Gemini 3.7 Flash は、1つのプロンプトから 2分13秒でプレイ可能なブラウザゲームを作成しました。これは、3週間前にその前身である Gemini 3.6 Flash が完全に失敗した課題です。

また、Claude Fable 5 と同じ誤答で橋の論理パズルに失敗し、正しく組み立てたはずの数学問題も、実際に計算し切るところまでは進みませんでした。

このモデルの料金は、12月31日までは入力100万トークンあたり75セントで、3.6 Flash の半額です。1月1日には 1.50ドルに倍増します。

Google は 8月13日に Gemini 3.7 Flash を出荷しました。初日から160以上の国と地域で一般提供され、入力は最大100万トークン、出力は64,000トークンに対応します。画像、動画、音声、PDF を読み取り、ツールを呼び出してコンピューターを操作できます。

Flash は、難しい問題を解くために最初に手を伸ばすモデルではありません。テキストの整理、文脈の重みに押しつぶされる前のエージェントセッションの圧縮、そして最上位モデルに読ませるほどの費用をかけたくない文書の要約に使うモデルです。そうした用途に照らすと、3.7 Flash は確かな改善です。それ以外の用途に照らすと、無料でダウンロードできるソフトウェアに出力で負ける、十分に सक्षमなモデルです。

Google 自身のベンチマークシートでは、3.7 Flash は18項目中11項目で Claude Sonnet 5 と GPT-5.6 Terra を上回っています。注目値は、Code Arena の Web 開発ボードで 1,588 Elo、AutomationBench で 30.4% です。どちらも Google の手法に基づくため、これは同社の主張として扱うべきで、確定した事実ではありません。

Google の主張が本当に成り立つのかを確かめるため、モデルをテストしました。結果は次の通りです。

コーディング：最初の試行で動くものを作れるか？

このテストはゼロショットのコード生成、つまり例を真似することも自分で修正する機会もないまま、1つの指示を動作するソフトウェアに変えられるかを測ります。ブラウザゲーム用の単一プロンプトを渡し、返ってきたものをそのまま出します。バグがあっても含めたままです。追試も、エラー報告も、2回目の試行もありません。

Gemini 3.7 Flash は 2分13秒で通過しました。ゲームは初回でプレイ可能で、構文はきれいで、衝突判定とスコア計算も機能し、見た目の品質も価格帯から想像される水準を上回っていました。

ここで重要な比較対象はフラッグシップではありません。7月21日に公開された Gemini 3.6 Flash です。このモデルは、そもそも動くファイルを作れませんでした。HTML は壊れており、要素は描画されず、自分の出力を修復するよう求める後続プロンプトも効果がありませんでした。

最終的には、その壊れた成果物を DeepSeek に渡し、11個のバグを見つけてもらい、8件の修正を施してプレイ可能にしました。3週間後、同じ製品ラインは救済を必要とせず、その結果は 7月レビューで GPT-5.6 Sol が示したもの にかなり近いものでした。

この項目では Gemini 3.7 Flash が明確に勝ち、乗り換えを検討する最も強い理由になります。ただし、これは仕様を発明するのではなく実行するモデルなので、曖昧なプロンプトでは曖昧なゲームしか返ってきません。

Gemini 3.7 Flash のゲームはこちらで試せます。

クリエイティブライティング：パラドックスを抱えたまま文章を書けるか？

このセクションでは、文学的な質と、何千語にわたって構造ルールを守れるかという2点を同時に見ます。プロンプト は Jose Lanz を 2150年から1000年へ送り返し、閉じた因果ループを要求します。つまり、彼の介入こそが、彼が止めようとしていた未来を生み出す原因でなければなりません。

テストを決めるルールは最後の条件です。彼は、自分が何をしたのかを家に帰るまで理解できません。

Gemini 3.7 Flash はまずまずの結果を生成しました。Jose はエントロピー・キャノンをピレネー山脈の裂け目に撃ち込み、偶然にも 22世紀のイベリアを支配するオベリスクを作り出し、千年早く泥の中に立ったまま、そのループ全体を理解します。「それは Cinder Spire の基部だったのだ」と。

物語の仕組み自体はかなりしっかりしています。古代の修道士が目撃した流れ星について触れ、それが Jose 自身の到着の閃光だったと明かし、異常を消し去るために彼が持ち込んだ武器がそれを作り出したと示します。締めの一文——「それは、彼が完成させるのをただ待っていたにすぎなかった」——は、プロンプトが求めた決定論をきちんと着地させています。

しかし、見慣れた人には、この物語は「AI そのもの」に見えます。ほぼすべての名詞に2つの形容詞が貼り付いており、「hyper-luminescent towers」「damp, moss-choked earth」「thick, obsidian hair」といった具合です。これは、最も確率の高い次の単語を選んでしまうモデルの質感であり、その結果、「low-frequency hum を発する monolith」のような撞着語法が生まれます。

比較対象として、Qwopus3.5-27B-v3 を取り上げました。これは Qwen3.5-27B のコミュニティ製ファインチューニングで、Claude Opus 風の推論を蒸留し、1枚のコンシューマー GPU で動作し、1クエリあたりの費用はゼロです。Gemini が破ったルールに従いました。

Jose は San Millán de la Cogolla の修道士を殺します。これは実在するラ・リオハの修道院で、1000年頃に実際に重要だった場所です。そして、自分が何をしたのかを理解するのは、2150年に戻り、蝋で封印された写本の中に自分自身の DNA を見つけてからでした。

Qwopus も完全にきれいというわけではありません。物語の上に計画メモをそのまま出しており、 টাইपो も含まれていますし、最後の部分では8セクションかけて作った閉ループを、Jose が過去に戻って修正できるようにしてしまい、ループを壊しています。

それでも総合的には、Qwopus に軍配が上がります。Gemini のほうがまとまりの良いパッケージで、締めも整っていましたが、プロンプトの核心だった1つの指示に失敗しました。一方、ゲーミング GPU 上で動く無料モデルが、より良い物語を書きました。

連想思考：メタファーは論を支えられるか？

このテストは連想推論、つまりモデルが関係のない概念同士を自分で説明せずにつなげられるかを測ります。プロンプト は小枝の描写を求め、その描写を使って労働者搾取と富裕層崇拝を説明し、最後に議論がレタスの描写へ溶けていくことを要求します。

失敗パターンは、道筋を明示しすぎることです。メタファーの名前を言ってしまうと、それで壊れます。

Gemini はそれを第2段落の冒頭で名指ししました。「これは現代プロレタリアートの正確な仕組みである」と。そこまでの部分は機能していました。

いくつかのイメージは十分に成立しています。労働者は「次の1週間分の出力のために、剛直さを保つのにちょうどいいだけの樹皮」を与えられ、倒れた小枝たちは、十分な剛直さがあれば誰でも幹になれると条件づけられています。その一文を含む段落には、「大きく上に偏った企業階層に縛られた」労働者も登場します。論理と構造の面では悪くありません。

本当の崩壊は、溶解部分です。Gemini は変化を演じるのではなく、説明してしまいます——階層は「崩れ、下にある有機的な世界の静かで控えめな現実へと溶けていく」——そのあと、レタスが前後とのつながりなく突然現れます。

GPT-5.6 Sol は、小枝を土へ腐らせ、その土からレタスを育てます。「雨が粒に染み込む。繊維がゆるみ、暗くなる。」という具合です。議論そのものも対象に埋め込まれており、富は「The mansion signifies intelligence.（邸宅は知性を示す）」という徳の言語として再定義されます。

ここは GPT-5.6 Sol の大勝です。Gemini は1つの良い一文は出しましたが、自分のメタファーを説明してしまい、プロンプトがまさに試していた移行を飛ばしました。

論理：プロンプトを読んだのか、それともパズルを認識しただけか？

このテストは非数学的推論、特にモデルが目の前の質問を読むのか、それとも記憶した定番パターンに当てはめるのかを測ります。橋のプロンプト では、4人に1本のたいまつと、1分、2分、5分、10分の所要時間を与え、全員が渡るのに何分かを尋ねます。

トリックは、プロンプトが省いている部分です。橋の上に同時に2人しかいられないとは一言も書かれていないため、答えは10分です。全員が最も遅い人のペースで一緒に渡ればよいからです。

Gemini は17分と答えました。これは、教科書版の定番パズルにある5手の手順をそのまま再生したものです。プロンプトにその制約が書かれているかを確認することなく、制約を事実として述べました。

見えている推論は、答え以上に悪いです。トレースでは、2人の遅い人を一緒に渡らせるのは、誰かがたいまつを戻す必要があるので非効率だと主張しているのに、最終的な答えではその2人を一緒に渡らせています。1つの応答の中で自己矛盾しながら、結果を完全な自信で報告しています。

Claude Fable 5 も、7月に同じ誤答にたどり着きました。冒頭で自分が仮定していることを「橋には同時に2人しかいられないという古典的な制約を仮定している」と明示しており、これは見抜ける誤答と見抜けない誤答の違いです。

勝者はいません。ここでは透明性の面だけで Fable が優位であり、Gemini のエージェント実行全体に見られる過剰な自信が、手で検証できるパズルの中で表面化しています。

数学：最後までやり切れるか？

このテストは、一般利用をはるかに超える記号数学に加え、もっと単純なこと——モデルが頼まれたことを実行するか——を測ります。プロンプト は、実係数で線形係数が -19 の、次数19の奇モニック多項式を要求し、その曲線が少なくとも3つの既約成分に分かれることを条件としたうえで、p(19) を求めるよう指示します。

両モデルは同じ扉を見つけました。Gemini と Qwen 3.7 Max Preview はどちらも Dickson 多項式を特定し、制約を解いてパラメータを1に固定し、閉形式を正しく導きました。

しかし Gemini はそこで止まりました。p(19) を平方根の19乗を含む未評価の式として出力し、数値は出さず、プロンプトが求めた成分数も示しませんでした。しかも、誰も求めていない CSS とドロップシャドウ付きのスタイル済み HTML ページの中で、これらすべてを出していました。

Qwen は最後まで完了しました。1つの線形項と9つの二次項からなる計10成分への完全な因数分解を示し、再帰を 1,876,572,071,974,094,803,391,179 まで計算し、モジュラー計算で結果を再確認しました。私たちはこの値を SymPy で独立に検証し、正しいことを確認しています。

ここでも、唯一重要だった基準で Qwen が勝ちました。Gemini は最初は順調でしたが、算術を飛ばすことに決めてしまい、それは妙なところで止まるやり方です。

結論

Google のエコシステムにすでにいるなら、Gemini 3.7 Flash へ乗り換える価値はあります。コード生成は置き換え前より大幅に改善され、エージェント作業でも十分高速で、量産してもコストは誤差の範囲です。

強みは実行力と構造です。詳細な仕様を与えれば、ものを作り、物語を維持し、何千語にわたって因果関係を保ちます。

弱みは創造性と推論です。文章は一目で機械生成と分かるほど予測可能で、モデルは誤答を、その誤りを生んだ仮定を示さないまま断定します。

価格は、それを支持する最強の論拠です。入力100万トークンあたり75セント、出力3.75ドルという設定は、GPT-5.6 Sol の入力5ドルに対して85%安く、3.6 Flash の発売時価格の半額です。

逆に言えば、対抗材料は、より良い物語を書き、しかも無料だった、ゲーミング GPU 上の無料27Bモデルです。Google の導入価格は12月31日に終了し、入力は1.50ドル、出力は7.50ドルになります。