投稿者 投稿日: カテゴリー Gemini
Gemini 3.6 Flashとは、Googleが2026年7月21日に公開した低価格・高速のGeminiモデルのことです。
料金だけを見ると答えが出ません。Gemini 3.6 Flashは100万トークンあたり入力1.50米ドル・出力7.50米ドル、Gemini 3.1 Proは入力2.00米ドル・出力12.00米ドルで、単純比較なら安いほうを選びたくなります。ところが商品説明文の一括生成のような処理では、出力トークンが伸びるぶん出力単価の差が効き、逆にレビュー分析のような長文投入では入力側の総量が効きます。どちらが安いかはタスクの形で反転するということです。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援を2023年から提供する株式会社オルセル（うるチカラ運営）が、EC業務のタスク別にどちらを選ぶかを整理します。
2026年7月にGeminiのラインナップはこう並び替わった
現在の並びを先に確認します。推論の深さで選ぶならGemini 3.1 Pro、量と速度で選ぶならGemini 3.6 Flash、大量の定型処理に回すならGemini 3.5 Flash-Lite、という3層構成です。
TechCrunchが報じた通り、Googleは2026年7月21日に3つのGeminiモデルを公開しました。中心はGemini 3.6 Flashで、トークン効率とコーディング・エージェント計画の能力が改善され、3.5 Flashより低い価格帯に置かれています。出力が冗長になりすぎるという開発者からの指摘に対応した版でもあります。あわせてGemini 3.5 Flash-Liteが一般提供に入り、大量処理向けの低遅延・低コストの選択肢として位置づけられました。
一方で、長く予告されていたGemini 3.5 Proは2026年8月時点でまだ出ていません。パートナーとのテスト段階にあり、近く出したいという趣旨の説明がされている状況です。したがって深い推論が必要な処理は、当面Gemini 3.1 Proで組む前提になります。この点は、モデル選定を半年先まで固定したい事業者にとって重要な制約です。
料金は次の通りです。Gemini 3.6 Flashが100万トークンあたり入力1.50米ドル・出力7.50米ドル、Gemini 3.1 Pro（プレビュー）が入力2.00米ドル・出力12.00米ドル。ただしGemini 3.1 Proは20万トークンを超える入力になると入力4.00米ドル・出力18.00米ドルへ切り替わります。この段階制が実務では効きます。商品マスタを丸ごと投入するような使い方では、意図せず高い側の単価に入ることがあるためです。数値はいずれも2026年8月時点の公開情報ベースで、改定される可能性があるため最新の料金表で確認してください。
現場で繰り返し見るのは、「Proのほうが賢いから全部Proで」という運用です。実際にはEC業務の8割前後は定型の変換・分類・要約であり、そこにProを充てると費用だけが積み上がります。逆に、在庫と価格の整合を判断させるような複数条件の突き合わせをFlashに投げると、判断の取りこぼしが出ます。分ける基準を先に決めておくことが、結果的に一番安く済みます。
EC業務をタスクの形で4つに分けると選定が決まる
結論として、判断軸は「出力の長さ」「入力の長さ」「判断の複雑さ」「処理件数」の4つです。この4つでタスクを分類すると、どちらのモデルを充てるかがほぼ機械的に決まります。
第一に、出力が長く判断が単純なタスク。商品説明文の生成、キャッチコピーの量産、メールマガジン本文の作成などが該当します。出力トークンが伸びるため、出力単価の差（7.50対12.00）が効きます。ここはGemini 3.6 Flashが有利です。1商品あたり出力1,500トークンとして1,000商品を処理する場合、出力は150万トークンとなり、Flashで約11.25米ドル、Proで約18米ドル。差額は約6.75米ドルで、月次で回すなら年間80米ドル前後の違いになります。
第二に、入力が長く判断が単純なタスク。レビューの傾向分析、問い合わせログの分類、競合商品名の一括整形などです。入力量が20万トークンを超えるとGemini 3.1 Proは高い側の単価に入るため、この領域ではFlashとの差が広がります。楽天RMSからレビューを月3,000件エクスポートして傾向を取る、といった処理はFlashで十分です。件数がさらに増えて月数万件規模になるなら、Gemini 3.5 Flash-Liteに落とす選択肢も出てきます。大量処理でのコスト設計はGemini 3.5 Flash-Liteの大量処理記事でも扱っています。
第三に、判断が複雑で出力が短いタスク。ここがGemini 3.1 Proの本領です。例えば「この商品ページの表現に薬機法上の懸念があるか、どの語が問題かを根拠付きで指摘する」「同一商品の3モール間の価格と在庫の不整合を、優先度をつけて列挙する」といった処理です。出力は数百トークンで済むため単価差の影響は小さく、判断の質の差がそのまま業務品質に出ます。ここをケチると、人間の再確認工数が増えて逆に高くつきます。
第四に、エージェント的にツールを呼びながら進めるタスク。受注データを取得し、条件で絞り、結果をもとに次の呼び出しを決める、という多段の処理です。Gemini 3.6 Flashはエージェント計画の能力が改善されたと説明されていますが、判断の分岐が5段を超えるような処理では、まだProのほうが安定するというのが編集部で実際に運用しているプロンプトでの実感です。ここは案件によって振れるため、自社のタスクで両方試すのが確実です。
楽天・Amazon・Shopifyでの具体的な当てはめ
抽象論だけでは動けないので、モール別に具体例を置きます。運用している媒体によって、どちらのモデルが効く場面が違います。
楽天市場の場合、Gemini 3.6 Flashが効くのはPC用商品説明文とスマートフォン用商品説明文の書き分けです。楽天RMSではPC用が半角10,240文字、スマートフォン用が半角2,560文字と上限が違うため、同じ内容を2種類の長さで作り分ける必要があります。この作業は判断が単純で出力が長い典型例で、Flash向きです。一方、商品名の半角255文字という制約の中でSGS（楽天の検索アルゴリズム）に効くキーワード順序を組み替える作業は、制約条件が複数絡むためGemini 3.1 Proのほうが安定します。
Amazonの場合、Flashが効くのは箇条書き5項目の量産です。各項目200〜500バイトという枠に収めながらベネフィットを書き分ける作業は、件数が多く判断は定型です。逆にProを充てるべきは、カタログの重複や親子バリエーションの不整合を検出する処理です。同一ASINに紐づく属性の矛盾を洗い出すには複数のデータを突き合わせる必要があり、判断の質が結果を左右します。
Shopifyの場合、商品説明はHTMLで上限がないぶん出力が長くなりやすく、コレクションページの説明文も含めてFlashで回すのが費用的に合理的です。ただしメタフィールドの設計や構造化データの妥当性チェックは、仕様の解釈を伴うためProのほうが向きます。Shopify Adminの商品一覧をそのまま投入すると入力が膨らむので、必要な列だけをCSVで書き出してから渡す手順を挟んでください。
3モールを併売している場合は、モール横断の整合チェックにProを充て、各モール向けの文面生成にFlashを充てる、という分担が扱いやすい構成です。整合チェックは月1回、文面生成は都度、という頻度の違いもコスト面で噛み合います。
使い分けを固定するためのプロンプト4本
モデル選定は都度の判断に任せると必ずブレます。以下の4本を社内に置いて、判断を仕組みにしてください。ChatGPTやClaudeでも動きますが、Geminiで実行する前提で書いています。
最初に、いま抱えているタスクをどちらに振るかを判定させます。
プロンプト1：タスクのモデル振り分け判定
あなたはEC事業者のAI活用を設計するコンサルタントです。
以下のタスクについて、Gemini 3.1 Pro と Gemini 3.6 Flash のどちらを使うべきか判定してください。
判定軸：
1. 想定される出力トークン数（長いほどFlash有利）
2. 想定される入力トークン数（20万超ならProは高単価帯に入る点を考慮）
3. 判断の複雑さ（複数条件の突き合わせ・根拠提示が必要ならPro）
4. 月間の処理件数（多いほどFlash、または3.5 Flash-Lite）
タスク内容：{タスクの説明}
月間件数：{件数}
1件あたりの入力：{おおよその文字数}
1件あたりの期待出力：{おおよその文字数}
出力：推奨モデル、判定理由を3文、月額費用の概算（1文字=約1.5トークンで換算）
次に、同じ処理を両モデルで走らせて品質差を測ります。感覚ではなく、社内で決めた基準で比べます。
プロンプト2：モデル間の出力品質の比較採点
あなたは品質評価の担当者です。
同一の入力に対する2つの出力を、以下の観点で各5点満点で採点してください。
観点：
1. 指示への準拠（求めた項目がすべて含まれているか）
2. 事実の正確さ（入力に無い情報を足していないか）
3. 表現の適切さ（誇大表現・禁止語が入っていないか）
4. そのまま使えるか（人手修正の要否）
入力：{元データ}
出力A（Gemini 3.1 Pro）：{出力A}
出力B（Gemini 3.6 Flash）：{出力B}
出力：観点別の点数、合計点、どちらを採用すべきかの結論を1文
3本目は費用の試算です。導入前に月額の見込みを出しておかないと、稟議が通りません。
プロンプト3：月額API費用のシミュレーション
あなたはコスト試算を担当するアナリストです。
以下の条件で、Gemini 3.1 Pro と Gemini 3.6 Flash それぞれの月額費用を試算してください。
前提単価（2026年8月時点・100万トークンあたり）：
- Gemini 3.6 Flash：入力1.50米ドル／出力7.50米ドル
- Gemini 3.1 Pro：入力2.00米ドル／出力12.00米ドル（入力20万トークン超で入力4.00／出力18.00）
処理条件：
- タスク：{タスク名}
- 月間件数：{件数}
- 1件あたり入力：{トークン数}
- 1件あたり出力：{トークン数}
出力：モデル別の月額費用、差額、年額換算、および為替150円換算での円建て概算
4本目は、モデルを切り替えたあとの回帰確認です。切り替え直後は必ず出力の傾向が変わります。
プロンプト4：モデル切り替え後の回帰チェック
あなたは運用担当者です。
モデルを切り替える前後で、同じ入力に対する出力の差分を確認してください。
チェック項目：
1. 出力の文字数が想定範囲（{下限}〜{上限}文字）に収まっているか
2. 必須項目（{項目リスト}）がすべて含まれているか
3. 禁止表現（最上級表現・効能標榜・根拠なき数値）が混入していないか
4. 出力形式（見出し・区切り・順序）が崩れていないか
切り替え前の出力：{出力}
切り替え後の出力：{出力}
出力：項目別の合否と、差分が業務上許容範囲かの判断を1文
この4本を回すと、モデル選定が担当者の好みではなく数字で決まるようになります。特にプロンプト3の出力は、そのまま予算申請の根拠資料に使えます。
よくある失敗と回避策
3つ挙げます。いずれも実際に起きているものです。
1つ目は、入力を絞らずにGemini 3.1 Proへ投げて高単価帯に入ってしまうケースです。商品マスタ全件やレビュー全件をそのまま貼ると、20万トークンの境界を簡単に超えます。回避策は、投入前に対象を絞ることです。「直近30日に更新された商品のみ」「星3以下のレビューのみ」といった絞り込みを前工程に置くだけで、単価帯を跨がずに済みます。
2つ目は、出力形式を固定しないまま量産して、後工程のCSV取り込みで詰まるケースです。Gemini 3.6 Flashは冗長性が改善された版とされていますが、形式の指定が曖昧なら出力は揺れます。回避策は、出力例を1つプロンプト内に示すことです。文章で「CSV形式で」と書くより、実際の1行を見せるほうが安定します。
3つ目は、モデル切り替えを本番でいきなり行うケースです。ある食品ジャンルの中規模店舗の事例では、商品説明文の生成モデルを切り替えた翌日に、文字数が想定の1.4倍になっていることに気づかず数百件を公開してしまいました。回避策はプロンプト4の回帰チェックを切り替え時の必須工程にすることです。10件でよいので、切り替え前後の出力を並べて確認してください。
4つ目として、料金表の読み違いも挙げておきます。Gemini 3.1 Proの段階制単価は「1回の呼び出しの入力量」で判定されます。月間の合計トークン量ではありません。ここを取り違えると、月間で数百万トークン使っていても各呼び出しが小さければ安い側の単価のまま、という事実を見落とします。逆に、月1回しか回さないバッチでも1回の入力が大きければ高い側に入ります。試算の際は必ず1回あたりの入力量で判定してください。
5つ目は、日本語のトークン換算を英語基準で見積もるケースです。日本語は1文字あたりのトークン数が英語より多くなる傾向があり、英語基準の感覚で計算すると実際の費用が想定を上回ります。概算では1文字あたり1.5トークン程度を見ておくと、大きく外しません。厳密な値はモデルと文章の内容で変わるため、初月の実績で補正する前提で置いてください。
KPI設計と費用の目安
測る指標は3つで足ります。第一に、1件あたりの実効コスト。API利用料を処理件数で割った値です。第二に、人手修正率。生成物のうち人間が手を入れた割合で、ここが3割を超えるならモデルかプロンプトのどちらかが合っていません。第三に、処理のリードタイム。月次バッチが何時間で終わるかです。
費用の目安としては、月1,000商品の説明文生成であればFlash側で月10〜15米ドル程度、レビュー分析を月3,000件回して月5〜10米ドル程度が2026年8月時点の見込みです。日本円換算では月2,000円から4,000円ほどになります。実際には入力の長さで大きく振れるため、初月はプロンプト3の試算と実績を突き合わせて補正してください。
なお、Google AI Studioの無料枠で検証してから有料に移る手順が現実的です。無料枠にはレート制限があるため本番運用には向きませんが、プロンプトの形を固めるまでは十分に使えます。有料に移るタイミングは、処理件数が日次100件を超えたあたりが一つの目安になります。
見落とされやすいのが、失敗した呼び出しにも費用がかかる点です。出力形式が崩れて再実行した分、途中で止まった分もトークンとして計上されます。人手修正率と並べて、再実行率も記録しておくと、プロンプト改善の効果が数字で見えるようになります。楽天とAmazonの両方を回している店舗で観測されたのは、出力例を1つプロンプトに入れるだけで再実行率が半分以下に落ちたケースでした。
もう1つ、予算管理の観点でGoogle Cloudの請求アラートを最初に設定しておくことを勧めます。月額の上限見込みの8割で通知が飛ぶようにしておけば、想定外の処理が走ったときに月末を待たずに気づけます。設定は数分で終わりますが、これを飛ばして数万円の請求に驚く事例が実際にあります。
この先の見立てと、いま固定してよいこと
Gemini 3.5 Proが出れば、上位層の選択肢が増えます。ただし現時点で出ていない以上、そこを待って設計を止めるのは合理的ではありません。3.6 Flashと3.1 Proの2層で組んでおけば、上位モデルが出たときにProの枠を差し替えるだけで済みます。プロンプト側をモデル非依存に書いておくことが、その差し替えを軽くする唯一の準備です。
固定してよいのは、業務のタスク分類と出力形式の定義です。どちらも特定モデルに依存しません。逆に固定すべきでないのは、モデル名をプロンプト本文やスクリプトに直書きすることです。設定ファイルや環境変数に切り出しておけば、切り替えが1行で済みます。複数モデルを併用する場合の全体設計はマルチモデルルーティングの設計記事を参照してください。
競合の解説記事はベンチマークスコアの比較に寄りがちですが、EC事業者にとっての差はスコアではなく、月末に請求される金額と人手修正の時間です。ベンチマークで数ポイント上でも、出力が冗長で修正に時間がかかるなら業務上は負けです。自社のタスクで10件試すほうが、どんなスコア表よりも判断材料になります。
よくある質問
Gemini 3.6 Flashと3.1 Proはどちらが安いですか
タスクの形によって逆転します。出力が長い処理ではGemini 3.6 Flash（出力7.50米ドル）が有利で、出力が短く判断が複雑な処理ではGemini 3.1 Pro（出力12.00米ドル）でも総額は大きく変わりません。入力が20万トークンを超えるとProは高い単価帯に入るため、長文投入型ではFlashの優位が広がります。
Gemini 3.5 Proはいつ出ますか
2026年8月時点で公開日は未確定です。パートナーとのテスト段階にあり近く出したいという趣旨の説明がされていますが、具体的な時期は要確認です。現時点では3.1 Proを上位層として設計しておくのが安全です。
EC業務で最初に試すべきタスクは何ですか
レビューの傾向分析か、問い合わせ内容の分類が始めやすいタスクです。どちらも入力が長く出力が短い定型処理で、Gemini 3.6 Flashで十分な品質が出ます。既存データを使えるため準備も軽く済みます。
商品説明文の生成にProは必要ですか
いいえ、多くの場合は不要です。説明文生成は出力が長く判断が単純なタスクのため、Gemini 3.6 Flashが費用対効果で優れます。ただし薬機法の表現チェックまで同じ処理でやらせる場合は、判断の複雑さが上がるためProを検討してください。
3.5 Flash-Liteはどんなときに使いますか
月数万件規模の定型処理を回すときに使います。低遅延で費用効率が高く、大量自動化のサブエージェント用途として位置づけられているモデルです。判断を伴う処理には向かないため、分類や整形など出力が定まっている作業に限定してください。
無料で試せますか
Google AI Studioの無料枠で検証できます。レート制限があるため本番運用には向きませんが、プロンプトの形を固める段階では十分です。日次100件を超える処理に入る前に有料へ移行する想定で計画してください。
モデルを切り替えるときに気をつけることは何ですか
出力の長さと形式が変わる点です。切り替え前後で同じ入力を10件走らせ、文字数・必須項目・禁止表現・出力形式の4点を比較してください。本記事のプロンプト4がそのまま使えます。
まとめ
Gemini 3.1 Proと3.6 Flashの使い分けは、料金表の比較ではなくタスクの形で決まります。出力が長い量産系はFlash、判断が複雑で出力が短い審査系はPro、大量の定型処理は3.5 Flash-Lite、という3層で振り分けるのが2026年8月時点の実務解です。まずは自社のタスクを1つ選び、本記事のプロンプト1で振り分け判定を出し、プロンプト3で月額を試算するところから始めてください。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
参考文献
- TechCrunch｜Google releases three new Gemini models — but no 3.5 Pro
- Google AI for Developers｜Gemini API Models
- Google AI for Developers｜Gemini API Release notes
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
