、および毎月5,000回分の無料Google検索グラウンディングリクエスト（すべてのGemini 3.xモデルで共有）もすべて引き継がれます。詳細な内訳が必要な場合は、3.7 Flashの仕様と料金リファレンスが3.8 Flashにもそのまま適用されます。
コンテキストと出力の制限は、入力1,048,576トークン、出力65,536トークンで変更ありません。モダリティも同じで、テキスト、画像、ビデオ、オーディオ、PDFを入力として受け入れ、テキストを出力します。どちらのモデルも音声生成、画像生成、またはLive APIには対応していません。
速度はほぼ同等です。GoogleのLogan Kilpatrickは、3.8 Flashを「3.7と同じ価格で、速度もほぼ同じ」と表現しています。Artificial Analysisは、高推論実行時に302.1出力トークン/秒を測定しました。これはモデルが書き始めるときのスループットであり、同じ実行での初回トークン生成までの時間は13.30秒でした。なぜなら、high設定ではモデルが発話する前に推論するためです。
APIサーフェスも同じです。Interactions APIが現在のGemini 3.xの主要なパスであり、従来のgenerateContentエンドポイントは「完全にサポートされ続ける」とされ、廃止日はありません。3.7 Flash向けに書かれたコードは、エンドポイントのいずれでも、モデル文字列を交換するだけでgemini-3.8-flashに対して実行できます（破壊的変更に該当する例外を除く）。
改善点
Googleが3.8 Flashのヘッドラインで謳っているのは、「当社の最もインテリジェントなFlashモデル」であり、「長期的なソフトウェアエンジニアリング、自律型エージェント、複雑なエンタープライズワークフロー」のために構築されています。この主張の背景にある設計変更は、難しいタスクにおいてモデルが「追加の推論ステップを実行し、ツールを反復的に呼び出し」、「より小さな推論ステップ」を踏み、「途中で自身の作業を検証する」というものです。これにより、GoogleとArtificial Analysisが公開したベンチマークで以下の結果が得られました。
Google自身の表。Googleは、DeepMind Flashページで3.7 Flashとの3つの数値比較を公開しました。これらはベンダー実施のものです。
| ベンチマーク（Google実施） | 3.8 Flash | 3.7 Flash | 差分 |
|---|---|---|---|
| Vals Finance Agent v2 | 61.4% | 59.0% | +2.4 |
| HLE-Verified | 54.9% | 53.6% | +1.3 |
| Harvey Legal Agent Benchmark | 10.0% | 8.8% | +1.2 |
控えめながら一貫した改善が見られ、各項目で3.8 FlashはGoogleの表にあるより大規模なモデル（Vals FinanceでClaude Opus 5が58.6%、HLE-Verifiedで54.4%）をも上回っています。Claude Fable 5.1とGPT-5.6 Solとの3者比較では、さらにこの傾向が明らかになります。これはFlash価格のモデルが、トークンあたりのコストが数倍高いモデルを上回るスコアを出しているということであり、Googleが伝えたいポイントです。
Artificial Analysisによる独立した評価。Artificial Analysisの報告書では、3.8 Flashのインテリジェンス指数はhighで59となり、3.7 Flashの56、3.6 Flashの52から向上しています。これはリリースごとに3ポイントの向上であり、3.8 FlashはGPT-5.6 SolのxhighおよびGrok 4.6のmediumと同等のスコアで、Claude Fable 5.1のmediumより1ポイント上です。ツール使用評価であるτ³-Bankingでは、3.8 Flashは45%を記録し、3.7 Flashから12ポイントの飛躍を見せました。実際のツール呼び出しを伴うエージェントを実行する場合、この項目は指数よりも重要です。
ドキュメント重視のエージェント作業。Googleは、3.8 Flashが長時間実行されるドキュメント重視のワークフローで「Gemini 3.7 Flashの3倍以上のタスクを完了する」と述べています。これは内部評価であり、公開されたハーネスはないため、方向性を示すものとして扱ってください。しかし、これはモデルの設計と一致しており、1回のミスが40ステップのジョブを台無しにするような場所で、より多くの検証ステップが役立ちます。
コーディング、ただし記録にギャップあり。DeepSWE v1.1では、3.7 Flashが65.3%を記録し、3.6 Flashの49.0%から向上しました。Googleは、3.8 Flashが「コストの一部で」ほとんどのより大規模な最先端モデルを上回ると述べていますが、正確な3.8のパーセンテージはテキストではなくモデルカードの画像テーブルにのみ表示されているため、ここでは数値は記載しません。SWE-Bench Pro、Terminal-bench、OSWorldの3.8 Flashの数値は、テキストでは全く公開されていません。これらのベンチマークが決定の動機となる場合、サードパーティによる実行を待ってください。
安全性とインジェクション耐性。Googleは、具体的な数値なしでグレースワンのプロンプトインジェクションテストで「著しい進歩」を報告しています。モデルカードの3.7 Flashに対する差分は小さいです。多言語安全性+5.4ポイント、テキスト間安全性-0.4、不当な拒否+1.1。最後の項目は、過剰な拒否がわずかに増加したと解釈してください。
コスト
トークンあたりの価格は変動しませんでした。タスクあたりのコストは変動しました。これはGoogleが公然と述べているトレードオフです。モデルは「設計上、より長時間実行される複雑なタスクでより多くのトークンを使用できる」ものであり、「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より多くのトークンを使用する可能性がある」とされています。
Artificial Analysisはそれを数値化しました。同社のインデックスを実行したところ、3.8 Flashはタスクあたり平均48,000の出力トークンを使用し、3.7 Flashより30%増加しました。トークンあたりの価格が同じであるため、完了したタスクあたりの請求額は増加します。
| 設定（Artificial Analysis） | タスクあたりのコスト | タスクあたりの時間 |
|---|---|---|
Gemini 3.7 Flash, high |
$0.40 | 2.2分 |
Gemini 3.8 Flash, low |
$0.24 | 0.8分 |
Gemini 3.8 Flash, medium |
$0.41 | 未公開 |
Gemini 3.8 Flash, high |
$0.58 | 2.5分 |
この表から3つのことが読み取れます。第一に、3.8 Flashのhigh設定は、3.7 Flashのhigh設定よりもタスクあたり約45%コストが高く、実時間で14%長くかかります。第二に、デフォルトである3.8 Flashのmedium設定は、3.7 Flashのhigh設定と1セント以内で収まるため、medium品質が要件を満たすのであれば「同予算でのアップグレード」が可能です。第三に、3.8 Flashのlow設定は表の中で最も安価で最速の行であり、3.7 Flashを習慣的にhighで実行していたようなレイテンシに敏感なルートにとって明らかな選択肢となります。
3.8 Flashの料金内訳では、これを日間ボリュームに換算しています。簡単に言えば、タスクごとに料金を支払っている場合、アップグレードは無料ではなく、推論レベルが改善のどの程度を購入するかを決定するためのダイヤルであるということです。
破壊的変更の概要
既存の3.7 Flashコードに直接影響する変更が2つあります。
thinking_level: "minimal"はバリデーションエラーを返します。3.8 Flashはlow、medium、highのみを受け入れます。3.7の設定がminimalを使用している場合、それをlowにマッピングしてください。推論レベルガイドでは、各レベルの機能、コスト、レイテンシについて説明しています。
関数応答にはcall_idとnameを含める必要があります。Interactions APIのすべてのfunction_resultには両方のフィールドが必要であり、従来のgenerateContentのすべてのfunctionResponseには対応するidとnameが必要です。名前のみでキー付けされた結果を返すコードは、ツールループの2ターン目で失敗します。
これら以外にも、3.7から3.8 Flashへの移行ガイドでは、移行の際に再確認すべきGemini 3のルールが説明されています。temperatureをデフォルトの1.0に保つこと（Googleは低い値が「ループやパフォーマンスの低下を引き起こす可能性がある」と警告しています）、整数のthinking_budgetの代わりにthinking_levelを使用すること、candidate_countを削除すること、思考シグネチャを受け取ったとおりに正確に返すことです。これらのいずれも3.8で新しいものではありませんが、それらをスキップしていた3.7のコードベースでは、今問題が浮上するでしょう。
ワークロード別決定マトリックス
| ワークロード | 推奨事項 | 理由 |
|---|---|---|
| ツール呼び出しを伴う多段階エージェント | アップグレード、mediumまたはhigh |
τ³-Bankingで+12。反復的なツールループが3.8の最大のポイント。 |
| 長文ドキュメントの抽出とレビュー | アップグレード | Googleの3倍タスク完了という主張は、まさにこの形状をターゲットとしている。 |
| ハーネス内でのエージェント的なコーディング | アップグレード後、測定 | DeepSWEのテキスト数値は公開されていない。コミットする前にリポジトリで検証する。 |
| 金融、法律、研究エージェント | アップグレード | 公開された3つのGoogleテーブルはすべて3.8に有利に働く。 |
| 大量の分類、抽出、チャット | 3.7に留まるか、3.8のlowへ |
ここではタスクあたりのコストが指標。lowは3.7のhighよりも安価。 |
| レイテンシに敏感なユーザー向けエンドポイント | 3.8のlow |
AAのハーネスではタスクあたり0.8分 vs 3.7のhighでは2.2分。 |
minimal思考を使用するもの |
まず移行 | lowにマッピングするまでバリデーションエラーが発生する。 |
| 1セント単位で価格設定されるバッチパイプライン | 再ベンチマークされるまで3.7に留まる | トークンごとの価格は同じだが、出力トークンが30%増加するとバッチの請求額が変わる。 |
傾向として、タスクがより困難で長いほど、3.8 Flashの「よりハードに働く」設計はそのトークンに見合う価値を生み出します。タスクが短く反復的であるほど、その効果は少なくなり、推論レベル（または現状維持）が重要になります。
Apidogで両方のモデルを同じテストシナリオで実行する
上記のタスクあたりの数値は、Artificial Analysisのハーネスから得られたものであり、あなたのハーネスのものではありません。本番環境でモデル文字列を交換する前に、あなた自身のプロンプトを両方のモデルで実行し、トークン数を比較してください。Apidogを使えば、これは10分で完了する作業です。
Apidog環境でGEMINI_API_KEYを環境変数として設定し、x-goog-api-keyがその変数から読み取られるように、https://generativelanguage.googleapis.com/v1beta/models/{{model}}:generateContentへのPOSTリクエストを1つ追加します。modelもシナリオ変数にしてください。ボディは両方の実行で同じです。
{
"contents": [{"parts": [{"text": "{{golden_prompt}}"}]}],
"generationConfig": {"thinkingConfig": {"thinkingLevel": "medium"}}
}
2つのステップでテストシナリオを構築します。まずmodelをgemini-3.7-flashに設定したリクエスト、次に同じリクエストをgemini-3.8-flashで実行します。各ステップで、予算を反映する上限を設定してusageMetadata.candidatesTokenCountとusageMetadata.thoughtsTokenCountにアサーションを追加し、さらにアプリケーションが読み取るフィールドに対するJSONパスアサーションを追加します。10〜20のゴールデンプロンプトのデータセットに対してシナリオを実行してください。テストレポートには各ステップの応答とアサーション結果がまとめて表示されるため、1回の実行で両方のモデルのトークン数を読み取ることができ、+30%の数値はベンチマークのものではなく、あなた自身の数値となります。
数値が正しいように見えたら、シナリオをスケジュールして、モデル更新後に推論トークンが静かに増加しても、請求書に表示されるのではなく、テスト失敗として現れるようにします。Apidogをダウンロードして設定してください。無料プランでこのワークフローに対応しています。
よくある質問
Gemini 3.8 Flashは3.7 Flashよりも速いですか？
いいえ。Google自身の説明は「ほぼ同じ速度」であり、Artificial Analysisはhigh設定で約300出力トークン/秒を測定しました。3.8 Flashはより多くのステップで推論するため、ハーネス上でのタスクあたりの実時間が増加しました（high設定で2.5分 vs 2.2分）。lowに下げると0.8分になります。
Gemini 3.8 Flashは3.7 Flashよりもコストがかかりますか？
トークンあたりではかかりません。両方とも12月31日までは入力$0.75、出力$3.75で、その後$1.50と$7.50になります。タスクあたりではコストがかかります。Artificial Analysisは、3.8 Flashが約30%多くの出力トークンを生成するため、3.7 Flashのhigh設定での$0.40に対し、3.8 Flashのhigh設定で$0.58を測定しました。
GoogleはGemini 3.7 Flashを停止しますか？
Googleは3.7 Flashが「完全にサポートされ続ける」と述べており、廃止日は公表していません。引き続き使用できます。3.7 Flashの新機能に関する記事が、そのモデルのリファレンスとして引き続き有効です。
3.8 Flashに切り替えるときに何が壊れますか？
2つのことがあります。thinking_level: "minimal"は現在400 INVALID_ARGUMENTエラーを返し、すべての関数応答には呼び出しID（Interactions APIではcall_id、従来のgenerateContentではid）とnameを含める必要があります。Gemini 3 APIのその他すべては変更ありません。
この進歩は3.6から3.7への進歩と比較してどうですか？
3.7 Flashはより大きなステップでした。DeepSWEは49.0%から65.3%に向上し、Artificial Analysisの指数は52から56に向上しました。3.8のステップは指数で+3であり、モデルがトークンを消費する方法の再設計が行われました。以前の世代については、3.6 Flash vs 3.5 Flashを参照してください。これは、この一連のリリースを開始した値下げについて説明しています。
まとめ
ワークロードがエージェント的、ツール使用が多い、またはドキュメント重視の場合はアップグレードしてください。そこではGoogleとArtificial Analysisの両方が改善を示しており、余分なトークンは完了したタスクの「購入」に見合います。タスクあたりのコストが報告する数値となる短く反復的な呼び出しを実行している場合は、3.7 Flashに留まるか、3.8のlowに移行してください。いずれにしても、まずminimalを修正し、関数応答を確認してから、当社を含む誰かのハーネスを信用する前に、あなた自身のプロンプトでトークン数を測定してください。