Google DeepMind は 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber を発表しました。
3.6 Flash は、3.5 Flash 比で出力トークン使用量を17%削減したワークホースモデルとされています。
3.5 Flash-Lite は低遅延・低コスト、3.5 Flash Cyber は CodeMender と組み合わせたセキュリティ用途に位置づけられています。
今回の発表で見るべき点は、単に「新しいモデルが増えた」ことではありません。AIエージェントを本番で使うとき、モデル選定の軸が性能単体から、処理量・遅延・専門性の組み合わせへ移りつつあることです。
これまでLLMの導入判断では、最も賢いモデルをどこに使うかが中心になりがちでした。しかしエージェント運用では、1回の応答品質だけでは足りません。複数ステップの推論、コード探索、ツール呼び出し、再試行、検証が積み重なるため、モデルの単価や出力トークン量がそのまま運用上限になります。
3.6 Flash のトークン効率改善は、この制約に直接効きます。精度を上げるだけでなく、同じ予算でより多くのステップを回せるなら、エージェント設計そのものが変わります。単発の高性能応答より、安定して何度も呼べるモデルの価値が増すからです。
3.5 Flash-Lite はさらに分かりやすい例です。高速で安価なモデルは、下書き生成、分類、翻訳、UI生成、軽いコード補助のような大量処理に向きます。すべてを上位モデルに投げるのではなく、タスクの重さに応じてモデルを振り分ける設計が現実的になります。
3.5 Flash Cyber は、その延長にある専門モデルの使い方を示しています。セキュリティでは、脆弱性の探索、検証、修正案の生成を何度も繰り返す必要があります。ここでは巨大モデルを一度だけ使うより、専門化された軽量モデルをエージェント基盤の中で多数回動かす方が有利になる場面があります。
実務上の示唆は明確です。これからのLLM導入では、「どのモデルが一番賢いか」だけでは判断できません。どの処理を高速モデルに任せ、どこで高性能モデルを使い、どの領域では専門モデルを組み込むか。その設計が、AIエージェントを試作で終わらせるか、本番の業務フローに載せられるかを分けます。
Flash系モデルの拡張は、モデル競争のニュースであると同時に、エージェント時代のアーキテクチャ設計のニュースでもあります。性能表を見るだけでなく、自社のワークフローをどの粒度のモデル呼び出しに分解できるかを考える段階に来ています。
関連記事
- How AI is expanding what people do at work
- NVIDIA Cosmos-H-Dreams: Bringing Real-Time Generative Simulation to Surgical Robotics
- Introducing computer use in Gemini 3.5 Flash
参考文献
コメント