Home/Blog
7 min read

Google が両端を攻める — Gemini 3 Deep Think と 3.1 Flash-Lite の二正面作戦

googlegeminillmapicontext-engineering

2026年3月、Google が両極から動いた

2026年3月初旬、Google は正反対の性格を持つ2つのモデルをほぼ同時に市場に投入した。

Gemini 3 Deep Think（Ultra 向け GA / 研究者・企業向け API 早期アクセス）は、AI の推論能力の限界を塗り替える旗艦モデルだ。Gemini 3.1 Flash-Lite（2026年3月3日 GA）は、1M 入力トークンあたり $0.25 という価格で前世代比 2.5 倍の速度を出すコスト破壊モデルだ。

フロンティアとコスト底辺を同時に更新する。これが Google の 2026年第1四半期の戦略だった。

Gemini 3 Deep Think — ベンチマークが示す推論の到達点

主要ベンチマーク比較

ベンチマークGemini 3 Deep Thinko3 / GPT-5.4DeepSeek R1人間の平均
ARC-AGI-284.6%~75%-~60%
Humanity's Last Exam48.4%26.6%（Deep Research）9.4%~80%
Codeforces Elo3455（Legendary Grandmaster）--上位0.1%

ARC-AGI-2 は「暗記ではなく適応推論」を測るベンチマークで、AI が新規パターンをゼロから解くことを要求する。人間の平均 60% を Deep Think が 84.6% で超えた。

Humanity's Last Exam（HLE）は各分野の専門家が作成した難問集だ。人間でも正解率が約 80% に留まる設問が並ぶ中、Deep Think は 48.4% を記録した。1年前に o3 が約 9% だった時点でも「AI の進歩は早い」と騒がれたが、48.4% という数字はその話を全面的に書き直す。

なぜここまで上がったか — test-time compute の実装

Deep Think は「推論に使う時間を増やす」アプローチで性能を上げる。

アプローチ説明
複数仮説の並列探索回答を一本に絞らず、複数の推論パスを同時に走らせる
iterative reasoning問題を小分けにして繰り返し検証する
文脈長に依存しない精度長い入力でも推論精度を落とさない設計

この仕組みは「コンテキストエンジニアリング」の観点から重要だ。Function Calling や RAG でどれだけ精緻な文脈を与えても、モデル自体が多段推論を苦手にしていれば結果が出ない。Deep Think はモデル側で多段推論を内包している。

現実世界での実証

Rutgers 大学の数学者が過去に人間のピアレビューを通過した論文の論理的欠陥を Deep Think に指摘させたところ、見落とされていた誤りを特定した。ベンチマークの数字が実務でも成立することを示す事例だ。

Gemini 3.1 Flash-Lite — コスト・速度でのフロア更新

前世代との比較

指標Gemini 2.5 FlashGemini 3.1 Flash-Lite変化
入力価格$0.30/M$0.25/M-17%
出力価格$2.50/M$1.50/M-40%
Time to First Tokenベースライン2.5倍高速-
出力スループットベースライン45%向上-
コンテキストウィンドウ-1.0M トークン-

出力価格の 40% 削減は数字以上の意味を持つ。API コストの大半はアウトプットに乗る。大量生成ワークロード（コンテンツ生成、要約、データ変換）ではランニングコストが直接変わる。

thinking level 制御が使えるようになった

Flash-Lite は minimal / low / medium / high の thinking レベルを指定できる。簡単なタスクは minimal で高速処理し、複雑な判断は high でじっくり推論する。1つのモデルで用途に応じたコスト・速度のトレードオフを制御できる。

# Gemini 3.1 Flash-Lite — thinking level の指定例
import google.generativeai as genai

model = genai.GenerativeModel("gemini-3.1-flash-lite-preview")
response = model.generate_content(
    "このコードのバグを特定してください: ...",
    generation_config=genai.GenerationConfig(
        thinking_config={"thinking_budget": "high"}  # 複雑な問題には high
    )
)

# 単純な分類タスクには minimal で高速化
response = model.generate_content(
    "このテキストをカテゴリ分類してください: ...",
    generation_config=genai.GenerationConfig(
        thinking_config={"thinking_budget": "minimal"}
    )
)

「どちらを使うか」の判断基準

ユースケース推奨モデル理由
科学的問題・数学・論理パズルDeep Think多段推論が必要
競技プログラミングレベルの実装Deep ThinkCodeforces 3455 Elo の実力
大量テキスト処理（要約・翻訳・分類）Flash-Lite低コスト・高スループット
リアルタイムチャット・ストリーミングFlash-Lite低レイテンシが優先
RAG + 検索結合型応答Flash-Lite（thinking: low〜medium）コスト効率と精度のバランス
高度なコードレビュー・設計判断Deep Think複雑な文脈の多角的検証が必要

日本への示唆

Vertex AI 経由での利用がエンタープライズ標準になりつつある

日本の大企業では AWS Bedrock か Google Vertex AI を経由した API 利用が主流だ。Gemini 3.1 Flash-Lite は Vertex AI に本番対応済みで、既存の GCP 契約に乗せて使える。

観点日本企業への影響
調達コスト出力価格 -40% はバッチ処理コストに直結する
データガバナンスVertex AI ではデータが Google のトレーニングに使われないオプションあり
契約関係既存の Google Workspace 契約企業は商談ルートが短い

「推論モデルを使う場面」の判断が次のスキルになる

Flash（速い・安い）と Deep Think（遅い・高い・賢い）の使い分けは、今後のアーキテクチャ設計で避けられない判断だ。

エージェント設計では特に重要になる。メインの判断ループに Deep Think を使い、サブタスクの実行に Flash-Lite を使うような 階層的モデル配置 が現実的なパターンになる。

User Query
  └─ Orchestrator（Deep Think）: タスク分解・戦略決定
       ├─ Tool Call 1（Flash-Lite）: 検索・データ取得
       ├─ Tool Call 2（Flash-Lite）: コード実行・変換
       └─ Final Response（Deep Think）: 統合・品質チェック

この構成は MCP（Model Context Protocol）ベースのエージェントでそのまま実装できる。

ベンチマークの読み方自体が重要になった

HLE 48.4% は「人間の専門家でも 80% しか取れない問題を AI が半分近く解く」状況を意味する。この数字を「まだ半分しか解けない」と読むか「1年で 9% から 48% になった」と読むかで、AI への投資判断が変わる。

日本の経営者・意思決定者にとって、ベンチマークの意味を自分で解釈できることが戦略的優位になりつつある。

まとめ

  • Gemini 3 Deep Think は ARC-AGI-2 84.6%・HLE 48.4%・Codeforces Legendary Grandmaster を達成。推論フロンティアを更新した
  • Gemini 3.1 Flash-Lite は $0.25/M・2.5倍速で前世代を破壊的に更新。バッチ処理コストが 40% 下がる
  • Google は「最強の推論」と「最安のスループット」を同時に市場投入する戦略を取っている
  • エンジニアに求められるのは「どの問題にどのモデルを使うか」の判断能力
  • 日本のエンタープライズは Vertex AI を通じて今すぐ両モデルにアクセスできる

参考リンク

Edit on GitHub