GoogleのGemini 3.8 Flashは、社内で「Skimaki」と呼ばれていたと報じられた、コーディングとAIエージェント向けの新モデルです。当初は「早ければ2026年9月2日に公開」と伝えられていましたが、Googleの開発者向けドキュメントでは、同日付で一般提供（GA）かつ本番利用可能なモデルとして掲載されています。13

このモデルのポイントは、単により大きなモデルを作ることではありません。複数の手順を要するソフトウェア開発をこなしながら、応答速度と運用コストを抑える――Googleはその実用性で、OpenAIやAnthropicとの差を縮めようとしています。

Gemini 3.8 Flashは何を目指すのか

GoogleはGemini 3.8 Flashを、同社で最も知的なFlashモデルと位置づけ、長時間にわたるソフトウェアエンジニアリング、自律型エージェント、複雑な企業向けワークフロー向けに設計したと説明しています。3

ここでいうコーディング能力は、短いコード片を生成するだけのものではありません。AIエージェントには、たとえば次のような一連の作業が求められます。

• 見慣れないコードベースを調べる
• ドキュメントや開発ツールを参照する
• 複数のファイルを修正する
• テストを実行する
• エラーの原因を特定する
• 修正を重ね、タスクの完了まで進める

一度の回答では優秀に見えるモデルでも、こうした長い手順のなかで文脈を維持し、誤りから立て直し、適切な判断を続けるのは簡単ではありません。コーディングは、AIエージェントの実力を測る現実的な試金石になっています。

JetskiでClaude Opusを上回ったのか

『ウォール・ストリート・ジャーナル』が引用したGoogle関係者によると、Googleのエンジニアは社内コーディングツール「Jetski」でGemini 3.8 FlashとAnthropicのClaude Opusを比較しました。その結果、複数のエンジニアが対決形式のコーディングテストでGoogleのモデルを好んだとされています。1

ただし、これは公開ベンチマークではありません。テストに使われたコードベース、採点方法、モデルの設定、ツールへのアクセス条件、第三者による再現結果は明らかになっていません。そのため、「Gemini 3.8 FlashがClaude Opusより総合的に優れている」と結論づける根拠にはなりません。

コーディングエージェントの評価結果は、周辺環境によって大きく変わります。対象となるリポジトリ、ドキュメントの質、テストの実行可否、コンテキスト上限、応答速度、誤った変更を自分で修正しようとする挙動などが、最終的な結果を左右します。

現時点で最も慎重な読み方は、「Google社内のテスターは大幅なコーディング性能の向上を感じ、Jetskiでの一部比較ではOpusよりGemini 3.8 Flashを好んだ」というものです。その優位性が、独立した環境でも再現するかは今後の検証に委ねられます。

なぜ大型モデルではなくFlashなのか

「Flash」という名称は、Googleの最も大規模で高価な旗艦モデルとは異なり、性能と速度、推論コストのバランスを重視する製品群であることを示します。Googleのドキュメントによると、2026年末までの導入価格は、入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルです。3

ソフトウェア開発エージェントは、1つのタスクで何度もモデルを呼び出します。そのため、単発の難問で最高得点を取ることだけでなく、繰り返し発生するツール呼び出しを速く、安く処理できるかが重要です。個別の課題では少し劣るモデルでも、実際の開発フロー全体では、低レイテンシーと低コストによって使いやすくなる可能性があります。

報道や公式資料からは、Googleがコーディングとエージェント機能を製品や企業向けサービスに大規模展開しようとしている、という商業的・技術的な意図が読み取れます。1338 一方で、政府による審査や特定の規制上の基準を避けることが、Flashを選んだ決定的な理由だったと示す証拠はありません。規制回避を主因と断定するより、実運用に適した効率重視の設計と見る方が妥当です。

強化学習はGemini 3.7 Flashから何を変えたのか

開発過程では、強化学習への注力が強まったと報じられています。強化学習とは一般に、モデルの出力やタスク達成に対するフィードバック、いわば報酬を使い、特定の行動を改善する学習段階です。

コーディングエージェントの場合、もっともらしいコードを出すことよりも、タスクを正しく完了すること、ツールを有効に使うこと、テストで結果を確認することに重点を置けます。1

Gemini 3.7 Flashから3.8 Flashへ短期間で更新できた背景には、基盤モデルの規模を拡大するだけでなく、長いソフトウェア開発作業で必要となる行動特性を後から磨くという考え方があるようです。

ただし、公開情報だけでは、性能向上のうちどの程度が強化学習によるものなのかは分かりません。その他の追加学習手法、モデルそのものの変更、ツール連携、評価方法の選択がどれだけ影響したのかも、今後の検証が必要です。

GoogleのAI組織再編と重なるタイミング

Gemini 3.8 Flashの登場は、Google DeepMind内部の緊張が高まる時期と重なりました。2026年8月、Demis Hassabis氏はGoogle DeepMindの日々の経営を担う立場から、同組織の会長とAlphabetのチーフサイエンティストへ移りました。Googleによると、Hassabis氏は組織やモデル、研究に関する助言を続ける一方、日常的な運営は他の幹部が担います。29

Reutersはまた、Googleの共同創業者Sergey Brin氏が、AlphabetがOpenAIやAnthropicとの差を縮めようとするなか、主要なAIスタッフにGeminiへ全力を注ぐよう促したと報じています。37

さらにGoogleは、企業向けAIの収益化においてAIエージェントを中心に据えています。Reutersによれば、AIエージェントは企業向けソフトウェア戦略の重要な柱です。38

この文脈では、Gemini 3.8 Flashは単なる小規模なモデル更新ではありません。大型モデルの研究を続けながら、実際の製品や企業の業務に投入しやすいコーディング・エージェント基盤を急いで整える、Googleの方向性を示すモデルといえます。

競争の焦点は「コーディングの差」を縮められるか

Googleは、ソフトウェアエンジニアリングとエージェント型コーディングの分野で、OpenAIやAnthropicに後れを取っていると見られてきました。1 OpenAIがコーディングエージェントへの注力を強め、AnthropicのClaudeが開発者向けツールの重要な比較対象となるなか、Googleにも対応が迫られています。

Gemini 3.8 Flashが示すのは、「いずれ大型モデルで追いつく」という戦略だけではありません。コーディングの品質を改善し、応答を速くし、ツール呼び出しを繰り返しても費用を抑えられるモデルを先に普及させるという、より実装寄りのアプローチです。

Google社内の環境を出てもこの組み合わせが機能するなら、限定的なランキング上の勝利より大きな意味を持つ可能性があります。開発者や企業が求めるのは、デモで驚かせるモデルではなく、日々のリポジトリ、テスト、修正作業を安定して処理できるエージェントだからです。

まだ分かっていないこと

今回の発表やJetskiでの社内比較だけでは、次の点は判断できません。

• 独立したコーディング性能: Google社内でOpusより好まれたという結果は、第三者が再現できる公開ベンチマークではありません。1
• 長時間稼働時の信頼性: 実用的なエージェントには、1回の回答ではなく、多数のツール呼び出し、テスト、修正を通じて結果を維持する能力が必要です。
• 現実のリポジトリへの適応力: 言語、フレームワーク、ドキュメントの有無、レガシーコード、セキュリティ要件によって性能は変わり得ます。
• 実際の費用対効果: 導入価格は参考になりますが、開発者は自分の環境で、総コスト、レイテンシー、ツール呼び出し回数、失敗からの復旧コストを測る必要があります。3
• 競争上の持続性: OpenAIとAnthropicも迅速に対抗モデルを投入できるため、初期の優位性が長続きするとは限りません。

現時点のGemini 3.8 Flashは、Googleがコーディングと自律的なツール利用を、速く大規模に提供できる製品機能へ変えようとする試みと捉えるのが適切です。一般提供は確認され、社内テストの結果も有望です。しかし、Claude Opusを上回った、あるいはGoogleがコーディング分野で広く追いついたという大きな主張には、透明性のある公開評価と独立した開発者の利用結果がなお必要です。

GoogleのGemini 3.8 Flashは、社内で「Skimaki」と呼ばれていたと報じられた、コーディングとAIエージェント向けの新モデルです。当初は「早ければ2026年9月2日に公開」と伝えられていましたが、Googleの開発者向けドキュメントでは、同日付で一般提供（GA）かつ本番利用可能なモデルとして掲載されています。13

このモデルのポイントは、単により大きなモデルを作ることではありません。複数の手順を要するソフトウェア開発をこなしながら、応答速度と運用コストを抑える――Googleはその実用性で、OpenAIやAnthropicとの差を縮めようとしています。

Gemini 3.8 Flashは何を目指すのか

GoogleはGemini 3.8 Flashを、同社で最も知的なFlashモデルと位置づけ、長時間にわたるソフトウェアエンジニアリング、自律型エージェント、複雑な企業向けワークフロー向けに設計したと説明しています。3

ここでいうコーディング能力は、短いコード片を生成するだけのものではありません。AIエージェントには、たとえば次のような一連の作業が求められます。

• 見慣れないコードベースを調べる
• ドキュメントや開発ツールを参照する
• 複数のファイルを修正する
• テストを実行する
• エラーの原因を特定する
• 修正を重ね、タスクの完了まで進める

一度の回答では優秀に見えるモデルでも、こうした長い手順のなかで文脈を維持し、誤りから立て直し、適切な判断を続けるのは簡単ではありません。コーディングは、AIエージェントの実力を測る現実的な試金石になっています。

JetskiでClaude Opusを上回ったのか

『ウォール・ストリート・ジャーナル』が引用したGoogle関係者によると、Googleのエンジニアは社内コーディングツール「Jetski」でGemini 3.8 FlashとAnthropicのClaude Opusを比較しました。その結果、複数のエンジニアが対決形式のコーディングテストでGoogleのモデルを好んだとされています。1

ただし、これは公開ベンチマークではありません。テストに使われたコードベース、採点方法、モデルの設定、ツールへのアクセス条件、第三者による再現結果は明らかになっていません。そのため、「Gemini 3.8 FlashがClaude Opusより総合的に優れている」と結論づける根拠にはなりません。

コーディングエージェントの評価結果は、周辺環境によって大きく変わります。対象となるリポジトリ、ドキュメントの質、テストの実行可否、コンテキスト上限、応答速度、誤った変更を自分で修正しようとする挙動などが、最終的な結果を左右します。

現時点で最も慎重な読み方は、「Google社内のテスターは大幅なコーディング性能の向上を感じ、Jetskiでの一部比較ではOpusよりGemini 3.8 Flashを好んだ」というものです。その優位性が、独立した環境でも再現するかは今後の検証に委ねられます。

なぜ大型モデルではなくFlashなのか

「Flash」という名称は、Googleの最も大規模で高価な旗艦モデルとは異なり、性能と速度、推論コストのバランスを重視する製品群であることを示します。Googleのドキュメントによると、2026年末までの導入価格は、入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルです。3

ソフトウェア開発エージェントは、1つのタスクで何度もモデルを呼び出します。そのため、単発の難問で最高得点を取ることだけでなく、繰り返し発生するツール呼び出しを速く、安く処理できるかが重要です。個別の課題では少し劣るモデルでも、実際の開発フロー全体では、低レイテンシーと低コストによって使いやすくなる可能性があります。

報道や公式資料からは、Googleがコーディングとエージェント機能を製品や企業向けサービスに大規模展開しようとしている、という商業的・技術的な意図が読み取れます。1338 一方で、政府による審査や特定の規制上の基準を避けることが、Flashを選んだ決定的な理由だったと示す証拠はありません。規制回避を主因と断定するより、実運用に適した効率重視の設計と見る方が妥当です。

強化学習はGemini 3.7 Flashから何を変えたのか

開発過程では、強化学習への注力が強まったと報じられています。強化学習とは一般に、モデルの出力やタスク達成に対するフィードバック、いわば報酬を使い、特定の行動を改善する学習段階です。

コーディングエージェントの場合、もっともらしいコードを出すことよりも、タスクを正しく完了すること、ツールを有効に使うこと、テストで結果を確認することに重点を置けます。1

Gemini 3.7 Flashから3.8 Flashへ短期間で更新できた背景には、基盤モデルの規模を拡大するだけでなく、長いソフトウェア開発作業で必要となる行動特性を後から磨くという考え方があるようです。

ただし、公開情報だけでは、性能向上のうちどの程度が強化学習によるものなのかは分かりません。その他の追加学習手法、モデルそのものの変更、ツール連携、評価方法の選択がどれだけ影響したのかも、今後の検証が必要です。

GoogleのAI組織再編と重なるタイミング

Gemini 3.8 Flashの登場は、Google DeepMind内部の緊張が高まる時期と重なりました。2026年8月、Demis Hassabis氏はGoogle DeepMindの日々の経営を担う立場から、同組織の会長とAlphabetのチーフサイエンティストへ移りました。Googleによると、Hassabis氏は組織やモデル、研究に関する助言を続ける一方、日常的な運営は他の幹部が担います。29

Reutersはまた、Googleの共同創業者Sergey Brin氏が、AlphabetがOpenAIやAnthropicとの差を縮めようとするなか、主要なAIスタッフにGeminiへ全力を注ぐよう促したと報じています。37

さらにGoogleは、企業向けAIの収益化においてAIエージェントを中心に据えています。Reutersによれば、AIエージェントは企業向けソフトウェア戦略の重要な柱です。38

この文脈では、Gemini 3.8 Flashは単なる小規模なモデル更新ではありません。大型モデルの研究を続けながら、実際の製品や企業の業務に投入しやすいコーディング・エージェント基盤を急いで整える、Googleの方向性を示すモデルといえます。

競争の焦点は「コーディングの差」を縮められるか

Googleは、ソフトウェアエンジニアリングとエージェント型コーディングの分野で、OpenAIやAnthropicに後れを取っていると見られてきました。1 OpenAIがコーディングエージェントへの注力を強め、AnthropicのClaudeが開発者向けツールの重要な比較対象となるなか、Googleにも対応が迫られています。

Gemini 3.8 Flashが示すのは、「いずれ大型モデルで追いつく」という戦略だけではありません。コーディングの品質を改善し、応答を速くし、ツール呼び出しを繰り返しても費用を抑えられるモデルを先に普及させるという、より実装寄りのアプローチです。

Google社内の環境を出てもこの組み合わせが機能するなら、限定的なランキング上の勝利より大きな意味を持つ可能性があります。開発者や企業が求めるのは、デモで驚かせるモデルではなく、日々のリポジトリ、テスト、修正作業を安定して処理できるエージェントだからです。

まだ分かっていないこと

今回の発表やJetskiでの社内比較だけでは、次の点は判断できません。

• 独立したコーディング性能: Google社内でOpusより好まれたという結果は、第三者が再現できる公開ベンチマークではありません。1
• 長時間稼働時の信頼性: 実用的なエージェントには、1回の回答ではなく、多数のツール呼び出し、テスト、修正を通じて結果を維持する能力が必要です。
• 現実のリポジトリへの適応力: 言語、フレームワーク、ドキュメントの有無、レガシーコード、セキュリティ要件によって性能は変わり得ます。
• 実際の費用対効果: 導入価格は参考になりますが、開発者は自分の環境で、総コスト、レイテンシー、ツール呼び出し回数、失敗からの復旧コストを測る必要があります。3
• 競争上の持続性: OpenAIとAnthropicも迅速に対抗モデルを投入できるため、初期の優位性が長続きするとは限りません。

現時点のGemini 3.8 Flashは、Googleがコーディングと自律的なツール利用を、速く大規模に提供できる製品機能へ変えようとする試みと捉えるのが適切です。一般提供は確認され、社内テストの結果も有望です。しかし、Claude Opusを上回った、あるいはGoogleがコーディング分野で広く追いついたという大きな主張には、透明性のある公開評価と独立した開発者の利用結果がなお必要です。