Googleがフラッグシップをスキップ:3つの新しいGemini Flashモデルが速度、コスト、サイバーセキュリティをターゲットに

ニュースサマリー
Googleは2026年7月21日(太平洋時間)、Gemini AIモデルファミリーに3つの新モデルを追加しました。これは、長らく待望されていたGemini 3.5 Proフラッグシップではなく、より高速でコスト効率の高い選択肢を拡充するものです。このリリースは、推論能力だけでなく、速度、信頼性、クエリあたりのコストが同様に重要となる、大規模なエージェントワークロード向けにAIモデルを最適化するという、業界全体の広範なシフトを反映しています。
発表内容
今回発表された3つの新モデルは、Gemini 3.6 Flash、Gemini 3.5 Flash-Lite、Gemini 3.5 Flash Cyberです。Googleは、ヘッドラインベンチマーク性能の飛躍的な向上ではなく、大規模なAIエージェントを構築する開発者向けの効率性向上を中心にこのリリースを位置づけました。発表は2026年7月21日(太平洋時間)に行われ、技術的な詳細はGoogleの開発者ブログを通じて公開され、その後すぐに報道機関にも共有されました。
Gemini 3.6 Flash:新しい主力モデル
Googleが主力モデルと位置づけるGemini 3.6 Flashは、コーディング支援、知識ベースのタスク、テキスト、画像、その他のデータタイプにわたるマルチモーダル理解を改善します。Googleによると、このモデルは前身であるGemini 3.5 Flashと比較してトークン使用量を最大17%削減し、これにより高ボリュームアプリケーションを実行する開発者の運用コストが低下します。
Gemini 3.5 Flash-Lite:コスト重視のエージェント向け
Gemini 3.5 Flash-Liteは、最小限のコストで多数の軽量な自律AIエージェントタスクを実行する必要がある開発者を対象としています。Googleはこのモデルの価格を、入力トークン100万件あたり0.30ドル、出力トークン100万件あたり2.50ドルと設定しており、現在のGeminiラインナップの中で最も経済的な選択肢となっています。同社は、このティアが単純な分類、検索、高頻度自動化などのタスクに適していると提案しています。
Gemini 3.5 Flash Cyber:セキュリティ研究に特化
3つ目のモデルであるGemini 3.5 Flash Cyberは、ソフトウェアの脆弱性を特定し、その修正を支援するために特別にファインチューニングされています。Googleによると、このモデルは、より大規模な汎用モデルと比較して、ごく一部のコストでサイバーセキュリティ分析を実行できます。このモデルへのアクセスは現在、政府機関および選ばれた信頼できるパートナーが関与するパイロットプログラムに限定されており、セキュリティ研究のユースケースの機密性を反映しています。
Gemini 3.5 Proがない理由
広く期待されていたにもかかわらず、Googleはこれらの3つのモデルと同時に更新されたProティアのフラッグシップモデルをリリースしませんでした。代わりに、同社は「これまでにない最も野心的な事前学習実行」を開始したことを確認しました。これは、将来のGemini 4モデルの基盤を築くものと広く理解されています。業界オブザーバーは、GoogleがFlashティアでの段階的な効率改善を優先する一方で、次世代のフロンティアモデルに長期間の開発サイクルを投資していることを示すシグナルと見ています。
業界の文脈
今回の発表は、トップベンチマークスコアを追い求めるだけでなく、実用的でコスト意識の高いデプロイメントに合わせたモデルの提供において、主要なAIラボ間の競争が激化する中で行われました。トークン消費量の削減、競争力のある価格設定、サイバーセキュリティ分析のような専門的な機能に重点を置くことで、Googleは本番環境でエージェントAIシステムをスケールアップしているエンタープライズ開発者をターゲットにしているようです。アナリストは、このアプローチが、さまざまなクラスのアプリケーションに対して、機能、レイテンシー、コストのバランスを取るティア化されたモデルファミリーに向けた他のAI企業による同様の動きを反映していると指摘しています。
今後の展望
GoogleはGemini 3.5 ProまたはGemini 4のリリースに関する具体的なタイムラインを提供していませんが、アクティブな大規模事前学習実行の確認は、フロンティアモデル開発への継続的な投資を示唆しています。現時点では、Geminiプラットフォーム上で開発を行う開発者は、AIエージェントやセキュリティツールを大規模に実行するという実用的な要求に合わせて最適化された3つの新しいオプションを利用できます。