Tracks
Gemini を活用した Google Workspace
4時間
Gemini 3.5 Flash と Claude Opus 4.7：徹底比較
実務者にとって重要な観点で、両モデルの比較を手短にまとめます。
| 機能 | Gemini 3.5 Flash | Claude Opus 4.7 |
|---|---|---|
| ティア | 速度最適化（Flash） | フラッグシップ |
| SWE-bench Pro | 55.1% | 64.3% |
| Terminal-bench 2.1 | 76.2% | 66.1% |
| MCP Atlas（ツール使用） | 83.6% | 77.3% |
| CharXiv Reasoning（マルチモーダル） | 84.2% | 82.1% |
| Finance Agent v2 | 57.9% | 51.5% |
| OSWorld（コンピュータ操作） | 78.4% | 78.0% |
| Humanity's Last Exam | 40.2% | 46.9% |
| ARC-AGI-2（抽象推論） | 72.1% | 75.8% |
| コンテキストウィンドウ | 100 万トークン | 100 万トークン |
| ビジョン解像度 | 非公開 | 最大 2,576px / 3.75MP |
| Computer Use 対応 | 未対応 | 対応（OSWorld：78.0%） |
| API 入力単価 | $1.50 / 100 万トークン | $5.00 / 100 万トークン |
| API 出力単価 | $9.00 / 100 万トークン | $25.00 / 100 万トークン |
| マルチエージェント基盤 | Antigravity ハーネス | タスク予算 + エフォートパラメータ |
コーディングとエージェント型ワークフロー
この領域が両者の違いが最も明確に出るポイントですが、全体としての絶対的勝者はありません。
代表的なコーディングベンチマークである SWE-bench Pro では、Opus 4.7 が 64.3%、Gemini 3.5 Flash は 55.1% と、リポジトリ単位のエンジニアリング作業では Claude に分があります。一方で、Terminal-Bench 2.1 になると状況は逆転し、Gemini 3.5 Flash が 76.2% と、Opus 4.7 の 66.1% をほぼ同程度の差で上回ります。ターミナル中心の作業では Gemini 3.5 Flash のほうが適しています。
| ベンチマーク | Gemini 3.5 Flash | Claude Opus 4.7 | 注記 |
|---|---|---|---|
| SWE-bench Pro | 55.1% | 64.3% | ベンダー公表値；Opus 4.7 が約 9pt リード |
| Terminal-Bench 2.1 / 2.0 | 76.2%（v2.1） | 69.4%（v2.0） | ベンチマークのバージョンが異なるため方向性の参考 |
| MCP Atlas | 83.6% | 77.3% | Gemini 3.5 Flash がツールオーケストレーションで優位 |
両モデルは長期的なエージェント型タスクを想定していますが、アプローチは異なります。Gemini 3.5 Flash は Antigravity ハーネスを中心に設計され、協調するサブエージェントを並列展開します。Google 自身の例では、2 体のエージェントが 6 時間かけて AlphaZero 論文を要約し、完全にプレイ可能なゲームを実装しています。Opus 4.7 はタスク予算と新しい xhigh エフォートレベルで長時間の実行における性能を維持し、難問で途中停止せずに粘り強く解く傾向を Anthropic は報告しています。
MCP Atlas では Gemini 3.5 Flash が 83.6%、Opus 4.7 が 77.3% と、複雑なマルチツールのワークフロー性能で差をつけています。深いコード理解よりもツールのオーケストレーションに大きく依存するエージェントシステムなら、3.5 Flash に実力差があります。
純粋なソフトウェアエンジニアリングの深さでは Opus 4.7 が有力。一方、ツール中心のエージェント型パイプラインでスループットやサブエージェントの並列実行が重要なら、Gemini 3.5 Flash は競争力が高く、コストも大幅に低い選択肢です。
推論と知識タスク
プログラミング能力以外では、一般的な推論の深さが Opus 4.7 の強みで、Gemini 3.5 Flash に対する優位点です。科学・数学・人文の大学院レベルの設問を集めた Humanity's Last Exam では、ツールなしで Opus 4.7 が 46.9%、Gemini 3.5 Flash は 40.2% でした。抽象推論では差は縮まり、ARC-AGI-2 では Flash が 72.1%、Opus 4.7 が 75.8% です。
より興味深いシグナルは Finance Agent v2 で、Gemini 3.5 Flash が 57.9%、Opus 4.7 が 51.5% でした。これは比較全体を見直すきっかけになりました。当初は、複雑な文書に対する多段推論が必要な課題では Opus 4.7 が優位だと想定していました。速度最適化の Flash ティアが金融ワークフロー自動化で 6 ポイント上回るのは、偶然の誤差ではありません。
これは、企業が実際に導入するツール呼び出しやドキュメント処理型のパイプラインに向けて、Google が 3.5 Flash を特別に最適化していることを示唆します。
マルチモーダル機能とコンピュータ操作
科学チャートに対する視覚推論を測る CharXiv Reasoning では、Gemini 3.5 Flash が 84.2%、Opus 4.7 が 82.1%。差は小さいものの、視覚推論を強みとするフラッグシップを Flash ティアのモデルが上回っている点は注目に値します。
コンピュータのインターフェース操作を評価する OSWorld は、実質同点（78.4% 対 78.0%）です。重要な留意点として、Gemini 3.5 Flash は OSWorld のスコアがあるにもかかわらず機能としての Computer Use をサポートしていません。これは研究評価における測定であり、ベンチマーク条件下での「できること」を示すのみで、このモデルバージョンでは Computer Use API ツールが（まだ？）公開・提供されていないという意味です。
Opus 4.7 は Computer Use をサポートしており、OSWorld-Verified で 78.0% として文書化されています。エージェントが自律的にクリック・入力・アプリ操作を行うワークフローでは、ここは Opus 4.7 一択です。
また Opus 4.7 は長辺最大 2,576 ピクセルまでの画像を扱える大幅なビジョン強化を導入しました。これは過去の Claude モデルの 3 倍超の解像度で、密なスクリーンショットの読解、複雑な図のデータ抽出、ピクセル精度が必要なコンピュータ操作エージェントなどの用途が開けます。XBOW は視覚精度ベンチマークで、Opus 4.7 へ切り替え後に 54.5% から 98.5% へと大幅な向上を報告しており、解像度の効果の大きさが実務でも分かります。
エコシステムと提供状況
Gemini 3.5 Flash は Google AI Studio、Gemini API、Android Studio、Gemini Enterprise Agent Platform、Gemini Enterprise、Google Antigravity を通じて利用できます。Gemini アプリと検索の AI モードでもデフォルトモデルであり、すでに数十億人のユーザーが利用中です。Google Cloud エコシステムにいる開発者にとっては、統合パスがシンプルです。
Opus 4.7 は Anthropic API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry、そして Claude の Web・モバイルアプリから利用可能です。モデル ID は claude-opus-4-7。また Anthropic は Opus 4.7 と併せてタスク予算のパブリックベータも開始し、長時間のエージェント実行でトークン消費を上限管理できるようにしました。Claude Code の新しい /ultrareview スラッシュコマンドは、バグや設計上の問題を指摘する専用のレビューセッションを生成します。
実務的な違いとして、Gemini 3.5 Flash はマルチエージェント作業で Antigravity ハーネスと強く結び付いている一方、Opus 4.7 のタスク予算とエフォートパラメータは、どのオーケストレーションにも適用できます。Antigravity 以外のフレームワークで構築する場合、長時間稼働するエージェントの管理方法において Opus 4.7 のほうが柔軟です。
価格
ここが比較として面白い点です。Gemini 3.5 Flash は入力 100 万トークンあたり $1.50、出力 100 万トークンあたり $9.00。Claude Opus 4.7 は入力 $5.00、出力 $25.00 です。これらの料金では、Gemini 3.5 Flash は入力で約 3.3 倍、出力で約 2.8 倍割安です。
Opus 4.7 側には注意点があります。Anthropic は Opus 4.7 で新しいトークナイザーを導入し、同一入力に対して Opus 4.6 比で 1.0〜1.35 倍のトークンを使用します。英語中心のワークロードでは独立検証で約 12〜18% のトークン増加が見られました。表面の価格は変わっていないものの、実効的なプロンプト当たりのコストは上がっています。Anthropic は、エフォートパラメータ、タスク予算、簡潔さの明示指示を用いた管理を推奨しています。
高ボリュームや低レイテンシ重視のワークロードでは、コスト面で Gemini 3.5 Flash が明確に有利です。Opus 4.7 のコーディングの深さや Computer Use 対応が本当に必要なワークロードでは、価格プレミアムの回避は難しいでしょう。Anthropic はコスト管理策としてプロンプトキャッシュ（キャッシュ済み入力トークンで最大 90% 節約）とバッチ処理（最大 50% 節約）も提供しており、適したパターンでは差を詰められます。
Gemini 3.5 Flash と Claude Opus 4.7 の使い分け
ベンチマークと機能差から、用途ごとの棲み分けは比較的明確です。判断の枠組みは次のとおりです。
| ユースケース | 推奨 | 理由 |
|---|---|---|
| コスト制約のある高ボリュームのエージェント型パイプライン | Gemini 3.5 Flash | 出力トークンが約 3 倍安く、スループットは 4 倍高速 |
| リポジトリ単位のソフトウェアエンジニアリング | Claude Opus 4.7 | SWE-bench Pro で 64.3% 対 55.1%；複雑な多ファイル作業に強い |
| マルチツールのエージェントオーケストレーション | Gemini 3.5 Flash | MCP Atlas で 83.6% と Opus 4.7（77.3%）を上回る |
| コンピュータ操作エージェント（クリック、入力、アプリのナビゲーション） | Claude Opus 4.7 | Computer Use に対応；Gemini 3.5 Flash は未対応 |
| 金融文書の分析とワークフロー自動化 | Gemini 3.5 Flash | Finance Agent v2 で 57.9% 対 51.5%；Macquarie Bank のパイロットが実運用適合を裏付け |
| 高解像度画像や複雑な図の分析 | Claude Opus 4.7 | 最大 2,576px / 3.75MP に対応；XBOW は視覚精度ベンチで 98.5% を報告 |
| Google Cloud や Gemini アプリとの統合 | Gemini 3.5 Flash | Google AI Studio、Android Studio、Gemini Enterprise、検索とネイティブ統合 |
| セッション横断メモリを伴う長期コーディング | Claude Opus 4.7 | ファイルシステム型メモリが重要メモをマルチセッションで保持 |
こんなときは Gemini 3.5 Flash を
- コストとスループットが主な制約の高ボリュームなエージェント型パイプラインを運用している。入力 $1.50／出力 $9.00（各 100 万トークン）で、同等のワークロードに対して Opus 4.7 より大幅に割安です。
- ワークフローがコード中心というよりツール中心である。83.6% の MCP Atlas スコアは比較対象中で最高で、Antigravity ハーネスはサブエージェントの並列展開に特化しています。
- すでに Google のエコシステムにいる。モデルは Google AI Studio、Android Studio、Gemini Enterprise、Antigravity にネイティブ対応し、追加の統合作業が不要です。
- 金融文書の推論やマルチモーダルなチャート分析がユースケースに含まれる。Gemini 3.5 Flash は Finance Agent v2 と CharXiv Reasoning でリードしており、Flash ティアとしては意外な強みです。
こんなときは Claude Opus 4.7 を
- 主目的がリポジトリ単位のソフトウェアエンジニアリングである。64.3% の SWE-bench Pro は Gemini 3.5 Flash に 9 ポイント差。Cursor（CursorBench で 70% 対 58%）や楽天（本番タスク解決が 3 倍）などのアーリーアクセス事例でも実運用での大幅な改善が報告されています。
- Computer Use が必要である。Gemini 3.5 Flash は未対応。Opus 4.7 は OSWorld-Verified で 78.0% を記録し、デスクトップ UI を操作するエージェントには唯一の選択肢です。
- 高解像度画像や密な技術図を扱う必要がある。長辺 2,576px への対応はモデルレベルの変更で自動的に効き、OCR、チャート抽出、密なスクリーンショットを読むコンピュータ操作エージェントで効いてきます。
- 長期プロジェクトでセッション横断メモリが必要である。Opus 4.7 のファイルシステム型メモリにより、毎回ゼロから文脈を再構築せずにコンテキストを引き継げます。
まとめ
率直に言えば、両モデルは同じワークロードを本質的には争っていません。Gemini 3.5 Flash は Flash ティアでありながら、いくつかのエージェント系ベンチマークで前世代の Pro モデルを上回り、高ボリューム展開を現実的にする価格帯を実現しています。Claude Opus 4.7 は、より深いコーディング能力、Computer Use 対応、より高い生の推論力を備えたフラッグシップです。選択の基準は概ね、SWE-bench 級のコーディング性能と Computer Use が必要か、それともスループット・コスト効率・強力なツールオーケストレーションが重要か、という点に収れんします。
この比較で特に興味深いのは Finance Agent v2 の結果です。速度最適化のモデルであるはずの Gemini 3.5 Flash が、金融ワークフロー自動化で 57.9% と Opus 4.7 の 51.5% を上回ったのは意外でした。MCP Atlas のリードとも相まって、Google が 3.5 Flash を、生のベンチマーク性能だけでなく、企業が実際に稼働させる多段・ツール呼び出し・文書推論型のワークフロー向けに特別にチューニングしていることを示唆します。
注目すべき点がもう一つ。Gemini 3.5 Pro は来月の登場が予想されています。3.5 Flash の流れを汲み、Gemini 3.1 Pro を有意に上回るなら、Opus 4.7 との比較はだいぶ様変わりするでしょう。Pro ティアの価格はコスト差を縮める可能性がありますが、性能上限は引き上がるはずです。現時点では、コストに敏感なエージェント型ワークには Gemini 3.5 Flash、深いコーディングとコンピュータ操作には Opus 4.7 が適しています。
エージェント型 AI システムの実践的スキルを身につけ、こうしたモデルを本番運用で使いこなす方法を学ぶには、DataCamp の AI Agent Fundamentals スキルトラックをチェックしてみてください。