Googleは2026年9月15日、ライブ対話モデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表しました。Extended ThinkingはArtificial AnalysisのSpeech to Speech Quality Indexで82.6を記録して総合1位、τ-Voiceのエージェントタスク完了率は68.6%です。発表はPrincipal EngineerのTom Ouyang氏と、Gemini Audio Teamを代表するMember of Technical StaffのMalini Jaganathan氏の名義で行われました。
GeminiはGoogle DeepMindが開発するAIモデルのファミリーで、文章・画像・音声・動画のマルチモーダル理解に対応し、推論やコード作成、外部ツールを使う複数段階の課題処理に利用できます。
2モデルの位置づけ
Gemini 3.8 Liveはスケールとコスト効率を重視したモデルで、会話知能と流暢な対話、視覚的グラウンディングを組み合わせると説明されています。Gemini 3.8 Live Extended Thinkingは高複雑度タスク向けで、知能とマルチステップ推論を強化したモデルとされています。両モデルは音声エージェントの構築、音声による複雑なタスク実行、リアルタイムの視覚コンテキスト、そして会話を中断せずにバックグラウンドでツールを扱う用途を対象としています。
ベンチマーク
| 項目 | モデル | 数値 |
|---|---|---|
| Artificial Analysis Speech to Speech Quality Index | Extended Thinking | 82.6(総合1位) |
| τ-Voice エージェントタスク完了率 | Extended Thinking | 68.6% |
| Sierra τ-Voice-banking | Extended Thinking | 35.1% |
| Big Bench Audio | Extended Thinking | 97.7% |
| Speech Agent Arena | Gemini 3.8 Live | 2位 |
Googleは、Extended Thinkingが他のフロンティアモデルと比べて競争力のある価格水準を維持しているとし、Gemini 3.8 LiveについてもSpeech Agent Arenaでの2位という評価に加えてコスト効率が高いと述べています。
試し方
Gemini API、Google Workspace、Geminiアプリから当日より利用できるとしています。また、Geminiアプリ、Google Workspace、Searchで新機能を試せると記載されています。
まだコメントはありません。