Googleは9月15日、リアルタイム音声対話向けの新モデル「Gemini 3.8 Live」と、その上位版「Gemini 3.8 Live Extended Thinking」を発表した。前者は大量アクセスとコスト効率を重視した汎用音声エージェント向け、後者はより複雑な推論が求められるタスク向けと位置づけられており、用途に応じて使い分けられるよう2モデル体制で投入した点が特徴となっている。
Extended Thinkingは、独立系ベンチマーク機関Artificial Analysisが公開する「Speech to Speech Quality Index」で総合首位となる82.6点を記録したほか、音声エージェントの実務遂行能力を測る「τ-Voice」で68.6%、Sierra社が提供する銀行業務特化タスク「τ-Voice-banking」で35.1%、音声推論を問う「Big Bench Audio」で97.7%を記録するなど、複数のベンチマークでフロンティア水準の成績を示した。
展開先も両モデルで分かれており、Gemini 3.8 LiveはGoogle検索の音声機能「Search Live」に、Extended ThinkingはGeminiアプリの音声対話機能やGmail・Keepなどのワークスペース向けアプリに、それぞれ組み込まれる。Googleは9月上旬にもGmailやDocs、Keepとの音声対話機能拡大を発表したばかりだが、今回はその基盤となる音声モデル自体を刷新した形になる。
出典: Google公式ブログ
