Google、Gemini 3.8 LiveとExtended Thinkingを発表

Googleは、コスト効率の高い会話型AI向けの「Gemini 3.8 Live」と、複雑な多段階推論向けの「Gemini 3.8 Live Extended Thinking」という2つの新しいライブ音声AIモデルをリリースしました。両モデルとも97言語に対応し、ほぼリアルタイムの視覚理解、会話を中断することなくバックグラウンドでツールを呼び出す機能を備えています。
Key insights
Gemini 3.8 Liveは高並列性の会話型AIを提供
基本モデルのGemini 3.8 Liveは、高い並列性と低遅延で大規模展開できるよう設計されており、日常的なアシスタントや検索サービスを対象としています。97言語を自動検出してシームレスに切り替え、視覚と音声を含むリアルタイムのマルチモーダル対話をサポートします。
Extended Thinking版は同期型リアルタイム推論を追加
Gemini 3.8 Live Extended Thinkingは、エンタープライズ向けの複雑なタスクに焦点を当て、多段階の論理的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、バックグラウンドタスクを実行して進捗を報告しながら「確認させてください」などのフレーズを自然に発話し、電話での会話に似たインタラクションを実現します。
バックグラウンドツール呼び出しで会話の流れを維持
これらのモデルは、フロントエンドの音声会話を中断することなく、外部APIの呼び出し、データの取得、予約などの非同期ツール呼び出しをバックグラウンドでサポートします。これにより、真の同時並行コラボレーションが可能になります。
ほぼリアルタイムの視覚理解機能
これらのモデルは、チャット中に視覚入力を認識して理解できるため、従業員のオンボーディング質問への回答、盤面を見ながらのチェスプレイ、スケッチの音声説明からのReactコード生成などのアプリケーションが可能になります。