GEMINI LABEN
FLASH — 9月2日に Gemini 3.8 Flash が公開されました。コーディングとエージェント用途に寄せた版で、約6週間のあいだに3本目の Flash になりますPRICING — 100万トークンあたり入力 $0.75・出力 $3.75。ただしこれは2026年末までの価格で、2027年1月からは $1.50・$7.50 へ上がると報じられていますBENCH — Terminal-Bench 2.1 は 3.7 Flash の 81.6% から 90.8% へ伸びました。金融エージェントのタスクは 61.4%、法務は 10.0% と報じられていますCAVEAT — 法務の 10.0% は比較対象の 6.7% を上回りますが、絶対値としてはどちらも低い水準です。勝敗だけを書くと実用度を誤解させますLIMIT — 難易度の高い長期のソフトウェア開発では Opus 5 が先行しているとされます。効くのは中程度の難易度のエージェント作業だと考えるのが実態に近いはずですWORKSPACE — Meet のワンクリック共同発表者、Workspace Studio の新しい自動化ステップ、Gemini のカスタム指示の適用範囲拡大、Google Vids の動画要約が届いていますFLASH — 9月2日に Gemini 3.8 Flash が公開されました。コーディングとエージェント用途に寄せた版で、約6週間のあいだに3本目の Flash になりますPRICING — 100万トークンあたり入力 $0.75・出力 $3.75。ただしこれは2026年末までの価格で、2027年1月からは $1.50・$7.50 へ上がると報じられていますBENCH — Terminal-Bench 2.1 は 3.7 Flash の 81.6% から 90.8% へ伸びました。金融エージェントのタスクは 61.4%、法務は 10.0% と報じられていますCAVEAT — 法務の 10.0% は比較対象の 6.7% を上回りますが、絶対値としてはどちらも低い水準です。勝敗だけを書くと実用度を誤解させますLIMIT — 難易度の高い長期のソフトウェア開発では Opus 5 が先行しているとされます。効くのは中程度の難易度のエージェント作業だと考えるのが実態に近いはずですWORKSPACE — Meet のワンクリック共同発表者、Workspace Studio の新しい自動化ステップ、Gemini のカスタム指示の適用範囲拡大、Google Vids の動画要約が届いています
記事一覧/開発ツール
開発ツール/2026-07-25上級

gemini-flash-latest への追従をやめた日 — モデルの静かな置き換えに耐えるバッチ設計

発表を伴わないモデル更新で、安定していたバッチの拒否率が一晩で4倍を超えました。gemini-flash-latest への追従をやめ、ピン留めとカナリア昇格の二段構えに移行するまでの実測と設計判断をまとめております。

Gemini API234gemini-flash-latestモデル運用構造化出力16バッチ処理9

プレミアム記事

7月22日の朝、壁紙アプリのメタデータ生成バッチの監視画面に、見慣れない数字が並んでおりました。

出力バリデーションの拒否率 9.8%。前日までの30日平均は 2.1% です。コードは1行も変えていません。プロンプトも、スキーマも、デプロイ履歴も、何もかもそのままです。

変わっていたのはモデルの方でした。応答に含まれる model_version の値が、前日の夜を境に切り替わっていたのです。2026年7月21日、Gemini 3.6 Flash が大きな発表を伴わない形で公開され、私のバッチが指定していた gemini-flash-latest の指す実体が、手元の環境では静かに入れ替わっていました。

ここに書くのは、その朝の切り分けに始まり、エイリアス追従をやめ、バージョンピン留めとカナリア昇格の二段構えへ設計を移すまでの記録です。既定の Flash が静かに刷新される運用が現実になった以上、同じ形の朝を迎える方はこれから確実に増えると考えております。

何も変えていないのに挙動が変わった朝

まず、壊れ方の中身から共有いたします。

このバッチは、2014年から一人で運用している壁紙アプリ群のために、毎晩1,000件前後の画像へカテゴリ・タグ・短い説明文を付けるものです。壁紙そのものは人の手で用意したアセットで、Gemini に任せているのはあくまで運用メタデータの整備です。出力は responseSchema で JSON に固定し、受信側でも独自のバリデーションを掛けています。拒否された件は翌晩に回るだけなので、数%の拒否は想定内の運用でした。

その拒否率が一晩で 4.7倍になりました。内訳を集計すると、およそ6割が「タグが規定の5個を超えている」、3割弱が「カテゴリが許可リストの外」、残りが「説明文の文字数超過」です。

興味深かったのは、拒否された出力を目で読むと、むしろ品質が上がって見えたことでした。説明文はより丁寧で、タグは気が利いていて、6個目・7個目のタグも内容としては的確です。レイテンシの p50 は 1.9秒から 1.3秒へ縮み、応答は明らかに速くなっていました。

モデルは良くなっているのに、パイプラインは壊れる。モデルの改善は、機械的な下流契約から見ると互換性の破壊として現れる——これが最初の、直感に反する学びでした。人間が読むチャットUIなら歓迎されたはずの変化が、構造化出力のバッチでは事故になります。

エイリアス追従とピン留め、それぞれの罠

gemini-flash-latest のようなエイリアスは、「常に最新の Flash を使う」という意思表示です。コードを変えずに改善を受け取れる。更新の追従漏れがなくなる。利点は本物で、私自身、昨年からこの指定で運用してきて、大半の更新は無風で通過していました。

問題はただ一点、変更のタイミングを自分で選べないことです。7月21日の Gemini 3.6 Flash は、既存 Flash を静かに置き換える形の刷新でした。「リリース当日は検証環境で受け止める」という構え自体が、エイリアス追従では取れません。

では全てをバージョンピン留めにすれば安全かというと、こちらには別の罠があります。Gemini API では今年に入ってからも、6月1日に Gemini 2.0 系、6月25日に gemini-3.1-flash-image-preview などが停止され、8月17日には旧来の画像生成モデルの停止が控えています。ピンは永続しません。ピン留めは問題の解決ではなく、「変更日を自分で選ぶ権利」を買っているだけです。棚卸しされないまま放置されたピンは、停止期限の日にエイリアスより派手に壊れます。モデルが消える側(停止期限)への備えと、新しいモデルが勝手にやって来る側への備えは、別物として設計する必要がありました。今回の事故は後者です。

つまり、エイリアスかピンかの二択ではないのです。ピン留めで変更日を自分の手に取り戻し、そのうえで昇格を定期運用に組み込む。私が移行したのは、この二段構えでした。

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること
同一ゴールデンセット120件を新旧モデルへ流すカナリア比較ハーネスの、そのまま動かせる実装(スキーマ適合率・enum逸脱・トークン分布・レイテンシを一括計測)
エイリアス追従のまま迎えた朝に拒否率が2.1%から9.8%へ跳ねた実測記録と、原因をタグ個数・enum外カテゴリ・出力長まで分解した切り分けの過程
ピン留め固定も停止期限で必ず破綻する——その前提を組み込んだ、昇格判定の数値基準と四半期カナリア運用チェックリスト
Stripe による安全な決済 · いつでもキャンセル可能

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または
メンバーシップなら全記事が読み放題 →
シェア

お読みいただきありがとうございます

Gemini Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

  • コピー&ペーストで使える実装コード付き
  • 毎日新しい上級ガイドを追加
  • ¥580/月 または ¥2,480 の永久アクセス
メンバーシップを見る →

関連記事

開発ツール2026-09-02
モデル入れ替えの合否を一致率で決めると、カテゴリ分布のずれは通過します
画像分類バッチのモデルを差し替えたとき、ゴールデンセットの一致率は通るのにカテゴリ構成比だけが動くことがあります。必要サンプル数を実際に計算し、切替前に判定できる対応比較のハーネスを組みました。
開発ツール2026-08-28
1日2回のはずの分類バッチが1回しか動かない — 成果物から実行回数を復元する
定期実行のうち片方の枠だけが不発火し、失敗ログが一件も出ないまま処理量が半分になっていた運用の記録です。成果物と未処理残高から実行回数を復元し、起きなかった回を名指しする手順を動くコードでまとめます。
開発ツール2026-08-24
Gemini の訳文で %1$s が消えても、レビューでは気づけません。文字列リソースへ戻す前の検査
Gemini に訳させたアプリの文字列から書式指定子が抜けたり全角になったりする事象を、実運用の中で拾い続けています。壊れ方を4種類に整理し、生成時に守らせる書き方と、受け取った直後に弾く短い検査を紹介します。
📚RECOMMENDED BOOKS
大規模言語モデル入門
山田育矢
LLM開発
生成AIプロンプトエンジニアリング入門
我妻幸長
プロンプト
Claude CodeによるAI駆動開発入門
平川知秀
AI駆動開発
※ アフィリエイトリンクを含みます