Google Gemini 3.8 LiveおよびExtended Thinkingの発表

Google DeepMindは、新しいSOTAライブオーディオモデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表しました。基本バージョンは、自動切り替え機能により97言語をサポートし、非同期ツール呼び出しとほぼリアルタイムの視覚理解を実現します。Extended Thinkingは、複雑なエンタープライズタスク向けに多段階推論と計画を追加し、処理中に進捗を逐次説明します。両モデルは、Gemini LiveおよびGemini APIを通じて利用可能です。
Key insights
Gemini 3.8 Liveは高負荷・低遅延の用途を対象
ベースモデルGemini 3.8 Liveは、コスト効率が高く大規模展開に適しており、97言語の自動検出とスムーズな切り替えをサポートします。視覚と音声を含むシームレスなマルチモーダルリアルタイム対話を可能にしつつ、競争力のある運用コストを維持します。これにより、高い同時接続性と低遅延が求められる日常的なアシスタントや検索サービスに適しています。
Extended Thinkingはリアルタイムのナレーションで複雑なタスク実行を強化
Gemini 3.8 Live Extended Thinkingは、エンタープライズグレードのタスクに焦点を当て、多段階の論理推論と計画を強化しています。リアルタイムの思考と音声を同期させ、「ちょっと確認します」などのフレーズを遷移として使いながらバックグラウンドタスクを実行します。このモデルは非同期ツール呼び出しをサポートし、API呼び出しやデータ取得中に途切れない音声チャットを実現し、コード作成や視覚入力に基づく質問応答などのタスクに対してほぼリアルタイムの視覚理解を提供します。