Gemini 3.8 LiveおよびExtended Thinking:リアルタイム音声とマルチステップ推論

Googleは、97言語をサポートし自動言語切り替えが可能なリアルタイム音声モデル「Gemini 3.8 Live」と、エンタープライズ向けマルチステップ推論のための「Gemini 3.8 Live Extended Thinking」を発表しました。Thinking版は、リアルタイムの思考と音声を同期させ、音声対話を継続しながら非同期ツール呼び出しを可能にし、ほぼリアルタイムのマルチモーダル視覚理解を実現します。
Key insights
Gemini 3.8 Live:高並列リアルタイム音声
基本のGemini 3.8 Liveは、高並列性と低レイテンシを備えた大規模展開向けに設計されています。97言語でのリアルタイム音声対話、自動言語切り替え、スムーズなマルチモーダル対話(視覚+音声)をサポートします。日常的なアシスタントや検索サービス向けに最適化されており、競争力のある運用コストを実現します。
Extended Thinking:音声によるリアルタイム推論
Gemini 3.8 Live Extended Thinkingは、マルチステップ推論と計画を伴うエンタープライズの複雑なタスクに焦点を当てています。リアルタイムの思考と音声を同期させ、複雑な問題に直面すると、バックグラウンドタスクを実行しながら自然に「確認します...」と発話します。音声会話を中断することなく、非同期ツール呼び出し(API、データ検索)をサポートします。また、ライブビデオを理解し、従業員のオンボーディング環境に関する質問に答えたり、チェスをプレイしたりすることもできます。