グーグル、新ライブ対話モデル「Gemini 3.8 Live」 推論強化の上位版も

Googleは15日(米国時間)、最新のライブ対話モデルとなる「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表した。音声だけでなくビジュアルを含めた対話が可能となるほか、Extended Thinkingでは、ほぼリアルタイムの推論に対応し、音声エージェントをより効果的に活用可能とする。

Gemini 3.8 Liveは、スケーラビリティとコスト効率を重視して構築されており、会話型インテリジェンスと滑らかな対話が可能。視覚的グラウンディングを組み合わせて、対話できる。

Gemini 3.8 Live Extended Thinkingは、多段階の推論に対応したライブ対話モデルで、より高度で複雑なタスクに対応する。

Introducing our most advanced Gemini Audio models yet 🗣

Gemini 3.8 Live and 3.8 Live Extended Thinking let you speak, collaborate, and execute tasks seamlessly, meaning conversing with AI just got a lot more natural.

So, what’s the difference between these two models? Let’s…pic.twitter.com/Dfy7j4zxOh

— Google AI (@GoogleAI)September 15, 2026

3.8 Liveは15日から提供開始し、全ユーザー向けにGemini Liveで展開。また、Workspace内のDocsではGoogle AI Pro/Ultraの契約者向け、GmailとKeepではすべてのGoogle AIプラン契約者向けに提供される。

開発者向けには、Gemini APIとGoogle AI Studioで展開し、企業向けは、Gemini Enterpriseでプライベートプレビューを開始。まもなく、Gemini Enterprise for Customer Experienceにも展開する。

Gemini 3.8 Liveで話しながらチェス対決

Gemini 3.8 Live Extended Thinkingは、エンタープライズレベルのタスク遂行能力と知能を備え、Artificial AnalysisのSpeech to Speech Quality Indexで総合1位(82.6)を獲得。エージェントによるタスク遂行が特徴となる。Gemini 3.8 Liveは、高い能力だけでなく、コストパフォーマンスの高さも特徴で、開発者や企業における大規模展開を想定している。

主な機能は以下の通り。

• 非同期関数呼び出し：ユーザーへの音声応答のストリーミングを継続しながら、バックグラウンドでAPIやツールの呼び出しを実行
• 視覚的コンテキスト：リアルタイムの視覚的入力を基に会話を構築し、ユーザーの発言と視覚情報を理解できるエージェントの実現を支援
• 英数字の正確な処理：確認コード、請求番号、技術データを正確に解析
• 多言語対応：97以上の言語をカバーし、アクセントの一貫性を保つ
• コンテンツの段階的な更新：リアルタイムの音声と構造化データをシームレスに統合し、文脈に応じた応答を返す

また、Googleの他のAI製品と同様に、出力される音声には、SynthIDによる透かしが追加。誤情報の拡散防止を図っている。