2026秋・新作AIリリース祭り｜Gemini 3.8 Flash、コーディングも調べ物も互角。『やり切る』作業だけ、まだ差があります
Googleが2026年9月2日（日本時間9月3日未明）に発表したGemini 3.8 Flashを、Claude Fable 5.1・Opus 5・GPT-5.6 Sol/Terraと同じ条件で比較します。コーディング（DeepSWE）ではOpus 5とほぼ同点の73.7%、調べ物・知識系（GPQA Diamond・AA-LCR・LABBench2）でも軒並り上位。一方、複数ツールを横断して最後までやり切る作業（Terminal-Bench・OSWorld）では、昨日発表されたばかりのFable 5.1にもOpus 5にも届きません。単価は据え置きなのに、実測タスクコストは前モデルから約40%上がっているという第三者報告も。作業別の向き不向きと、自分の仕事にどちらが合うかを解説します。確認日は2026年9月3日です。「2026秋・新作AIリリース祭り」シリーズの2本目。
2026年9月2日（日本時間9月3日未明）、GoogleがGemini 3.8 Flash・3.8 Flash Cyberを発表しました。Intelligence Indexは59点で、Gemini 3.7 Flashから3ポイント上昇しています。ここまでは、もう他のニュースサイトでも読める話や。この記事では、そこに書かれていない切り口――コーディング・調べ物・最後までやり切る自動操作の3つに分けると、Gemini 3.8 Flashの実力ははっきり色分けできる、という発見まで、GPT-5.6・Claudeと条件をそろえて解説する。
結論：コーディングも調べ物も互角。『やり切る』作業だけ、まだ差があります
先に結論を書く。
Gemini 3.8 Flashは、コーディング力を測るDeepSWE v1.1で73.7%を記録しました。Claude Opus 5の74.0%と、わずか0.3ポイント差です。ほぼ互角と言えます。
調べ物・知識系の作業でも強い結果です。専門知識を問うGPQA Diamondでは463モデル中1位、長文読解を測るAA-LCRでは409モデル中3位、科学文献リサーチの指標LABBench2では6モデル中1位を記録しています。
一方、複数のツールを自分の判断だけで何十手も積み重ね、人の手を離れて最後までやり切る作業になると、話が変わります。汎用エージェント作業を測るTerminal-Bench 4.0では19.1%と、昨日発表されたばかりのFable 5.1の55.8%にも、Opus 5の51.8%にも大きく届きません。パソコンの操作を代行するOSWorld-2.0でも、Fable 5.1の77.9%・Opus 5の75.4%に対して59.0%と差がついています。
コーディングと調べ物は強い。やり切る系の自動操作だけ、まだ差がある。この1点だけを覚えて帰ってほしい。
価格は入力100万トークンあたり0.75ドル・出力3.75ドルで、前モデルのGemini 3.7 Flashから据え置きです。ただし、実際にかかる費用は違う話になります。それはこの記事の中盤で種明かしします。
この記事で分かること
- Gemini 3.8 Flash・3.8 Flash Cyberで何が発表されたか（性能・価格・安全機能）
- Claude Fable 5.1・Opus 5・GPT-5.6 Sol/Terraと、条件をそろえた総合力・価格の比較表
- 「単価は据え置き」なのに実費が上がっているという事実と、その理由
- コーディング・調べ物・やり切る系の自動操作、3つに分けたときの向き不向きと、自分の作業がどれに当たるかの見分け方
Gemini 3.8 Flash・3.8 Flash Cyberって何が発表されたんか
2026年9月2日午前8時18分（米国太平洋時間）、GoogleはGemini 3.8 FlashとGemini 3.8 Flash Cyberという2つのモデルを発表しました。日本時間では9月3日の未明にあたります。
基盤モデルは同一で、違うのはセーフガード（安全装置）の設定だけや。この構造は、昨日の記事で紹介したClaude Fable 5.1・Mythos 5.1と全く同じや。Gemini 3.8 Flashは一般向けに提供され、Gemini 3.8 Flash Cyberは新設の「Fairwind Program」という制度を通じて、政府機関・重要インフラ事業者・ソフトウェア保守者など、審査を通った「守る側」の組織だけに限定提供される。サイバーセキュリティの脆弱性を発見して自動でパッチを当てる能力に長けており、CyberGymでは20の言語にまたがって70%以上の発見成功率を記録している。危険なタスクを扱う専門家には強い能力を渡し、一般利用者には安全側に倒す、Fable 5.1・Mythos 5.1と同じ住み分けです。
Geminiアプリでは、AI Pro・Ultraプランで利用できます。APIはGoogle AI Studio・Android Studio・Antigravity・Gemini Enterprise・Google Sheets（Workspace）経由で提供されます。コンテキスト窓は入力1,048,576トークン、出力は最大65,536トークン。テキスト・画像・音声・動画を入力に受け付け、出力はテキストのみです。
仕様面では「MINIMAL」という一番軽い思考レベルが廃止されました。複雑なタスクでは、以前より多くの推論ステップとツール呼び出しを行うようになっている。この変更が、後で説明する「実は実費も上がっている」という話に直結してくる。
3週間ちょっとでもう3回目。Flashシリーズの更新ペース
このサイトを継続して読んでくれている人は覚えているかもしれへんけど、8月14日にはgemini-3-7-flashという記事で「3週間で次って早すぎん？」と書いた。今回はさらにその上をいく。
Gemini 3.6 Flashから3.7 Flash、そして今回の3.8 Flashまで、6週間のうちに3回目のFlashシリーズ更新になる。The Registerは、この投入ペースを「フロンティア級モデルの更新が追いついていない中での、地位回復を狙った動き」と報じている。中国のAI企業のオープンウェイトモデルに、ここ数ヶ月でスコアを追い上げられていた背景も指摘されている。
安いモデルを高頻度で磨き上げていく戦略は、価格に敏感な読者にとってはありがたい話や。ただし、その裏で何が起きているかは、次の章から順番に見ていく。
総合力と価格を並べてみる（2026年9月3日時点）
まず、総合的な賢さの指標であるArtificial Analysis Intelligence Indexで、主要モデルを並べます。確認日は2026年9月3日です。全モデル、括弧に相当する推論設定（reasoning effort）を表に明記しています。
| モデル | 入力/100万トークン | 出力/100万トークン | AA Intelligence Index | 設定 |
|---|---|---|---|---|
| Claude Fable 5.1 | $10.00 | $50.00 | 66 | max |
| Claude Opus 5 | $5.00 | $25.00 | 63 | max |
| GPT-5.6 Sol | $4.00 | $20.00 | 61 | max |
| Gemini 3.8 Flash | $0.75 | $3.75 | 59 | high |
| GPT-5.6 Terra | $2.00 | $12.00 | 57 | max |
| Gemini 3.7 Flash | $0.75※ | $3.75※ | 56 | high |
| Claude Sonnet 5 | $2.00 | $10.00 | 55 | max |
| Gemini 3.6 Flash | $0.75 | $3.75 | 52 | high |
| GPT-5.6 Luna | $0.20 | $1.20 | 52 | max |
※Gemini 3.7 Flash・3.8 Flashの価格は2026年12月31日までの導入価格です。終了後は入力1.50ドル・出力7.50ドルになる予定です（Google公表値）。GPT-5.6 Solは2026年8月21日値下げ後の価格で、少なくとも11月21日まで有効です。
一つ、この表を見るときに注意してほしいことがある。**測定条件が揃っていない。**GeminiだけがhighでArtificial Analysisに登録されていて、それ以外はmax設定になっとる。だから、この表は「総合力の順位を見るためのもの」であって、「全モデルを完全に同じ条件で走らせた結果」やない。
Gemini 3.8 Flashは、Opus 5やFable 5.1と3〜7ポイントしか離れていない指数を、価格は7分の1〜13分の1で出しています。単純な指数対価格だけ見れば破格や。ただし、その「破格」がどの作業にも同じように効くわけやない、というのがこの記事の核心になる。
「安い」だけやない。実は実費も上がっている
ここが、この記事でいちばん伝えたい部分の一つになります。
Gemini 3.8 Flashの入力・出力単価は、Gemini 3.7 Flashから1円も変わっていません。100万トークンあたり入力0.75ドル・出力3.75ドルのままです。
一方でArtificial Analysisは、実際にIntelligence Indexのタスクを走らせた実測値として、Gemini 3.8 Flash（high設定）のタスク当たりコストが0.58ドルになったと報告しています。Gemini 3.7 Flash（high設定）は0.40ドルやったから、約40%の上昇や。原因は、平均出力トークンが約30%増えて約48,000トークンになったことと、複雑なタスクでツールを呼び出す往復回数が増えたこと。単価が上がったわけやない。
**昨日配信したclaude-fable-5-1-benchmark-costと、まったく同じ構造です。**Claude Fable 5.1も、キャッシュ価格は75%下がった一方で、平均タスクコストはFable 5から約20%上がっていました。単価は据え置き、でも複雑な仕事をより粘り強くこなすぶん、出力トークンが増えて実費が膨らむ。**2日連続で、別の会社のモデルでも同じ現象が確認できた。**2026年秋に立て続くモデル更新に、共通するパターンとして覚えておいて損はない。
ちなみに、Gemini 3.8 Flash（high）のタスク当たりコスト0.58ドルは、昨日のFable 5.1（3.69ドル）の約6分の1にあたります。ただしFable 5.1のIntelligence Indexは66点、Gemini 3.8 Flashは59点。7ポイントの指数差に対して、実費は6倍以上違う。安さと賢さ、どちらを取るかは、次章で見る「作業のタイプ」次第になる。
3つに分けると、実力がはっきり色分けできる
ここが、この記事の核。総合指数だけを見て「Geminiが強くなった」で終わらせず、公表されているベンチマークを3つに分けて並べてみる。
①コーディングは、ほぼ互角
| ベンチマーク | Gemini 3.8 Flash | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|
| DeepSWE v1.1 | 73.7% | 74.0% | 72.7% |
Google公式評価資料で3モデルを同一条件で比較した数値です。差はわずか0.3ポイントです。ソフトウェア開発のコーディング作業なら、Gemini 3.8 FlashはOpus 5とほぼ同じ結果を、7分の1の価格で出せます。
**ここにFable 5.1が入っていないのは、AnthropicがFable 5.1のDeepSWEスコアを公表していないためや。**確認できない数字は載せない、というこの記事の方針どおり、①ではOpus 5・GPT-5.6 Solとの比較にとどめている。③では逆にAnthropicがFable 5.1の数値を自ら公表しているため、比較に加えられる。
②調べ物・知識は、むしろ強い
| ベンチマーク | 何を測るか | Gemini 3.8 Flashの成績 |
|---|---|---|
| GPQA Diamond | 大学院レベルの専門知識を問う設問 | 95.3%（463モデル中1位） |
| AA-LCR（長文読解） | 長い文書を読んで正確に答える力 | 82.0%（409モデル中3位） |
| LABBench2 | 科学文献を調べて答える、リサーチエージェント向けの指標 | 86.2%（6モデル中1位） |
出典はBenchmarkList（Artificial AnalysisおよびGoogle公式評価資料の集計サイト）。Claude Opus 5・GPT-5.6 Solの同じ3指標での直接比較値は裏取りできる一次情報が見つからなかったため、ここではGemini 3.8 Flash自身が記録した順位として紹介する。数百モデルの中でこの順位は、調べ物・リサーチ用途では十分「使える」と言い切れる水準や。
③最後までやり切る系の自動操作は、まだ差が大きい
| ベンチマーク | 何を測るか | Gemini 3.8 Flash | Claude Fable 5.1 | Claude Opus 5 | GPT-5.6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 複数ツールを横断し、自分の判断で最後までやり切る汎用エージェント作業 | 19.1% | 55.8% | 51.8%※ | 37.3% |
| OSWorld-2.0（Partial） | パソコン操作の代行（コンピュータユース） | 59.0% | 77.9% | 75.4% | 62.6% |
※Opus 5のTerminal-Bench 4.0は、Google公式評価資料では51.8%、Anthropicの発表資料では52.3%と、測定元によって0.5ポイントだけ異なる。エージェント系ベンチマークは実行のたびに結果がぶれるため、この程度の差は測定元の違いとして扱ってほしい。
**ここはGoogleの公式資料だけやなく、Anthropicが自ら発表した数字も合わせて並べてみた。**Terminal-Bench 4.0では、Fable 5.1の55.8%・Opus 5の51.8%・GPT-5.6 Solの37.3%に対して、Gemini 3.8 Flashは19.1%。Fable 5.1やOpus 5の3分の1程度にとどまる。OSWorld-2.0でも、Fable 5.1の77.9%・Opus 5の75.4%に対してGemini 3.8 Flashは59.0%と、2割前後の差がついている。これがGemini 3.8 Flashの、今のところの弱点や。
ここで一つ、注意しておきたいことがある。Googleの公式評価資料には「Terminal-Bench 2.1」と「Terminal-Bench 4.0」という別バージョンが両方載っている。2.1のほうでGemini 3.8 Flashは89.4%という高スコアを記録しているが、これは2.1という旧バージョン内での順位で、より難度の高い4.0とは別物や。バージョンを混同して「Terminal-Benchで90%近く取れる」と読むのは間違い。この記事では、他モデルと同一条件で比較できる4.0の数値だけを使っている。
まとめると、①コーディングと②調べ物・知識は強いです。③の「自分の判断だけで何十手も積み重ねて、人の手を離れて最後までやり切る」作業だけ、まだFable 5.1にもOpus 5にも届きません。「何でも屋としてはまだ厳しい」とひとまとめにするのは不正確で、調べ物・リサーチに使えるかという疑問には、むしろ強く「使える」と答えられます。
自分の作業に当てはめる
ここまでの内容を、実際の仕事に当てはめてみる。社内マニュアルのコード修正、業界動向の調べ物、複数ツールを横断する情報収集の自動化、3種類の作業をAIに任せているCさんの例を追いながら、自分の状況を3列表に書き込んでほしい。
| 確認項目 | 具体例（Cさんの場合） | 自分に置き換える欄 |
|---|---|---|
| 主にやらせている作業を3分類に仕分ける | コード修正＝①コーディング型。業界動向の調べ物＝②調べ物・知識型。複数ツールを横断する自動収集＝③やり切る型 | ＿＿＿＿ |
| その分類でGemini 3.8 Flashはどうか | ①はOpus 5と互角（73.7%）。②はGPQA Diamond等で軒並み上位。③はFable 5.1・Opus 5に届かない（19.1%対55.8%・51.8%） | ＿＿＿＿ |
| Gemini 3.8 Flashへ替えた場合の見込み | コード修正と調べ物（作業の2/3）はGemini 3.8 Flashへ。情報収集の自動化（1/3）はOpus 5やFable 5.1のまま残す | ＿＿＿＿ |
| 判定 | 作業を3分類で仕分ければ、2/3の作業で実費を7分の1程度に抑えられる | ＿＿＿＿ |
判定の目安は次の3つや。
- コーディングか調べ物中心の作業は、Gemini 3.8 Flashへ切り替える価値が高い
- 複数ツールを横断して最後まで自動でやり切らせる作業は、今のところOpus 5やFable 5.1を残しておいたほうが安心
- どちらか分からない作業は、まず1つ選んで実際に試してみる。全部を一気に切り替える必要はない
OpenAIの「Astra」も、もうすぐ来る
「2026秋・新作AIリリース祭り」というシリーズ名のとおり、今回のGemini 3.8 Flashだけで秋の動きが終わるわけやない。OpenAIの次期モデル「Astra」も、もうすぐ来る。
Astraは、2026年9月3日時点でまだリリースされていません。8月7日には、Astraのサイバーセキュリティ関連能力を理由に、OpenAIがリリースを慎重に進めていると報じられました。9月1日には、Astraの高度なサイバーセキュリティ機能へのアクセスを制限する方針が発表されています。ExploitBenchで満点を記録し、OpenAI社内のテスト環境で実際に2件のゼロデイ脆弱性を発見・悪用したと報じられています。価格・総合指数・提供開始日は、いずれもまだ公表されていません。
Astraが実際に出た段階で、このシリーズの3本目として、性能と価格を同じ条件で比較します。今日時点で言えるのはここまでや。
よくあるつまずき
総合指数だけを見て判断してしまう
Intelligence Indexの59点という数字だけを見て「Opus 5に近づいた」と判断するのは早いです。①コーディングと②調べ物・知識は強い一方、③やり切る系の自動操作は大きく劣る。総合指数は、この差を平均してしまう。自分がよく使う作業がどの分類かを、まず確かめてほしい。
3分類のうち1つの結果を、全部の作業に当てはめてしまう
「コーディングで互角だったから、自動化エージェント作業も任せて大丈夫」と考えると、Terminal-Bench 4.0で19.1%しか出ていない現実とぶつかる。逆に「やり切る系が弱いから、調べ物にも向いていない」と考えるのも間違い。GPQA Diamond等では上位に入っている。分類ごとに判断してほしい。
Terminal-Benchのバージョンを混同してしまう
「Terminal-Benchで89.4%」という数字を見かけたら、それは旧バージョンの2.1の可能性が高いです。Opus 5・GPT-5.6 Solと同じ条件で比較できるのは4.0の19.1%のほうです。バージョンが違う数字同士を並べて比較しないよう気をつけてほしい。
期間限定価格を年間計画に使ってしまう
Gemini 3.8 Flashの0.75ドル/3.75ドルは、2026年12月31日までの導入価格です。年をまたぐ計画を立てるなら、2027年以降の予定価格（1.50ドル/7.50ドル）で計算しておいたほうが安全になります。
よくある質問
Gemini 3.8 Flashはコーディングに使えますか
はい。コーディング力を測るDeepSWE v1.1で73.7%を記録し、Claude Opus 5の74.0%とほぼ同点です。価格はOpus 5の7分の1のため、コーディング・デバッグ中心の作業では価格対性能が際立つ可能性が高いです。
Gemini 3.8 Flashはリサーチに使えますか
むしろ強い領域です。専門知識を問うGPQA Diamondでは463モデル中1位、長文読解を測るAA-LCRでは409モデル中3位、科学文献リサーチの指標LABBench2では6モデル中1位を記録しています。調べ物中心の作業には十分使える水準です。
複数ツールを横断する自動化・エージェント作業には使えますか
まだ慎重に判断したほうがよい領域です。汎用エージェント作業を測るTerminal-Bench 4.0では19.1%と、Fable 5.1の55.8%・Opus 5の51.8%に大きく届きません。パソコン操作の代行を測るOSWorld-2.0でも同様の差があります。この用途は、今のところOpus 5やFable 5.1を残しておくほうが安心です。
GeminiアプリのPro/Ultraプランでも使えますか
はい。AI Pro・Ultraプランで利用できます。APIはGoogle AI Studio・Android Studio・Antigravity・Gemini Enterprise・Google Sheets（Workspace）経由でも提供されています。
OpenAIの「Astra」はどうなりますか
2026年9月3日時点で、Astraはまだリリースされていません。サイバーセキュリティ関連能力を理由にリリースが慎重に進められており、価格・指数・提供開始日は公表されていません。提供が始まり次第、このシリーズで比較する予定です。
「安い」のに実費が上がっているのはなぜですか
Gemini 3.8 Flashの入力・出力単価は、Gemini 3.7 Flashから変わっていません。ただしArtificial Analysisの実測では、複雑なタスクで出力トークンが約30%増え、ツール呼び出しの往復も増えたため、タスク当たりコストは約40%上がっています。単価は据え置きでも、実際にかかる費用は変わる、という構造です。
まとめ｜今日決めること
Gemini 3.8 Flashは、コーディング力でOpus 5とほぼ互角、調べ物・知識系の作業では数百モデル中トップクラスの順位を記録しました。一方、複数ツールを横断して最後までやり切る自動操作では、昨日発表されたばかりのFable 5.1にもOpus 5にも届いていない。「①②は強い、③だけ弱い」という色分けが、この記事の核心や。
単価は据え置きなのに、実測タスクコストは前モデルから約40%上がっている。昨日のFable 5.1と全く同じ構造が、2日連続で別の会社のモデルでも確認できた。2026年秋に立て続くモデル更新に共通するパターンとして、覚えておいて損はない。
今日やることは一つでいい。上の3列表に、自分の主な作業と、それが3分類のどれに当たるかを書き込んでみてほしい。コーディングか調べ物中心なら、乗り換える価値は高いです。やり切る系の自動操作が中心なら、今のモデルを残しつつ様子を見るのが安心や。
昨日配信した前作を読んでいない人は、まずこちらから読んでほしい。
Claude Fable 5.1登場。総合スコアは世界一、でも1タスクの実費は20%上がってますの記事を読む
「最後までやり切る力」を測る指標について詳しく知りたい人は、こちらが役に立ちます。
