Google（Geminiを作る会社）は2026年9月15日、Gemini 3.8 Live（声で話すAIモデル）とGemini 3.8 Live Extended Thinking（複雑な仕事向けの版）を発表した。狙いは、会話を続けながら映像を理解し、道具やAPI（別のサービスを呼び出す仕組み）を使う作業を進めることだ。発表はGoogleの公式ブログで公開され、技術ニュースサイトのHacker Newsでは350 points、224 commentsを集めた。これはコミュニティの注目度であり、発表内容の正しさや性能を証明する数字ではない。

何が発表されたか

Liveは、規模とコスト効率を重視したモデルだ。映像をほぼリアルタイムで処理し、会話中に対応する97言語を自動検出して切り替えるとGoogleは説明している。さらに、道具やAPIの処理を裏側で進めながら、利用者との会話も続ける。

Extended Thinkingは、複数段階の推論が必要な仕事向けだ。考えながら話し、短い合図や進み具合を伝える。Googleは、予約や時間をずらして行う処理を、会話を止めずに進める例を示した。

背景：会話と作業を同時にする

今回の中心は、音声AIを、答えを返すだけの機能から、会話中に作業も進める機能へ広げることだ。Liveは速さと効率、Extended Thinkingは複雑な手順を重視する。Googleは両モデルを、開発者が音声エージェントを作る基盤としても説明している。

なぜ重要か

声で使うAIでは、答えの内容と、作業中の会話が同じ体験になる。考えている間に無言にならず、進み具合を知らせる設計は、複数の手順を頼む場面で重要だ。

Googleの記事が引用する外部評価では、Extended Thinkingは音声品質で82.6、音声エージェント課題で68.6%、音声推論で97.7%だった。Liveは別の音声エージェント評価で2位とされる。いずれもGoogleが紹介した数字で、実際の使いやすさ全体を保証するものではない。

確認できたこと

Liveは、Gemini APIとGoogle AI Studio（開発者向けの場所）で開発者向けに提供開始。企業向けはGemini Enterprise（企業向けサービス）でプライベートプレビュー、一般向けはSearch Live（検索の音声機能）で提供が始まる。Extended ThinkingもAPIとAI Studioで始まり、Gemini LiveやGoogle Workspace（仕事用サービス）のDocs、Gmail、Keepの対象利用者へ広がる。

Googleは、AI製品が生成する音声すべてにSynthID（見えにくい目印）を入れるとも説明した。AI音声を検出し、誤情報の防止を助けるためだ。

まだ分からないこと

公式記事だけでは、料金、国や端末ごとの時期、プランの細かな条件は分からない。97言語の切り替えが実際の音声環境でどれほど安定するか、道具を誤って動かしたときの確認手順も未確認だ。ベンチマークの詳しい条件も、発表だけでは判断できない。

次に見る点

APIを使うサービスで、会話が途切れないか、処理が終わるまでの時間と費用はどうか、映像理解が安定するかを確かめたい。性能値を第三者が同じ条件で再現できるかも重要だ。一般利用では、Search Live、Gemini Live、Google Workspaceへの展開が発表どおり進むかに注目したい。