Google、Gemini 3.8 Liveを公開、拡張思考機能を搭載

Googleは、Gemini 3.8 Live(コスト効率が高く、97言語対応、リアルタイムマルチモーダル)と、3.8 Live Extended Thinking(多段階推論、思考と発話の同期)を発表した。Extended Thinkingは、バックグラウンドでのツール呼び出しと進捗状況のナレーションにより複雑なタスクを処理し、チューターとしても利用可能。
Key insights
Gemini 3.8 Live:コスト効率の高いリアルタイム音声
Gemini 3.8 Liveは、競争力のあるコストで大量導入に重点を置いている。会話中の97言語の自動検出とスムーズな切り替えをサポートする。また、ほぼリアルタイムのマルチモーダル対話(視覚+音声)と、チャットを中断させないバックグラウンドでのツール呼び出しを提供する。このモデルは、高並行・低遅延のアシスタントおよび検索サービスを対象としている。
Gemini 3.8 Live Extended Thinking:ナレーション付きリアルタイム推論
Extended Thinking版は、多段階の推論と計画を伴うエンタープライズグレードの複雑なタスク向けに設計されている。思考と発話を同期させ、複雑な問題に直面すると、「確認してみます」などと自然に言いながら、バックグラウンドで非同期的に多段階タスクを実行し、電話での会話のように進捗状況をユーザーに伝える。また、チェス盤やスケッチを見るなど、ほぼリアルタイムの視覚理解もサポートする。
非同期ツール呼び出しと視覚理解
両モデルは非同期のツール呼び出し機能を備えており、フロントエンドの音声チャットを中断することなく、外部APIの呼び出し、データの取得、予約の実行などが可能。Extended Thinkingは、困難なタスクに対してパフォーマンスと精度を向上させ、タスクの進捗をナレーションすることで会話を継続させる。これらのモデルはプログラミングチューターとしてデモンストレーションされた。