Gemini 3.8 Flash、長期稼働型コーディングエージェントを強化—ただし移行にはサンプリングと思考パラメータの調整が必要

Googleは`gemini-3.8-flash`を正式提供（GA）とし、その位置付けを低レイテンシのチャットモデルから、長期稼働型ソフトウェアエンジニアリング、ツールオーケストレーション、企業のナレッジワークへとさらに広げた。同モデルはテキスト、画像、音声、動画、PDFを入力でき、100万tokenの入力コンテキストウィンドウと最大64K tokenのテキスト出力に対応するほか、function calling、検索、コンピュータ操作もサポートする。開発者は`low`、`medium`、`high`の3つのthinking levelから選び、品質、レイテンシ、token消費量のバランスを調整できる。デフォルトはmediumで、minimalには対応しない。

Googleは3.8 FlashをAntigravityマネージドエージェントおよびSDKのデフォルト基盤モデルに変更した。これは、今回のアップデートが単発の質疑応答スコア向上だけでなく、複数ステップの実行を重視していることを示す。公式発表によると、DeepSWE v1.1の長期稼働型ソフトウェアエンジニアリングにおける成功率は70％超、HLE-Verifiedは54.9％、Vals Finance Agent v2は61.4％だった。ただし、モデル間のスコアには各プロバイダーが公表した数値がそのまま使われている可能性がある。Googleも、新しい評価プロセスの結果は旧モデルカードの数値と必ずしも直接比較できないとしている。OSWorld 2.0におけるコンピュータ操作性能は3.7 Flashより改善したものの、依然として最先端モデルには及ばない。

API移行は、モデル名を置き換えるだけでは完了しない。Googleは`temperature`、`top_p`、`top_k`、`candidate_count`を削除し、数値型の`thinking_budget`を文字列型の`thinking_level`へ変更するよう求めている。マルチターン会話ではサーバー側の`previous_interaction_id`を使用し、function responseには呼び出しを識別する情報を保持する必要がある。既存のエージェントが固定のサンプリングパラメータ、事前入力済みのモデルメッセージ、または独自管理の完全な履歴に依存している場合、アップグレード前に実際のツール実行トレースを使って回帰テストを行うべきだ。

モデルカードにはこのほか、断続的なタイムアウト、複雑なタスクでモデルが自発的により多くのtokenを消費すること、分野によっては知識のカットオフが2025年初頭にとどまることなどの制約が記載されている。特に日本語を含む非英語圏のチームが注意すべき点として、Googleの自動化された多言語安全性指標は3.7 Flashと比べて5.4ポイント悪化した。公式の人手によるレビューでは、低下の大半は誤判定によるものとされたが、言語別の内訳は提供されていない。年末までの入力／出力の割引価格は100万token当たり0.75米ドル／3.75米ドルだが、2027年には倍額となるため、コスト評価を現在の価格だけに基づいて行うべきではない。