Gemini 3.8 Flash登場：ソフトウェアエンジニアリングとエージェント知識ワークフローを強化

私は個人的な旅行計画アプリにGemini 3.7を使っています。複数のベンチマークで、試したすべての項目で上位にランクされています：

- 実世界の知識（何がいつ開閉するか、地理的地域、歴史的事実）。また、場所の集まりから訪問順序を組み立てるのも最も得意です。

- 写真のランキング（どの写真をヒーローにするか）。Geminiは、写真がそのものの写真なのか、それともそこからの眺めなのかを判断できます。

- 文書解析（PDFから関連する旅行情報を抽出する）。

コーディング以外にLLMを使うなら、他のモデルの方が人気があるからといって、私がそうだったようにGeminiを軽視しないことを強くお勧めします。

現在、https://deepswe.datacurve.ai でトップです - Opus 5を破っています！

https://artificialanalysis.ai/models/gemini-3-8-flash は、インテリジェンススコア59で、Opus 5 mediumと同じです！

うわー、フラッシュモデルとしては、これはベンチマークで強力な結果を出しているようです。実際に使ってみた感じはまだわかりませんが。

ペリカン（思考努力：高、中、低）：https://tools.simonwillison.net/markdown-svg-renderer?url=ht... - 高コスト 8.9742セント

比較用の3.7のペリカンはこちら：https://tools.simonwillison.net/markdown-svg-renderer.html?u... - 高コスト 8.4387セント

（3.8では、3.7と比較して思考レベル低は後退していると思います。）

Geminiモデルで最も興味深い点は、依然としてマルチモーダルサポートです。音声と動画の入力を受け付けますが、OpenAIとAnthropicのフラッグシップはまだ画像のみです。

また、Gemini Flashはかなり安価なので、画像や動画から構造化データを抽出するようなメディア分析に最適なファミリーです。

人々は最近Geminiを軽視してきましたが、ここ最近のFlashリリース（非常に急速でした）は本当に素晴らしいです。

この種の高速で安価なモデルは、検証可能で無限に再試行できるタスク（コーディングなど）に最適で、優れたハーネスを使えば、基本的にフロンティアレベルの結果を（時間とコストをほんの一部で）得ることができます。

このモデルをAPIではなくGoogleサブスクリプション経由で使っている人はいますか？ 以前、gemini cliとagy（codexやclaude codeによって呼び出されるヘッドレス）を使って試しましたが、信じられないほどバグが多く、1/2の確率で停止してしまい、解約しました。それが変わったかどうか知りたいです！

ここでのGoogleの戦略は気に入っています。最近のこれらの新しいFlashモデル（Flash 3.6、3.7、そして今回の3.8）は、明らかに、はるかに大きな未公開モデル（噂によるとGemini 3.5 Pro）から蒸留されています。

モデルリリースのあまり議論されない側面の一つに、キャッシュの無効化（基盤となるアーキテクチャ、重み、またはトークナイザーの変更）があります。Googleは、2月にリリースした最後の「Pro」バージョン（3.1）から最大限を引き出そうとしているように思えます。

小さなモデルが大きな兄弟に追いついてきているのは、素晴らしいニュースです。

うわー、これは3.7 Flashから3、4週間後で、それも3.6 Flashから3、4週間後だったと思います。

詳細な情報を待ち望んでいますが、Demisが指揮を執らずにDeepmindが解き放たれ、フルスピードで動いているように聞こえますね？驚きです！

この時点でネタですが、3.5 Proはどこにあるのでしょうか :)

定期的なアップデートと段階的な改善という戦略がうまく機能しているようです。興味深いことに、Artificial Analysis Intelligence Indexスコアで最大のジャンプは、推論レベル中（3.7は低、中、高で51、53、57、3.8はそれぞれ52、57、59）です。低い推論レベルでのスコアは、モデルの能力をより示していると思います。なぜなら、高い推論レベルはベンチマーク最大化に焦点を当てているからです。私たちは本番環境で最も低い推論レベルを使用しており、良い結果が得られています。