Courses
Working with the OpenAI API
3時間
131.3K
Gemini 3.5 Flash は 2026 年 5 月 19 日にリリースされ、OpenAI や Anthropic の現行フラッグシップモデルに対する強力な回答として、Flash の速度でフロンティア級の性能を謳っています。OpenAI の GPT-5.5 はそれに先立つ 2026 年 4 月に登場し、同社史上最強のエージェント指向コーディングモデルとして位置づけられました。
両モデルはいずれもエージェント作業を明確に志向しており、長期的な課題に重要なベンチマークで前世代を上回ります。問題は、どちらが実際に自分のワークフローに適合するか、また速度とコストのトレードオフが特定のユースケースで見合うかどうかです。
本記事では、Gemini 3.5 Flash と GPT-5.5 を、コーディングとエージェントワークフロー、推論と知識タスク、マルチモーダル機能、コンテキストと長文脈性能、価格の 5 つの観点で比較します。各モデルの詳細は、個別の解説記事「Gemini 3.5 Flash」や徹底検証「GPT-5.5」もご参照ください。
Gemini 3.5 Flash とは？
Gemini 3.5 Flash は、Google I/O 2026 で発表された Gemini 3.5 ファミリーの最新モデルです。Flash ティアに属し、速度とコストに最適化されていますが、Google はエージェントやコーディング系ベンチマークで、より大きなフラッグシップモデルに匹敵する性能を実現したと強調しています（初期結果もこれを裏付けています）。
このモデルは、Google の Antigravity ハーネスと連携するよう設計されており、協調的なサブエージェントを並列に展開できるフレームワークです。
提供チャネルは、Gemini API、Google AI Studio、Android Studio、Gemini Enterprise Agent Platform、そしてグローバルでの Gemini アプリおよび検索の AI モードのデフォルトモデルです。Gemini 3.5 Pro はすでに Google 社内で使用されており、来月の一般提供が見込まれています。
リリースの背景やベンチマークの実務的な意味については、Gemini 3.5 Flash ガイドをご覧ください。あわせて、Gemini Omni（Google の新しいネイティブ・マルチモーダル生成メディアモデル）、24/7 AI エージェントのGemini Spark、新しいManaged Agents in the API など、I/O 全体の発表もカバーしています。
GPT-5.5 とは？
GPT-5.5 は OpenAI が 2026 年 4 月にリリースしたモデルで、同社史上最強のエージェント指向コーディングモデルと説明されています。OpenAI は高精度作業向けに GPT-5.5 Pro も提供しており、Pro、Business、Enterprise ユーザーが利用できます。
当社の比較記事「GPT-5.5 vs Claude Opus 4.7」で取り上げたように、6 倍高価な GPT-5.5 Pro に支払う価値があるのは、難しい数学やウェブ検索を含み、かつ高い正確性が重要なワークフローに限られるようです。
このモデルは NVIDIA GB200 および GB300 NVL72 システム向けに共同設計・提供され、実運用の提供環境ではトークンあたりのレイテンシが GPT-5.4 に匹敵しつつ、より高い知性レベルで動作すると OpenAI は述べています。
ChatGPT と Codex にて Plus、Pro、Business、Enterprise ユーザーが利用可能で、API 料金は入力 100 万トークンあたり $5、出力 100 万トークンあたり $30 です。
Gemini 3.5 Flash と GPT-5.5：直接対決の比較
詳細に入る前に、各モデルの立ち位置を手短にまとめます。
| Feature | Gemini 3.5 Flash | GPT-5.5 |
|---|---|---|
| Terminal-Bench（エージェント型コーディング） | 76.2% | 78.2% |
| SWE-Bench Pro | 55.1% | 58.6% |
| MCP Atlas（ツール使用） | 83.6% | 75.3% |
| OSWorld-Verified（コンピュータ操作） | 78.4% | 78.7% |
| CharXiv Reasoning（マルチモーダル） | 84.2% | 84.1% |
| Finance Agent v2 | 57.9% | 51.8% |
| ARC-AGI-2 | 72.1% | 84.6% |
| Humanity's Last Exam | 40.2% | 41.4% |
| 出力速度 | 他のフロンティアモデル比で 4 倍高速（Google 主張） | GPT-5.4 と同等のレイテンシ |
| コンテキストウィンドウ | 100 万トークン | 100 万トークン |
| API 入力料金 | 約 $1.50 / 100 万トークン | $5.00 / 100 万トークン |
| API 出力料金 | 約 $9.00 / 100 万トークン | $30.00 / 100 万トークン |
| マルチエージェント基盤 | Antigravity ハーネス | Codex |
コーディングとエージェントワークフロー
両モデルが最も明確に競っているのはコーディング分野で、ここでは GPT-5.5 が僅差でリードしています。エージェントによるターミナル操作のコーディング（Terminal-Bench 2.1：78.2% 対 76.2%）でも、従来型のソフトウェアエンジニアリング（SWE-Bench Pro：58.6% 対 55.1%）でも、GPT-5.5 が Gemini 3.5 Flash に数ポイント差で優位です。
一方で Gemini 3.5 Flash が優れるのはツール使用です。MCP Atlas で 83.6% を記録し、GPT-5.5 の 75.3% を大きく上回りました。MCP Atlas は複雑なエージェントワークフローにおけるマルチステップのツール呼び出しとスキーマ遵守を評価するもので、まさに Antigravity ハーネスが設計されたタスクです。
| ベンチマーク | Gemini 3.5 Flash | GPT-5.5 | 注記 |
|---|---|---|---|
| Terminal-Bench | 76.2% | 78.2% | GPT-5.5 が僅差でリード |
| SWE-Bench Pro | 55.1% | 58.6% | ベンダー発表値；Claude Opus 4.7 が 64.3% で首位 |
| MCP Atlas | 83.6% | 75.3% | Gemini がリード；マルチステップのツール呼び出しを評価 |
率直な見立て：ターミナル主体の DevOps やシェル自動化には GPT-5.5 が有力。MCP 風のツール呼び出しが中核となるツール重視のエージェントパイプラインには Gemini 3.5 Flash が強い。リポジトリ単位のソフトウェアエンジニアリングでは、SWE-Bench Pro の結果において引き続き Claude Opus 4.7 が両者を上回ります。
推論と知識タスク
抽象的な推論では両モデルの差が最も大きく表れます。GPT-5.5 は ARC-AGI-2 で明確なリード（84.6%、対する Gemini 3.5 Flash は 72.1%）。これは学習データからの丸暗記では対応できない、新規のパターン認識や推論を試すベンチマークで 12.5 ポイント差です。Humanity's Last Exam では接戦で、GPT-5.5 が 41.4%、Gemini 3.5 Flash が 40.2% でした。
GPT-5.5 の強みの一つは数学で、FrontierMath Tier 4 で 35.4% と顕著な結果を示しています。現時点でこのスコアに並ぶモデルは他にありませんが、Google の AI Co-Mathematician はさらに上回り（47.9% 対 GPT-5.5 Pro の 39.6%）、ただし限定的な研究提供にとどまります。
当社のGemini 3.5 Flash と Claude Opus 4.7 の比較で見られた意外な結果が今回も再現されています。Gemini 3.5 Flash は Finance Agent v2 のリーダーボードで首位（57.9%：GPT-5.5 は 51.8%、Opus 4.7 は 51.5%）。3 モデルの中で最も軽量でありながら、外部ツールを長いシーケンスにわたって確実に呼び出すタスクで優れることを示しています。
マルチモーダル機能
マルチモーダルは、Gemini 3.5 Flash が GPT-5.5 と最も互角に戦っている領域です。科学チャートの視覚的推論を評価する CharXiv Reasoning では、Gemini 3.5 Flash が 84.2%、GPT-5.5 が 84.1% と、実質的に互角。速度最適化モデルとして位置づけられる 3.5 Flash にとって、意味のある結果です。
コンピュータのインターフェース操作を評価する OSWorld ベンチマークでは、両モデルとClaude Opus 4.7 がほぼ同水準で、78.0%（Gemini Flash 3.5）から 78.4%（GPT-5.5）の範囲に収まります。ただし、Gemini Flash 3.5 はコンピュータ操作機能を提供していないため、この結果は社内研究評価に基づくものです。
自律的にウェブサイトをナビゲートできるエージェントが必要な場合は、GPT-5.5（または Opus 4.7）を選ぶ必要があります。
コンテキストウィンドウと長文脈性能
両モデルとも 100 万トークンのコンテキストウィンドウを提供します。重要なのは、それを実際にどう活用できるかです。GPT-5.5 のレビューでは、最も示唆的だったのが長文脈性能でした。GPT-5.4 は MRCR のニードルテストで概ね 128K トークンを超えると崩れたのに対し、GPT-5.5 は 512K 超でも耐えました。512K～100 万の文脈で、GPT-5.5 は MRCR v2 8-needle で 74.0% を記録し、GPT-5.4 の 36.6% を大きく上回ります。
同一ベンチマークの 128K 文脈では両者を直接比較できます。GPT-5.5 は MRCR v2 8-needle（128K 平均）で 94.8%、Gemini 3.5 Flash は 77.3%。この差は小さくありません。GPT-5.5 は長文脈に散在する事実の検索と推論を、そのレンジで目に見えて高い精度で行えます。
100 万トークンのフルスケールでは、公開データがきれいに重ならないため見通しは不明瞭です。Gemini 3.5 Flash は MRCR v2 8-needle（100 万 pointwise）で 26.6% と、Gemini 3.1 Pro の 26.3% をわずかに上回りました。
OpenAI は GPT-5.5 の同等な 100 万 pointwise スコアを公開していないため、そのレンジでの直接比較はできません。とはいえ、GPT-5.5 が 512K～100 万の別スライスで 74.0% を示していることから、持ちこたえ方はより良好だと推測されます。
長文脈に埋め込まれたグラフ構造上の推論を試す Graphwalks ベンチマークでは、GPT-5.5 が 100 万トークンで BFS 45.4% を記録。Gemini 3.5 Flash のこの特定ベンチマークのスコアは未公開です。
実務的な結論：測定可能な範囲では、GPT-5.5 が長文脈に強いモデルです。
価格
ここは対比が際立ちます。Gemini 3.5 Flash は入力 100 万トークンあたり約 $1.50、出力 100 万トークンあたり約 $9.00。GPT-5.5 は入力 $5.00、出力 $30.00 で、Gemini 3.5 Flash の 3 倍以上の価格です。
Google の主張は「3.5 Flash は、他のフロンティアモデルの半額以下でフロンティア級の性能を提供する」というもの。GPT-5.5 の価格と比較すると、この主張は妥当です。ワークフローあたり数百回モデルを呼び出すような高頻度のエージェント作業では、コスト差が急速に積み上がります。
GPT-5.5 Pro はさらに高価で、入力 100 万トークンあたり $30、出力 100 万トークンあたり $180。このティアは最難関の推論タスク向けで、Pro、Business、Enterprise ユーザーが利用できます。来月の提供が見込まれる Gemini 3.5 Pro は、能力・価格ともに 3.5 Flash を上回るとみられますが、正確な価格は未発表です。
| Model | Input (per 1M tokens) | Output (per 1M tokens) | Context window |
|---|---|---|---|
| Gemini 3.5 Flash | 約 $1.50 | 約 $9.00 | 100 万トークン |
| GPT-5.5 | $5.00 | $30.00 | 100 万トークン |
| GPT-5.5 Pro | $30.00 | $180.00 | 100 万トークン |
補足しておくべき点として、OpenAI は GPT-5.5 が GPT-5.4 に比べ、同じ Codex タスクを完了するのに必要なトークン数を大幅に削減したと述べています。したがって、トークン単価の上昇が、そのままエージェントワークフローのコスト上昇に比例するわけではありません。とはいえ、トークン効率の改善を考慮しても、API レベルでは Gemini 3.5 Flash の方が依然として大幅に低コストです。
Gemini 3.5 Flash と GPT-5.5、どちらを選ぶべきか
選択の主因は大きく 3 つです。コスト感度、取り組むエージェント作業のタイプ、そして既存のエコシステムです。よくあるシナリオごとに、次のように考えるとよいでしょう。
| Use case | Recommended | Why |
|---|---|---|
| ツール呼び出しが多い大規模エージェントパイプライン | Gemini 3.5 Flash | MCP Atlas でリード（83.6% 対 75.3%）し、トークン単価も約 3 倍安い |
| ターミナル主体の DevOps とシェル自動化 | GPT-5.5 | Terminal-Bench 2.0 で 82.7% を記録；複雑な CLI ワークフローに強い |
| 財務文書の分析や OCR 中心のワークフロー | Gemini 3.5 Flash | Finance Agent v2 で 57.9% とリード（GPT-5.5 は 51.8%） |
| 抽象推論や難易度の高い数理問題 | GPT-5.5 | ARC-AGI-2 で 84.6%（対 72.1%）；FrontierMath Tier 4 でも強い |
| 可視化チャートや科学図版の理解 | いずれも可（ほぼ同等） | CharXiv Reasoning：84.2% 対 84.1%；他要因で選定 |
| Google Workspace や Android Studio との統合 | Gemini 3.5 Flash | Docs、Sheets、Gmail、Android Studio と Antigravity によるネイティブ統合 |
| 128K トークン超の長文脈ドキュメント処理 | GPT-5.5 | 公開 MRCR スコアが 100 万トークンまで安定；GPT-5.4 は 128K 超で崩壊 |
| 大規模な本番展開でコスト重視 | Gemini 3.5 Flash | 100 万トークンあたり 約 $1.50/$9.00 に対し、GPT-5.5 は $5.00/$30.00 |
次のような場合は Gemini 3.5 Flash を選ぶ
- ワークフローあたりのツール呼び出しが多い。 MCP Atlas の 83.6% は、3.5 Flash がスケール時の堅牢なツール使用に最適化されている明確なシグナルであり、Antigravity ハーネスによりサブエージェントを並列実行する純正フレームワークも得られます。
- コストが最優先。 トークン単価が GPT-5.5 の約 3 分の 1 であり、日次で数百万トークンを消費する高頻度ワークロードでは明白な選択肢です。
- すでに Google エコシステムにいる。 Google Workspace、BigQuery、Android Studio を利用しているなら、Gemini Enterprise Agent Platform とのネイティブ統合で摩擦が大幅に減ります。
- 財務文書、請求書、複雑なチャートが業務に含まれる。 Finance Agent v2 と CharXiv Reasoning の結果は、構造化された視覚・財務データの扱いに強いことを示しています。
- ユーザー体験として速度が重要。 Google は 3.5 Flash が他のフロンティアモデル比で出力トークン/秒が 4 倍速いと主張しており、コンシューマー向けアプリでのストリーミング応答に有利です。
次のような場合は GPT-5.5 を選ぶ
- ターミナル主体の作業が中心。 Terminal-Bench 2.0 の 82.7% と Codex 連携により、シェル自動化、Docker/kubectl、複雑な CLI オーケストレーションで優位です。
- 最高レベルの抽象推論が必要。 ARC-AGI-2 の 84.6% と FrontierMath Tier 4（35.4%）が示す通り、単なるパターンマッチではなく新規の推論を要するタスクで優れます。
- 128K トークンを超える長文脈の信頼性が必須。 公開 MRCR データは、GPT-5.5 が 100 万トークンまで耐えることを示し、GPT-5.4 から大きく改善しています。文書中心のリサーチに有意です。
- 科学研究やバイオインフォマティクスに取り組む。 GeneBench（25.0%）や BixBench（80.5%）、ラムゼー数の証明例などから、GPT-5.5 は数量生物学や数学のリサーチ・コパイロットとして実用的です。
- 既に Codex や ChatGPT を業務で使用中。 Plus/Pro/Business/Enterprise で広く展開されており、Codex 連携も成熟しています。
まとめ
この比較の最も分かりやすい枠組みはこうです。GPT-5.5 は生の推論力とターミナル主体のエージェントコーディングで優位。一方、Gemini 3.5 Flash はツール重視のパイプライン、財務文書の処理、そしてコストと速度が主要制約となるデプロイで有利。どちらも万遍なく圧倒しているわけではなく、差は小さいため、実際の選定はエコシステム適合度と価格で決まることが多いでしょう。
個人的に最も興味深いのは MCP Atlas の結果です。マルチステップのツール呼び出しを試すベンチマークで、Gemini 3.5 Flash が 83.6%、GPT-5.5 が 75.3%。この差は意味があります。2026 年の主要トレンドがエージェントワークフローであることを踏まえると、Terminal-Bench での逆方向の差以上に、こちらの差が効いてくる可能性があります。
もう一つ注目すべきは Gemini 3.5 Pro です。Google によればすでに社内で使用され、来月の提供が見込まれています。もし 3.1 Pro が 3 Flash に対して示したのと同等のジャンプを 3.5 Pro が 3.5 Flash に対して示せば、競争環境は再び動きます。現時点では、3.5 Flash は多くの本番エージェント作業で最も費用対効果が高く、推論の深さとターミナル操作の確実性が譲れない場合は GPT-5.5 を選ぶのが妥当です。
エージェント AI の概念を実際に手を動かして学び、こうしたモデルで構築してみたい方は、AI Agent Fundamentals スキルトラックをチェックしてください。