Google、Gemini 3.8 LiveおよびExtended Thinkingモデルを公開

Googleは、最先端のライブ音声モデルであるGemini 3.8 Liveおよび3.8 Live Extended Thinkingを発表した。これらのモデルは97言語に対応し、ほぼリアルタイムの視覚理解、会話を中断せずにバックグラウンドでツール呼び出しが可能。
Key insights
モデルのバリエーションと価格設定
Gemini 3.8 Liveは、高同時接続・低遅延の日常的なアシスタントおよび検索サービスに重点を置き、コスト効率の高い展開が可能。Gemini 3.8 Live Extended Thinkingは、強化された多段階推論と計画を備えたエンタープライズ向け複雑タスクを対象とし、モデルが進捗を説明する「リアルタイム思考と音声同期」を特徴とする。
主な機能
両モデルは、97言語の自動検出とシームレスな切り替え、ほぼリアルタイムのマルチモーダル視覚理解(例:チャット中に画面を見る)、および音声会話を中断せずにAPI呼び出しやデータ取得を可能にするバックグラウンド非同期ツール呼び出しをサポートする。
提供状況とユースケース
これらのモデルは、GeminiアプリのGemini Live、およびGoogle AI Studio経由のGemini APIで利用可能。ユースケースには、プログラミング指導、カスタマーサービス、専門的なトラブルシューティング、マルチシステム連携が含まれる。Extended Thinkingモデルは、タスクの進捗を説明して会話を継続させることができる。