GoogleはGemini 3.5 Flashの評価結果を公式ブログとモデルカードで示した。コーディング分野の中心は、ターミナル環境でエージェント型の作業を測るTerminal-Bench 2.1で、Terminus-2ハーネスを用いた条件で76.2%だった。これはGemini 3.1 Proの70.3%とGemini 3 Flashの58.0%を上回り、Claude Opus 4.7の66.1%も超えた。一方、GPT-5.5は78.2%で、3.5 Flashを上回った。

もう一つのコーディング指標SWE-Bench Pro(Public)では、単回試行で55.1%だった。3.1 Proの54.2%をわずかに上回ったものの、Opus 4.7の64.3%とGPT-5.5の58.6%には届かなかった。指標によって順位が入れ替わるため、Flashが全てのコーディング評価で最上位という結果ではない。

Googleは併せて、複数ステップのMCPワークフローを測るMCP Atlasで83.6%、専門業務のGDPval-AAで1656 Elo、図表推論のCharXiv Reasoningで84.2%を挙げ、3.1 Proを上回ったと説明した。出力速度は他のフロンティアモデル比で毎秒出力トークン数で約4倍とも述べている。これらの数値はGoogleが公表した測定であり、ハーネスや試行条件が異なれば順位も変わり得る。

出典・関連資料

コメント 公開後に受付予定

記事の内容について意見・情報をお寄せください。投稿は確認後に表示されます。

コメント投稿・いいねは現在停止しています。