Google「Gemini 3.8 Live」「Extended Thinking」を発表！音声対話・推論の違いと活用を解説

はじめに｜Gemini 3.8 Liveで音声AIは「会話しながら考える」時代へ

Googleは2026年9月15日（米国時間）、Gemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを発表しました。日本時間では9月16日の発表です。

今回の注目点は、自然な音声対話と、複雑な課題を考える能力の両立です。画像や映像を見ながら話すことにも対応します。

例えば、画面を見せながら操作を相談する使い方が考えられます。また、複数の条件を整理する相談にも活用できます。本記事では、2つのモデルの違いと提供状況を解説します。

1. Gemini 3.8 Live｜音声・映像を使った自然な対話

Gemini 3.8 Liveは、Gemini 3 Proを基盤とした音声モデルです。低遅延の応答により、テンポよく会話を進められます。さらに、画像や動画を含む入力に対応します。

カメラ映像の内容を、ほぼリアルタイムで理解します。そのため、目の前の状況を見せながら質問できます。例えば、操作画面を共有して手順を相談する使い方です。

また、97言語に対応し、会話中の言語切り替えも扱えます。外部ツールの呼び出しにも対応します。音声のやり取りを、必要な情報の取得につなげられます。

ただし、実際のシステム操作には連携の実装が必要です。音声モデルを使うだけで、社内システムが自動操作されるわけではありません。

Gemini APIとGoogle AI Studioで提供されます。Gemini Enterpriseではプライベートプレビューです。Googleの発表では、Search Liveへの展開も案内されています。

音声APIの料金は、入力が1分あたり0.005米ドルです。出力は1分あたり0.018米ドルです。これは開発者向けAPIの料金で、アプリの月額プランとは異なります。

2. Gemini 3.8 Live Extended Thinking｜会話しながら推論するAI

Extended Thinkingは、複雑な推論に対応した音声モデルです。会話を続けながら、バックグラウンドで考えられます。さらに、必要に応じてツールを呼び出します。

複数の条件を扱う相談では、答えを出すまでに検討が必要です。Extended Thinkingは、その検討と対話を並行して進めます。そこで、追加条件を伝えながら相談を深める使い方が考えられます。

例えば、複数の施策のメリットを比較する相談です。条件を整理し、会話で優先順位を確認できます。ただし、提案の根拠や数字は人が確認しましょう。

開発者は、思考レベルをLow・Medium・Highから指定できます。用途に応じて、推論の深さを調整するための設定です。

Extended Thinkingも、Gemini APIとAI Studioで利用できます。また、Gemini Liveへの段階的な展開が案内されています。

Workspaceでは、DocsはAI Pro・Ultra向けです。Gmail・KeepはGoogle AIの有料契約者向けに展開されます。なお、契約プランやアカウントによって提供状況が異なります。

両モデルはテキスト・画像・音声・動画を入力できます。入力上限は131,072トークン、出力上限は65,536トークンです。また、生成音声にはSynthIDの透かしが使われます。

さいごに｜Gemini 3.8 Liveを業務に合わせて使い分ける

Gemini 3.8 Liveは、自然な音声対話を重視したモデルです。一方、Extended Thinkingは、会話を続けながら推論を進めます。

まずは、具体的な業務を一つ選んで試しましょう。そのうえで、回答の品質や確認作業を評価します。音声AIの導入は、利用目的と運用ルールをそろえることが大切です。

参考：Google公式発表／開発者向け公式案内／Liveモデル仕様／Extended Thinkingモデル仕様（2026年10月2日確認）

法人向け生成AI研修のご案内

生成AIを「試す」から「実務に活かす」へ。

弊社では、「法人向け生成AI研修」を通じて、AIの基礎理解から、実際の業務で活用できる状態を目指した実践型の研修を提供しています。