8月13日、Googleが「Introducing Gemini 3.7 Flash」と題した記事を公開した。Geminiファミリーの中でレイテンシとコストを抑えた軽量ラインに位置する「Flash」系列の最新世代であり、コーディング・Web開発・専門文書処理のいずれの領域でも前世代から大幅な数値改善が確認されている。
LLMをエージェントとして使う動きが加速する2026年において、「安くて速い」だけでなく「実務タスクを自律的にこなせる」モデルへの需要は急増している。Flash系列は上位モデルである「Pro」と異なり、API経由での大量呼び出しやエージェントフレームワーク内での反復実行を想定した設計が特徴だ。今回の3.7 Flashは、その実用性をさらに引き上げた世代として位置づけられる。
コーディング性能が前世代比で最大+16pt
コーディングタスクにおける数値の伸びは際立っている。Googleが掲げるベンチマーク結果は以下の2点だ。
- **FrontierCode 1.1 Main：43.6%**（3.6 Flashは34.4%、約9ポイント改善）
- **DeepSWE v1.1：65.3%**（3.6 Flashは49.0%、約16ポイント改善）
FrontierCodeはCognitionが公開するコーディング能力評価ベンチマーク、DeepSWEはソフトウェアエンジニアリングタスクにおけるモデルの自律的な問題解決能力を測る評価指標だ。
具体的な改善点として挙げられているのは、デバッグ・issue解決といった実務的な作業での精度向上と、初回プロンプトでの正確なコード生成率（first-pass code accuracy）の向上だ。「1回のプロンプトで動くコードが返ってくる確率」が上がっている点は、プロダクション開発の文脈では実際の工数削減に直結する。
Web開発・UI生成でも前世代を上回る
Webアプリ開発領域では、より少ないプロンプト回数で機能的なレイアウトや機能完全なアプリを生成できるようになったとされている。UI生成においては、スクリーンショット・画像・フルデザインシステムのいずれを参照入力として与えた場合でも、デザインへの忠実度が高い点が評価されている。
Arena.aiが公開するWebアプリ開発特化リーダーボード「WebDev Arena」では、Eloスコアで1588（3.6 Flashは1538）を記録し前世代を上回った。Eloスコアはチェスや将棋の棋力評価に使われる相対的な強さの指標であり、Arena.aiではユーザーが複数モデルの出力を比較評価することでランキングを構築している。
知識集約領域と業務自動化でも約2倍の伸び
金融・法律・生命科学といった知識集約型の専門領域でも改善が報告されている。
複雑なドキュメント処理能力を測る「GDP.pdf benchmark」では**34.0%（3.6 Flashは22.0%）を記録。さらに、Zapierが公開する実業務ワークフローの自動化能力を測る「AutomationBench」では30.4%**（3.6 Flashは17.0%）と、ほぼ2倍近い伸びを示している。
AutomationBenchは「メール送信」「スプレッドシート更新」のような現実のビジネス業務をモデルが実際に完了できるかを評価するベンチマークだ。この領域での改善幅は、単純な文書QAにとどまらず、複数ステップの業務フローをモデルが自律的にこなせるようになってきていることを示す結果として読み取れる。エージェントフレームワークへの組み込みを検討している開発者にとっては、見逃せない数字だ。
利用方法
Gemini 3.7 FlashはGoogle AI StudioおよびVertex AIのAPIを通じて利用可能となっている。Flash系列の特性上、コスト効率を重視したプロダクション用途や、エージェントフレームワーク内での反復呼び出しといったシナリオでの評価が今後進むとみられる。
詳細はIntroducing Gemini 3.7 Flashを参照していただきたい。
