Gemini 3.5 Flash vs 3.1 Pro: スピード・エージェント・コストの比較

Doraです。2026年5月19日のGoogle I/Oローンチ以来、Gemini 3.5 Flash vs 3.1 Proの数値を検証してきました。結論を一言で言えば：階層の逆転は本物であり、マーケティングではなく、すでにコンフィグファイルに固定しているルーティング判断に影響を与えます。

Flashモデルは品質をスピードと引き換えにするはずです。3.5 Flashはその契約を破っています——少なくとも、実際のプロダクションエージェントが処理するワークロードにおいては。

この比較が異例な理由：FlashがPreviousのProを上回る

Google I/O 2026で示されたこと

Gemini 3.5 FlashはGA版として5月19日にリリースされ、安定したモデルIDはプレビューサフィックスなしのGemini-3.5 Flashです。Googleの主要な主張：同等のフロンティアモデルと比較して約4倍高速に動作しながら、コーディングとエージェントのベンチマークでGemini 3.1 Proを上回り、多くの場合コストは半分以下。

階層の逆転を一段落で説明

Flashは実際の業務に近いベンチマークで3.1 Proを凌ぎます：Terminal-Bench 2.1（76.2% vs 70.3%）、MCP Atlas（83.6% vs 78.2%）、Finance Agent v2（57.9% vs 43.0%）、GDPval-AA Elo（1656 vs 1314）。Humanity’s Last Exam（40.2% vs 44.4%）とARC-AGI-2（72.1% vs 77.1%）ではProに劣ります——これらは生のパラメトリック知識と純粋な抽象推論が支配するベンチマークです。Gemini 3.5 Flash vs 3.1 Proを評価すると、分かれ目は明確です：エージェント作業はFlash、難しい推論はProが担います。

直接比較：ベンチマークとその実際の意味

Gemini 3.5 Flashのベンチマークで3.1 Proに対する優位性は特定のもので、普遍的ではありません。数値が実際に示すものを見てみましょう。

Terminal-Bench 2.1は多段階のターミナルタスクを実行する能力を測定します——ファイルシステムの状態読み取り、スクリプトの作成と実行、エラー出力の処理、リトライ。Flashは76.2%で3.1 Proの70.3%を上回ります。この約6ポイントの差は、モデルが人間のオペレーターにアドバイスするのではなくターミナルを操作する自動化パイプラインにとって重要です。

MCP Atlasは私が最も注目するベンチマークです。スケールされたツール使用の信頼性をテストします——モデルが長い複数呼び出しシーケンス（タスクあたり8〜15回の呼び出し、呼び出しごとに4k〜12kトークンのコンテキスト）にわたって正確なツール呼び出しをどれだけ維持できるか。Flashの83.6%は3.1 Proの78.2%を上回り、Claude Opus 4.7（79.1%）やGPT-5.5（75.3%）を含むすべての競合モデルをリードしています。Webサーチ、ベクターデータベース、コード実行サンドボックスを統合する自律エージェントを構築する開発者にとって、これが最も重視すべきベンチマークです。

GDPval-AA Elo：Flashが1656でProが1314。実タスクのエージェント評価で342ポイントの差。誤差ではありません。

3.1 Proがまだ勝つ場合（ARC-AGI-2、長文コンテキスト検索）

ARC-AGI-2のスコアはProが5ポイントリード（77.1% vs 72.1%）。新規パターン認識、複雑な論理的推論、または訓練データのパターンにマッピングできない問題を必要とするタスクでは、3.1 Proに優位性があります。

長文コンテキストのギャップは自分のデータで実際にテストすべきものです。128Kコンテキストでのv2は3.1 Proが84.9%でFlashが77.3%——7.6ポイントの差。非常に長いドキュメントからの特定情報の検索、法的文書の分析、またはneedle-in-a-haystackの検索が用途に含まれる場合、3.1 Proが依然として強力な選択肢です。

正直な注意点：上記のすべての主要な数値はGoogleが自己報告したものです。結論を出す前に、自分のプロンプトとドメイン制約で検証してください。

マルチモーダル理解スコア

CharXiv Reasoning：Flashが84.2%でGPT-5.5の84.1%をわずかに上回る。OSWorld：78.4%でGPT-5.5（78.7%）とほぼ同等。マルチモーダルパイプラインでは、Flashが最も明確なアップグレードケースを持っています。

価格とレイテンシ

Gemini 3.5 Flashの価格

Gemini 3.5 Flashの価格：入力100万トークンあたり$1.50、出力100万トークンあたり$9。キャッシュされた入力は1Mあたり$0.15まで下がります——エージェントループ全体で繰り返しシステムプロンプトを実行する場合の関連する数値です。コンテキストウィンドウ：入力1,048,576トークン、出力65,536トークン。コスト/パフォーマンストレードオフのためのレベル（minimal、low、medium、high）を持つダイナミックシンキングがデフォルトで有効。

Gemini 3.1 Proプレビューの単価

Gemini 3.1 Pro：キャッシュミス入力トークン100万あたり$2.00、出力トークン100万あたり$12.00。コンテキストウィンドウ：2.0Mトークン。最大出力：リクエストあたり16Kトークン。200Kコンテキストを超えると、価格は入力$4.00/出力$18.00にステップアップ。Flashは出力制限で4倍の優位性（レスポンスあたり65K vs 16K）があり、切り捨てなしで完全なコードファイルを生成する際に重要です。

スループット比較

Flashはラウンド284トークン/秒を提供し、Proの109に対して優位です。Proで3分かかるワークフローが、トークンあたり25%低いコストでFlashなら90秒未満で完了するかもしれません。

スピードが目的ではありません。フローを中断しないことが目的です。エージェントステップあたり3回以上のツール呼び出しで、その差は急速に複利化します。

プロダクションルーティングの判断

Flashが適切なデフォルトである場合

以下の場合はFlashをルーティングのデフォルトとして使用してください：

エージェントがタスクごとに複数の順次ツール呼び出しを行う（MCP、関数呼び出し、コード実行サンドボックス）
CI/CDパイプラインまたはターミナル自動化ワークロード
リクエストあたりのコンテキストが100Kトークン以下
レスポンス時間がユーザーに見える——284トークン/秒 vs 109で、これはインタラクティブな製品に重要

MCPベースのエージェントでは、差は明確です。FlashはMCP Atlasで5.4ポイント、Toolathalonで7.1ポイント、Finance Agent v2で14.9ポイントリード。スピードの優位性は多段階ループで複利化します。$0.15/1Mのキャッシュ入力により、高頻度のツール使用はProの実行より10倍安くなります。

3.1 Proがまだコストに見合う場合

2つのケースがあります。1つは推論の純粋性：アルゴリズム設計、証明の構築、出力を実行して検証できない複雑なデバッグ。ARC-AGI-2で77.1% vs 72.1%がシグナルです。エラーが高コストで一度しかチャンスがないタスクでは、そのギャップが重要です。

2つ目は長文コンテキストです。検索が128Kトークン以上——完全なコードベース分析、長文書RAG、契約書——で動作する場合、切り替える前に実際の検索長に対してMRCR v2のギャップをテストしてください。3.1 Proの2.0Mコンテキストウィンドウも、Flashが対応できないヘッドルームを提供します。

どちらかを選ぶ前に3.5 Proを待つべき時

Gemini 3.5 ProはI/Oで5月19日に発表されましたが、まだ限定的なVertex previewであり、GAは2026年6月予定です。2Mトークンのコンテキストウィンドウ、Deep Think推論、フロンティアマルチモーダルをターゲットにしています——Gemini Ultraが以前カバーしていたユースケースです。

コア要件がスケールでの難しい推論で2Mコンテキストウィンドウが必要な場合は3.5 Proを待ってください。現在のProは3.1であり、それらのベンチマークで勝っています。3.5 Proはそのリードをさらに広げる可能性があります。

実際的な問題はカレンダーです。今すぐプロダクショントラフィックをルーティングする必要がある場合、FlashとPro 3.1の間で選択することになります。特定のタスク分布で独自のevalを実行してください。私が言うどんなことよりも、それが多くを語るでしょう。

高可用性スタックのフォールバックパターン

クリーンなパターンはグローバルなモデルIDの置換ではなく、リクエストクラシファイアです。「すべてのGemini-3.1-pro-preview文字列をGemini-3.5-Flashに置き換える」というマイグレーションは行わないでください。それが良いローンチニュースをプロダクションリグレッションに変える方法です。

実用的なフォールバックロジック：

プライマリ： エージェントとコーディングワークロード用のGemini-3.5-Flash
推論タスクでのエスカレーション： Gemini-3.1-pro-preview——タスククラシファイアによってトリガー（長文コンテキスト、新規推論、リトライなし制約）
429/クォータ枯渇時： まず指数バックオフでFlashをリトライ；2回失敗後にのみProにエスカレート
5xxの場合： 即座にProにフォールバックし、モデルIDと失敗理由をログに記録

モデルID、プロンプトサイズ、トークン数、ツール呼び出し数、レイテンシ、フォールバック理由、ユーザーに見える結果をログに記録してください。これらのフィールドがなければ、ルートパフォーマンスを測定する代わりにモデルの好みについて議論することになります。

モデルアグリゲーションへの影響

フェーズドロールアウトが単一ベンダーへのコミットメントをリスキーにする理由

今月のGemini エージェントベンチマークの状況は、2025〜2026年にかけて加速したパターンを示しています：Flash tierのモデルがエージェント作業で前のProを上回り、一方でProが推論で保持する。来月3.5 Proがリリースされます。ランキングは再びリセットされます。

インフラを単一のモデルIDにハードコードすることは、各リリースが時間的プレッシャーの下でマイグレーションを強制することを意味します。このサイクルをスムーズに処理したチームは、モデル名ではなくタスククラスでルーティングしていました。

1ベンダー内の階層をまたいだルーティング + ベンダーをまたいだルーティング

多くのツールを持つことが問題ではありません。ツールを管理しなければならないことが問題です。

この結論には有効期限があります。Gemini 3.1 Pro vs Gemini 3.5 Flashの決断は、今日のほとんどのプロダクションエージェント作業においてFlashのように見えます。6月にモデルカードが公開されたときに3.5 Proのベンチマークを確認してください。今構築するルーティングロジックは、その再評価をコード変更ではなくコンフィグ変更にするべきです。

よくある質問

Gemini 3.5 FlashはGemini 3.1 Proより厳密に優れていますか？

いいえ。Flashはエージェントタスク、ツール使用、コーディング、マルチモーダルベンチマークで3.1 Proを上回ります。しかし、3.1 Proは純粋な抽象推論（ARC-AGI-2）と128Kトークン以上の長文コンテキスト検索で依然としてリードしています。より優れたモデルはワークロード分布に完全に依存します。

今すぐ3.1 Proから3.5 Flashにマイグレーションすべきですか？

状況によります。ワークロードがエージェント、多段階ツール呼び出し、ターミナル自動化、コーディングタスクに支配されている場合、マイグレーションは通常価値があります——より良いベンチマーク性能、約3倍高いスループット、低コストが得られます。長文コンテキストRAGや高リスクの推論でエラーが高コストな場合は、切り替える前に自分のプロンプトをまずテストしてください。

Gemini 3.5 Proはいつリリースされますか？

Gemini 3.5 ProはI/O 2026で発表されましたが、まだ一般提供されていません。現在、限定プレビュー中です。Googleは2026年6月の完全リリースを目標として示しました。現在のプロダクションProモデルはGemini 3.1 Pro Previewのままです。

Gemini 3.5 Flashには無料ティアがありますか？

はい、日次クォータ付きの無料ティアがあります。しかし、真剣なプロダクションエージェントワークロードには、無料ティアの制限に急速に達する可能性があります。ほとんどのプロダクションユースケースでは有料ティアを計画すべきです。

まとめ

Gemini 3.5 Flash vs 3.1 Proの分かれ目は、ほとんどのFlash vs Proの比較より明確です。Flashはプロダクションのように見える作業で勝ちます：エージェント、ツール呼び出し、ターミナルタスク、マルチモーダルグラウンディング。Proは研究のように見える作業で勝ちます：難しい推論、長文コンテキスト検索、新規推論。

エージェントワークロードにはデフォルトでFlashを使用してください。推論の重いリクエストと128K以上の長文コンテキスト検索のエスカレーションターゲットとしてProを利用可能な状態に保ってください。6月の3.5 Proリリースがマイグレーションスプリントではなくコンフィグ更新になるよう、今すぐフォールバックロジックを構築してください。

これが私のデータの終点です。ルーティング変更をプロダクションにコミットする前に、自分のタスク分布で実行してください。

過去の投稿：