大規模言語モデル

Googleが「Gemini 3.8 Live」を2バージョン同時投入──リアルタイムと深層推論は両立できるのか

Googleが標準版とExtended Thinking版を同時にリリースした。バージョン番号の「3.8」という飛び番、そしてLiveプロダクトに深層推論を同居させる設計は、音声エージェント開発者にとって選択肢なのか混乱なのか、実装視点で検証する。

文字サイズ

Googleは昨日、公式ブログで2つのバージョンを同時に公開した:Gemini 3.8 LiveとGemini 3.8 Live Extended Thinking。前者はリアルタイム対話、後者は深い推論処理をそれぞれ主打する。

「1つのモデルに2つのモード」というよくある構成に聞こえるかもしれないが、プロダクトページとHNの議論を仔细に読むと話はそう単純ではない。

「3.8」というバージョン番号の飛ばし方が不自然

Geminiシリーズは3.0、3.5と推移してきた中で、3.8は珍しい飛ばし方だ。Google公式ブログはこの番号について説明をしていない。SNS上では「内部の小バージョンをそのまま外に出したのでは」「Gemini 3系列のサブラインでは」といった推測が出ている。

筆者の見立てでは、これはリアルタイム音声+マルチモーダル系ラインでの独立したリリースサイクルで、テキストモデルとは同期していない可能性が高い。Live系プロダクト(元Project Astraの流れをくむ)はもともとテキスト専用モデルより迭代が速く、バージョン番号が独立していてもおかしくない。

ただし、対外的に説明しないのはリスクが大きい。3.0 → 3.5 → 3.8というジャンプを見た開発者は「能力に質的な変化があった」と推测するのがデフォルトで、実際には特定のベンチマークが2点上った程度かもしれない。

標準Live vs Extended Thinking——2つの製品ではなくAPIのセット

公式発表では2つのバージョンが並列で並べられているが、実態は役割が違う。

  • Gemini 3.8 Live:低遅延対話を志向。音声エージェント、リアルタイム翻訳、動画理解などの场景向け
  • Gemini 3.8 Live Extended Thinking:多段推論を志向。「数秒多く考えて、より良い答えを出す」が売りで、Claudeのextended thinkingやo3の思考モードが競合となる

同じ基盤モデルから2つのルートが出ていて、利用者はシーンに応じてAPIエンドポイントを選ぶ。

このアプローチ自体に目新しさはない。OpenAIはo3とGPT-4oを別モデルとして分け、Anthropicは同じClaudeにスイッチでthinkingを切り替える。Googleは今、2つを「Live」という1つのプロダクトラインに詰め込んだ。意味的にはより曖昧で、開発者が「Live」という単語を最初に見たときの直感的な反応は「低遅延」であり、深い推論のオプションが裏にあるとは思いにくい。

Extended Thinkingは本当にLiveで使えるのか

ここが本題の反コンセンサスな論点だ。

「Live」は通常1秒未満の応答を意味するが、Extended Thinkingの売りは「数秒多く考えて、より良い答えを出す」。両者を同時にリリースして、Googleは遅延の予算配分を明確にしていない。シーンごとに使い分けるのか、それとも1回のリクエスト内で30秒思考+5秒出力を許容するのか。

これが、音声エージェントに実際に組み込めるかどうかを決める。

具体的なシーンを1つ举げる。ユーザーが音声エージェントに「明朝8時に空港まで行く专車を手配して。前回より安いところで」と言う。このときExtended Thinking(料金の調整と比較)が必要になるが、ユーザーが待つ1秒1秒が対話の沈黙になり、体験は崩壊する。

Extended Thinkingが選択的にトリガーできるなら、たとえばユーザーが「しっかり考えて」と言えば深思考モードに切り替わり、同時に「考え中...」という音声フィードバックを返す。このプロダクト形态なら実用性がある。そうでなければ、GoogleはSKUを積み上げているだけで、開発者は選びきれない。

HNで110点・62コメントが議論していること

HNの元スレッドIDは49715947で、フロントページに掲載された。コメント欄はいくつかの流れに分かれた。

遅延派:ある開発者が簡易テストを走らせ、同じネットワーク条件下でGemini 3.8 LiveとGPT-4o Realtime APIのラウンドトリップ遅延を比較した。結論として、テキスト场景でのTTFB(time to first byte)はGPT-4oとほぼ同等だが、音声ストリームのチャンク間隔がやや長く、およそ80〜120ms多い差が出た。これは会話で知覚できるレベルだ。

価格派:あるユーザーが価格ページが更新されていないと吐槽した。新モデルがリリースされて24時間経っても、ドキュメントは古いper-character課金を指しており、token単位か音声秒単位かが不明だという。Googleのドキュメント更新速度はずっと前から定番の不満点で、この吐槽も的を射ている。

思考派:何人かがExtended Thinkingの思考過程を途中で中断できるかを追问していた。ユーザーが質問の途中で気が変わったとき、モデルがthinking中の場合に割り込めるか。現時点のAPIドキュメントでは明記されておらず、best-effortのcancelフィールドが用意されているだけだ。

この3種類の論点はすべて、開発者が実際に使い始めて初めてぶつかるものであり、「モデルがどれほど強いか」というプレスリリース的な言説ではない。

マルチモーダルエージェントにとっての意味

Extended ThinkingがLiveモードで選択的にトリガーできるなら、プロダクトとして確かに使いものになる。

筆者が想到した具体例は、ミーティングエージェントだ。ユーザーがビデオ会議に参加し、エージェントがリアルタイムで聞き取って画面に要約を出す。この部分はLive(標準遅延で十分)。だが、ユーザーがいつでも「さっき言っていたQ3の数字、具体的にいくらだった?前の四半期との比較は?」と聞ける。このときExtended Thinkingに切り替え、会議履歴から检索+計算する。

もしこの切り替えがAPIの1行で済むなら話は早い。stream = client.live(model="gemini-3.8-live-extended-thinking", ...)とclient.live(model="gemini-3.8-live", ...)の切り替えだけで、開発者は使う気になるだろう。

逆に、同じエンドポイントにthinking_mode: "deep"パラメータを足すだけで、バックエンドのルーティングも遅延も同じであれば、それはただのマーケティング言辞だ。

Googleは今回、2つのバージョンのAPI形态を明確にしていない。意図的に余地を残してサードパーティの解釈に任せ、徐々に詳細を出す戦略かもしれないし、内部でもまだ決まっていない可能性もある。

編集後記

Googleの2バージョン戦略が本音で認めているのは、1つのモデルが低遅延対話と深推論を同時に完璧にこなせる段階にはまだ達していない、ということだ。

OpenAIはo3とGPT-4oを別モデルで分け、Anthropicはスイッチでthinkingを切り替え、Googleもこの流れに乗った。ただしGeminiは2つを同じLiveプロダクトラインに詰め込んだため、ポジショニングがより曖昧になり、開発者の試行錯誤コストは逆に上がる。

今回の従来との違いは、Liveラインが従来は音声/動画シーン専用で、Astraの延長線上にあった点だ。そこにExtended Thinkingを足したということは、Liveがテキスト推論の領分まで侵食し始めたということで、境界が曖昧になった。

筆者の予想では、今後半年以内にGoogleはこの2つを統合し、Anthropicのようにthinking_modeパラメータ付きの単一APIにするだろう。分けてリリースしているのは過渡的な形态にすぎない。

不確定な要素は、Extended Thinkingのtoken課金戦略だ。深思考の出力価格が標準の5〜10倍にもなれば、開発者は「使えるけど使うべきではない」という最適化を迫られ、「使えるなら使う」という体験優先にはできない。これがプロダクト判断に直結する。

出典: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/