Gemini 3.6と3.5の違いを徹底比較

こんにちは。AIあれこれ散歩道のモトです。

Gemini 3.6 Flashが登場し、「3.5から何が変わったのか」「今からAPIで使うならどちらを選ぶべきか」と迷っている人も多いのではないでしょうか。数字だけを見ると新モデルが有利に見えますが、料金、思考設定、処理量、互換性を分けて確認しないと、自分の用途に合う判断はできません。

この記事では、Gemini 3.6と3.5の違いをGoogleの公式資料に沿って整理します。一般利用者が選ぶ基準から、AI StudioやAPIで移行するときの確認点まで、実際の判断順にまとめました。

Gemini 3.6と3.5の違いを比較

先に結論をいうと、通常の会話、調査、コーディング、画像を含む資料の理解では、Gemini 3.6 Flashを第一候補にするのがわかりやすいです。Googleは3.6 Flashを高速モデルの最新版として提供し、3.5世代に比べたトークン効率やコーディング性能の向上を示しています。

ただし、最安の大量処理なら3.5 Flash-Lite、既存システムをすぐ変えたくない場合は3.5系を短期間維持する判断もあります。新しい方を無条件に選ぶのではなく、品質、費用、移行作業の3点で比べることが大切です。

Gemini 3.6と3.5の違いは何か

Gemini 3.6 Flashは、Googleが2026年7月21日に発表した高速・高性能モデルです。Googleの発表では、コーディング、知識、マルチモーダル理解、コンピューター操作が強化され、日常的な応答速度と高度な作業の両立を狙ったモデルとして説明されています。

一方の3.5世代には、標準的なFlash、費用と処理量を重視したFlash-Lite、セキュリティ用途に限定提供されるFlash Cyberなどがあります。「3.5」という名前だけで一括りにすると、価格も利用目的も違うモデルを比べてしまいます。本記事では通常の3.5 Flashを比較の軸にし、必要な箇所でFlash-Liteを分けて説明します。

Gemini 3.6と3.5の違いと料金

Gemini APIのPaid tierでは、3.6 Flashの標準テキスト料金は入力100万トークンあたり1.50ドル、出力100万トークンあたり7.50ドルです。Googleの最新モデルガイドでは、3.5 Flashの出力料金9ドルと比べて、3.6 Flashの出力単価が低くなっています。

料金を見るときは、入力単価だけでなく出力単価と実際の出力量を一緒に見ます。回答が長いチャット、コード生成、レポート作成では出力料金の影響が大きくなります。Googleは独自のAA indexで、3.6 Flashが3.5世代より出力トークンを17%減らしたと説明していますが、これはすべての処理が17%安くなる保証ではありません。

費用を試算するときは、月間リクエスト数だけで計算しないようにします。1回あたりの平均入力トークン、平均出力トークン、再実行率を掛け合わせます。たとえば長い資料を毎回送り直している場合、回答を短くしても入力側の費用が残ります。共通資料をキャッシュできる機能や、必要箇所だけを検索して渡す構成も比較対象になります。

開発初期は、AI Studioで代表プロンプトを実行し、Usage画面やAPIレスポンスのtoken countを記録します。1回の最安値を探すより、月間の想定件数に広げた金額と、エラー時の再試行分を含めた方が現実的です。為替や税も請求額へ影響するため、ドル単価だけで予算を確定しないでください。

Free tierは「決まった無料期間が終わる」という形式ではなく、対象モデルをレート制限内で試す仕組みです。詳しい確認方法はGoogle AI Studioの無料利用と料金の記事で整理しています。正確な単価は変更される可能性があるため、実行前にGemini API公式料金表を確認してください。

Gemini 3.6と3.5の違いと性能

Googleの公式発表では、3.6 Flashはコーディングやコンピューター操作の評価を伸ばしています。たとえばOSWorldは83.0、ソフトウェア開発課題を測るDeepSWEは49.0とされています。3.5 Flashの公表値より高い項目があり、ブラウザー操作や複数段階のコード修正で改善が期待できます。

ただし、ベンチマークは決められた条件での比較です。日本語の文章、社内独自の資料、長い会話、特定のプログラミング言語では結果が変わります。自分の用途では、同じ入力、同じthinking設定、同じ出力形式で5回から10回ほど試し、正答率、修正回数、所要時間、トークン量を記録するのが確実です。

画像やPDFを扱う場合も、見た目の印象だけで判断せず、読み落としが許されない項目を正解表にして比較します。領収書なら日付と金額、画面画像ならボタン名と状態、グラフなら軸と単位を確認すると、モデルごとの差が見えやすくなります。

文章生成では、読みやすさだけでなく、指定した見出し数、禁止表現、固有名詞、出典の扱いを採点します。コード生成では、テスト通過率、警告数、修正に必要だった指示回数を残します。評価項目を先に決めると、好みだけでモデルを選ぶことを防げます。

Gemini 3.6と3.5の違いと速度

Flashという名前は高速処理を示しますが、体感速度はモデル名だけでは決まりません。入力の長さ、画像や動画の有無、thinkingの設定、ツール呼び出し、混雑、出力文字数が待ち時間に影響します。3.6 Flashは標準でthinkingがmediumになるため、3.5系と設定をそろえずに比べると、品質差と設定差を混同します。

速度を比べるときは、最初の文字が返るまでの時間と、回答が完了するまでの時間を分けて測ります。チャット画面では前者が快適さに影響し、バッチ処理では後者と1分あたりの処理件数が重要です。出力をJSONに固定する、回答の長さを指定する、不要な思考を抑えると、モデル変更より大きく改善する場合もあります。

1回だけの測定はネットワークや混雑の影響を受けます。同じ時間帯に交互に実行し、中央値を見ると比較しやすくなります。ストリーミング表示を使う画面では、完了時間が同じでも最初の応答が早い方が快適に感じるため、利用者の待ち方も評価へ含めます。

Gemini 3.6と3.5の違いと機能

3.6 Flashはテキストだけでなく、画像、音声、動画などを含むマルチモーダル入力に対応します。さらに、Google検索によるGrounding、コード実行、URL Context、Function Calling、Computer Useなど、Gemini APIのツールを組み合わせられます。すべての機能が同じ地域、同じTier、同じ画面で使えるとは限らないため、利用場所ごとの確認は必要です。

入力コンテキストは100万トークン、最大出力は6.4万トークンです。長い資料を入れられることと、内容を一度で正確に使い切れることは別です。大量の文書は章ごとに分け、質問に必要な資料だけを渡す方が、費用と精度を管理しやすくなります。

Computer Useを使う場合は、画面操作をモデルへ任せる範囲を狭くします。購入、送信、削除、権限変更などの操作は、人間の確認を挟む設計が必要です。AIが画面を操作できることと、安全に自動化できることは同じではありません。

機能表に対応と書かれていても、プレビュー段階、特定地域のみ、Paid tierのみという条件が付く場合があります。SDKから呼べる機能とGeminiアプリの画面で使える機能も一致しません。「モデルが対応」「APIが対応」「自分のプロジェクトで有効」の3段階に分けて確認してください。

Gemini 3.6と3.5の違いで選ぶ

モデル選びでは、最初に「最高性能が必要か」ではなく「失敗したときの影響」と「1件あたりに許せる費用」を決めます。文章の下書きと顧客への自動返信では必要な確認が違い、単発のコード相談と1日10万件の分類でも最適なモデルは変わります。

個人がAI Studioで試すなら3.6 Flashから始め、結果が過剰なら軽いモデルへ下げる順が簡単です。事業でAPIを使う場合は、候補を2つに絞り、実データから個人情報を除いた検証セットで比較します。

検証セットには、通常の入力だけでなく、極端に長い入力、空欄、壊れた形式、曖昧な依頼も含めます。正常時の平均点が高くても、例外時に勝手な補完をするモデルは自動化へ入れにくいからです。失敗時に「わからない」と返せるか、確認質問を出せるかも重要な選択基準です。

Gemini 3.6と3.5の違いと用途

3.6 Flashが向くのは、コード生成、資料の横断理解、画像を含む問い合わせ、複数ステップの作業、ある程度の推論が必要な文章作成です。速さだけでなく、回答を直す回数を減らしたい仕事でも候補になります。Google AI StudioでAndroidアプリを試作する流れはAI StudioでAndroidアプリを作る記事も参考になります。

3.5 Flash-Liteが向くのは、項目分類、短い要約、定型抽出、簡単な書式変換など、正解条件が明確で件数が多い仕事です。ただし、軽いモデルに複雑な指示を詰め込み、再実行が増えると総費用が上がります。1回の単価ではなく、合格結果1件あたりの費用で比べてください。

Gemini 3.6と3.5の違いとLite

3.5 Flash-Liteは、3.6 Flashの旧版というより、低価格と高い処理量に重点を置いた別の選択肢です。Google発表では入力100万トークン0.30ドル、出力100万トークン2.50ドルで、毎秒350トークンを超える処理速度が示されています。大量の軽作業では魅力があります。

一方で、複雑な条件を守る文章、長いコードの修正、曖昧な画像の解釈では、上位モデルの方が手戻りを抑えられる可能性があります。試験では、10件中何件が人手修正なしで通ったかを記録します。安いモデルを3回やり直すより、3.6 Flashを1回使う方が安いケースもあります。

Flash Cyberはサイバーセキュリティ向けの限定モデルで、政府や信頼された組織への提供が中心です。通常のGeminiアプリ利用者が選ぶ汎用モデルではありません。名前が似ていても、選択画面にないモデルを前提に運用計画を立てないようにしましょう。

モデルを分ける運用も有効です。最初の分類はFlash-Lite、判断が難しいものだけ3.6 Flashへ送る二段階構成なら、品質と費用を両立しやすくなります。ただし、分岐条件が複雑になるほど保守が増えるため、処理件数が少ないうちは3.6 Flashへ統一した方が簡単な場合もあります。

Gemini 3.6と3.5の違いと移行

APIで3.5から3.6へ移行するときは、モデルIDを`gemini-3.6-flash`へ変えるだけで終わらない場合があります。最新の3.xモデルでは、`temperature`、`top_p`、`top_k`が非推奨となり、モデル側の応答を途中まで与えるprefilled model turnsも利用できません。古いSDKや独自ラッパーを使っている場合は、警告とエラーを確認します。

また、thinkingの既定値が変わると、待ち時間、出力、費用が変わります。移行前後で設定を明示し、タイムアウト、最大出力、JSON Schema、Function Callingの戻り値までテストしてください。ブラウザー操作やエージェント用途では、Antigravityの基本を解説したGoogle Antigravityの記事もあわせて確認できます。

1. モデルIDとSDKの対応版を確認する
2. thinkingと最大出力を明示する
3. 非推奨の生成設定とprefillを外す
4. 代表データで品質、速度、費用を比較する
5. 監視と旧モデルへの切り戻し手順を用意する

移行ログには、実行日時、モデルID、SDK版、主要設定、検証データの版、合格率、平均トークン量を残します。プロンプトだけを保存しても、設定や資料が変われば結果を再現できません。旧モデルの提供終了日が告知された場合は、切り戻し先を旧版ではなく安定した別モデルにしておきます。

本番を一斉に切り替えず、少量の通信だけを3.6へ流して比較すると、予想外の形式変更や費用増加を小さく抑えられます。

Gemini 3.6と3.5の違いと注意

最も注意したいのは、無料枠とコンテキスト長の混同です。100万トークンの入力コンテキストは、一度に扱える入力規模の仕様であり、100万トークンまで無料という意味ではありません。Free tierのレート制限はモデルや利用Tierで変わり、プロジェクト単位で適用されます。

Grounding with Google Searchなどの追加機能には、モデル利用料とは別の条件があります。無料枠を超えた検索利用やツール呼び出しを含む処理では、料金表の該当欄を確認します。日次制限のリセット時刻も日本時間の0時とは限らないため、利用画面のActive rate limitsを基準にしてください。

自動操作では安全面も確認します。送信、購入、削除、公開、権限変更はモデルの判断だけで実行せず、人間の承認を残します。機密情報や個人情報を入力する場合は、契約、データ利用条件、ログ保存、アクセス権限を組織で確認してください。

モデルが新しくても、誤情報や不適切な出力はなくなりません。重要な判断には一次情報を添え、回答の引用元を人間が開いて確認します。医療、法律、金融、採用など影響の大きい用途では、専門家の確認と記録を残してください。

Gemini 3.6と3.5の違いまとめ

Gemini 3.6 Flashは、3.5世代からコーディング、知識、マルチモーダル、コンピューター操作を伸ばし、出力単価も3.5 Flashより下げた高速モデルです。一般的な会話や開発では、まず3.6 Flashを試す判断が自然です。

一方、定型処理を大量に回すなら3.5 Flash-Lite、移行の影響が大きい既存システムなら段階的な検証が向きます。正しい選び方は、モデル名ではなく、自分の合格率、処理時間、合格1件あたりの費用を測ることです。

最初は代表的な入力を10件ほど用意し、3.6 Flashと候補モデルを同じ条件で試してください。品質が十分なら費用を見て軽いモデルへ下げ、品質が足りなければ指示と資料の渡し方を改善します。この順番なら、新モデルの利点を取り込みながら、無理な移行を避けられます。

個人利用では、同じ質問を両方へ送り、正確さ、待ち時間、読みやすさをメモするだけでも十分です。API運用では、その小さな比較を自動テストへ広げます。新しい発表が出たときに同じテストを再実行できる状態が、モデル名を覚えることより長く役立ちます。