Gemini 3.5 Flash、Terminal-Bench 2.1で76.2%を達成 — 他フロンティアモデルより4倍高速・コスト半額以下

概要

※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。

Googleは2026年5月19日のGoogle I/O 2026でGemini 3.5 Flashを正式発表した。コーディングおよびエージェント型タスクに最適化された軽量フロンティアモデルで、コーディングベンチマーク「Terminal-Bench 2.1」で76.2%（前世代Gemini 3.1 Pro比+5.9pt）を達成。出力トークンあたりの速度は他フロンティアモデルの4倍、コストは半額以下とGoogleは主張している。

事実のポイント

• 発表日：2026年5月19日（Google I/O 2026）
• Terminal-Bench 2.1（コーディングベンチマーク）：76.2%（前世代Gemini 3.1 Proの70.3%から+5.9pt）
• GDPval-AA（実世界エージェントベンチマーク）：1656 Elo
• MCP Atlas：83.6%
• MMMU-Pro（マルチモーダル理解）：83.6%（GPT-5.5の81.2%を上回る）
• ARC-AGI-2ではGPT-5.5（84.6%）に対し72.1%と劣後
• API料金：入力150万トークンあたり1.50ドル、出力100万トークンあたり9ドル
• Gemini 3.5 Proは同時内部利用開始だが、広範な一般提供は2026年6月以降予定

用語・背景の補足

Terminal-Bench: コーディングエージェントの実力を評価するベンチマーク。実際の開発タスク（ターミナル操作・コード修正・デバッグ等）を自律的にこなせるかを測定する。バージョン2.1は2026年のフロンティアモデル評価に広く用いられている。

エージェントベンチマーク（GDPval-AA等）: AIが複数ステップのタスクを自律的に達成できるかを評価する指標。「コードを書く→テスト実行→エラー修正→完了」のような連続タスクを対象にする。

Flash vs. Pro: Googleのモデルラインナップでは「Flash」が速度・コスト重視の軽量モデル、「Pro」が精度重視の高性能モデルを指す慣例がある。Gemini 3.5 FlashはPro級のコーディング性能を軽量モデルで実現したと位置づけられる。

注意点

• ベンチマーク数値はGoogle公式発表値であり、第三者による独立評価と乖離がある可能性がある
• 「4倍高速・半額以下」の比較対象となる「他フロンティアモデル」の具体的な組み合わせは公式発表の詳細を要確認
• Gemini 3.5 Pro（より高性能版）の一般提供は2026年6月以降の予定

編集部見解

（追記予定）