Google、推論モデル Gemini 3.6 Flash を公開──ARC-AGI-1 で 91.2% を記録
Gemini 3.6 Flash が ARC-AGI-2 で 60.4% を記録し、推論コスト $0.61/task でミドル層の価格性能比を刷新した。
リリース: 2026-08-06 · 読了 3 分記事の要約
1. 核心（What）
- Google は ARC Prize 公式リーダーボードに Gemini 3.6 Flash および Gemini 3.5 Flash-Lite の 2 モデルを提出し、ARC-AGI-1 および ARC-AGI-2 での検証結果を公開した。
- Gemini 3.6 Flash は ARC-AGI-1 で 91.2%（$0.34/task）、ARC-AGI-2 で 60.4%（$0.61/task）のスコアを達成した。
- Gemini 3.5 Flash-Lite は ARC-AGI-2 で 10.3%（$0.14/task）を記録し、価格は 4 分の 1 近い一方で難問に対する推論能力が大きく低下している。
- テストは High、Medium、Low、Minimal の 4 段階の推論計算量（effort level）で実施され、High 設定時のスコアが主要な評価指標となった。
2. 影響（Why）
- API コスト削減と推論精度のトレードオフ: $0.61/task というコストで ARC-AGI-2 を 60.4% で処理できるため、高度なルール推論を必要とする社内エージェントの基盤選定において、高価格帯モデルからの移行先として有力な選択肢になる。
- 国内 SaaS におけるコスト最適化の判断基準: 国内の受託 AI 開発やチャットボットサービスを提供する中規模事業者にとって、計算量を Minimal に下げた際の性能急落特性を考慮すると、用途に応じた effort 制御の実装が前提となる。
3. 根拠・詳細（How）
- ARC-AGI ベンチマークによる検証仕様: 色のついた四角形による入力-出力のグリッド対から変換ルールを推論させるタスクを用い、完全一致の正解判定（部分点なし、最大 3 回の試行）でスコアを算出した。
- 4 段階の推論計算量制御の挙動: High から Minimal への計算量変更に伴い、Gemini 3.6 Flash の ARC-AGI-2 スコアは 60.4% から 2.6% へ大幅に変動する仕様であることが実測されている。
4. 展望・課題（Next）
- リーダーボード上位モデルとの比較検証: GPT-5.6 Sol（92.5%）や Claude Opus 5（90.4%）が並ぶ上位陣に対し、実運用環境でのスループットとレイテンシの検証が進められる予定。