Google、Gemini 3.8 FlashとCyber版を公開

Googleが新モデル「Gemini 3.8 Flash」と、サイバーセキュリティに特化した「Gemini 3.8 Flash Cyber」を発表しました。前者はコーディングや自律的なタスク遂行に強い汎用モデル、後者は脆弱性の発見と自動修正に特化したモデルです。わずか6週間の間にFlashシリーズの新版を3回投入する異例のペースで、Googleが開発者・エンタープライズ向けAIの主戦場をどれだけ重視しているかがうかがえます。

背景と文脈
技術/ビジネス面
これからどうなるか
まとめ
参考リンク

背景と文脈

Gemini Flashシリーズは、Googleの主力モデル「Gemini」のうち、速度とコストのバランスを重視した軽量な系統です。フロンティア級の最上位モデルほどの性能を持たない代わりに、応答速度や利用コストの面で扱いやすく、実運用に組み込みやすい立ち位置にあります。今回の3.8世代は、3.5系や3.6系、3.7系といった直近の刷新からわずか数週間というハイペースでの投入となり、Googleがモデル改良のサイクルを急速に短縮していることを示しています。

背景には、コーディングエージェントやカスタマーサポート自動化など、エージェント型AI（人間の逐一の指示なしに、複数の手順を自律的にこなすAIの利用形態）の実運用が急速に広がっている事情があります。エージェント型の用途では、1回の応答品質だけでなく、ツール呼び出しを繰り返しながら長時間タスクを遂行する能力が問われるため、Googleは反復的な推論とツール利用の強化に注力してきました。

もう一つの背景がサイバーセキュリティ分野への本格参入です。攻撃側もAIを使ったコード解析や攻撃自動化を進めており、防御側の対応スピードが追いつかない状況が指摘されてきました。Googleは今回、汎用モデルとは別にセキュリティ専用モデルを切り出すことで、防御側の実務に特化した性能を追求する路線を明確にした形です。ChromeやAndroidなど自社の大規模プロダクト群を抱えるGoogleならではの、実運用データを生かした専用モデル戦略ともいえます。

技術/ビジネス面

a black and white photo of a tall building — Photo by WELLSTUDIO on Unsplash

Gemini 3.8 Flashは「もっとも知的なワークホースモデル」と位置づけられ、ソフトウェア工学や自律タスク、専門分野の推論で大きく性能を伸ばしています。複雑な課題に対しては追加の推論ステップを重ね、ツール呼び出しを繰り返しながら粘り強く取り組む挙動が特徴です。価格は現行の3.7系と同水準に据え置かれており、2026年内は入力100万トークンあたり0.75ドル、出力は3.75ドルという導入価格が適用されます（2027年1月以降は1.5ドルと7.5ドルに改定予定）。長時間のソフトウェア開発タスクを測るDeepSWE v1.1（実際のコード修正を模した継続的なベンチマーク）では、より大きなフロンティアモデルを上回る結果を記録し、専門分野をまたぐ多段階推論を測るHLE-Verifiedでも54.9%を達成しています。

もう一方のGemini 3.8 Flash Cyberは、脆弱性の検出と自動パッチ生成に絞り込んだモデルです。脆弱性検出のベンチマークCyberGymで従来モデルを上回り、20のプログラミング言語を横断する社内評価では成功率70%を超えました。修正パッチの正確さを測るCWE-Benchでは47.2%の合格率を記録し、他社の商用モデルより低コストで運用できるとしています。実際にChromeのセキュリティチームが利用したところ、商用の代替モデルに比べて2.6倍多くの正しいパッチを生成できたといいます。Cyber版は、Fairwind Programという信頼された防御担当者向けの枠組みを通じてのみ提供されます。

これからどうなるか

両モデルとも、化学・生物・放射性物質・核兵器（CBRN）関連の悪用やサイバー攻撃への転用を防ぐための安全対策が、Googleの「フロンティア安全性フレームワーク」に基づいて組み込まれています。特にプロンプトインジェクション（外部から埋め込まれた指示によってAIの挙動を乗っ取ろうとする攻撃）への耐性が強化されている点は、外部ツールやWebページの内容を読み込みながら動くエージェント型AIを実運用する開発者にとって見逃せないポイントです。

Gemini 3.8 Flashは、Google AI StudioやAndroid Studio、開発者向け環境のGoogle Antigravityからすぐに利用できます。同水準の価格でツール呼び出し能力が上がったことで、既存のエージェント実装をほぼコストそのままにアップグレードできる可能性があります。手元のCIパイプラインやコードレビュー自動化にGeminiを組み込んでいるチームは、まず評価用のベンチマークを回してから切り替えを検討する価値がありそうです。