Gemini 3.8 Live公開、対話中もツール実行

Googleは2026年9月15日、リアルタイム音声エージェント向けのGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを公開しました。Gemini APIとGoogle AI Studioで提供を始め、会話を途切れさせずに推論やAPI・ツール呼び出しを実行できるため、開発者や企業が複雑な業務を音声で進める製品を構築しやすくします。

Gemini 3.8 Liveは規模とコスト効率を重視し、流れるような対話と視覚情報の理解を組み合わせた通常版です。Extended Thinkingは複数段階の推論が必要な高難度業務向けで、Googleが紹介したArtificial Analysisの音声対話品質評価では82.6点を得て総合首位でした。

通常版は会話中に97言語を自動判別して切り替え、ライブ映像を文脈として使えます。非同期の関数呼び出しにより、背後でAPIやツールを動かしながら音声応答を続け、確認コードや技術データも正確に読み取る設計です。

Extended Thinkingは推論の深さを設定でき、思考と発話を同時に進めます。依頼を受けたことをまず音声で伝え、予約などの複数段階の処理を裏側で実行しながら進捗を説明するため、応答が途切れにくい会話体験を目指しています。

両モデルは開発者向けAPIとAI Studioで提供され、Gemini Enterpriseでは限定公開です。通常版はSearch Liveに展開し、熟考版はGemini Liveのほか、契約プランに応じてWorkspaceのDocs、Gmail、Keepで順次利用できます。

音声開発向けには、85超の言語に対応するGemini 3.5 Transcribeも併せて紹介されました。ストリーミング時の平均単語誤り率は4.0％で、固有語彙の指定や話者識別に対応し、AIが生成する音声には検出可能なSynthIDの透かしを付けます。