AI最新情報読了 9 分

話しながら裏で処理、Gemini 3.8 Liveが競合より安く音声AI首位に立った中身

Shiritomo編集部 @shiritomoAI_jp 2026年9月16日更新

投稿から数時間で「いいね」が2,300件を超え、引用ポストだけで100件——。
9月15日、Google DeepMindの公式アカウントが投じた新モデルの発表が、AI系アカウントのタイムラインをにぎわせています。
話題の中心は「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」という、会話しながら裏で作業を進める新しい音声AIです。

普段からAIツールを音声で使っている人や、音声インターフェースの導入を検討しているSNS担当者・マーケターにとっては、他人事ではない発表かもしれません。
会話が「待たされる時間」を作らずに複雑な処理をこなせるとしたら、使い方そのものが変わる可能性があるからです。
実際に何が変わったのか、一次情報を確認しながら整理しました。

先に結論をまとめると：

Gemini 3.8 LiveとExtended Thinkingは、会話を止めずに裏で多段階の推論やツール実行を並行できる音声AIです
音声対音声の総合ベンチマークでOpenAIのGPT-Live-1やGrok Voiceを上回りつつ、価格は競合より安く設定されています
97言語を会話の途中で自動検出・切り替えでき、Google AI StudioやSearch Liveなどで提供が始まっています

Xで広がった沈黙しない音声AIへの反応

そもそもの発端は、Google DeepMindの公式アカウントによるこの投稿でした。

We’re introducing Gemini 3.8 Live and 3.8 Live Extended Thinking – our best conversational AI.

The models talk, think, and handle tasks in the background without breaking your flow. 🧵 pic.twitter.com/nifcYx1C6L
— Google DeepMind (@GoogleDeepMind) 2026年9月15日

「モデルは話し、考え、会話の流れを止めずにバックグラウンドでタスクをこなす」という一文が、そのままこの新モデルの売り文句になっています。
これまでの音声アシスタントは、複雑な処理に入ると数秒〜数十秒沈黙してから答えを返すことが多く、その「間」が会話らしさを損なう原因の一つでした。
Gemini 3.8 Liveは、その沈黙を作らないことを前面に打ち出しています。

会話を止めずに裏でタスクを処理するという発想自体は目新しくありませんが、実際に動くモデルとして公開されたことで、AI開発者コミュニティの反応は早かったようです。
ただ、公式発表の文言だけでは「本当にそこまでできるのか」は分かりません。
そこでベンチマークや価格など、数字で裏付けられる部分を確認しました。

調べて分かったこと

何が新しいのか？

Google公式ブログによると、Gemini 3.8 Liveは「スケールと費用効率のために構築」された標準版、Gemini 3.8 Live Extended Thinkingは「高複雑性タスク向け」に多段階推論能力を強化した上位版という位置づけです。
両モデルとも会話中に97言語を自動で検出・切り替えられ、ツール呼び出しやAPIリクエストをバックグラウンドで実行しながら会話を継続できるとされています。
視覚情報のリアルタイム処理にも対応しており、「見せながら話す」使い方も想定されているようです。

ベンチマークでは本当に優位なのか？

数字を伴う比較として広がっていたのが、AIニュースアカウントのこの投稿です。

Google が Gemini 3.8 Live と Gemini 3.8 Live Extended Thinking をリリースした。
音声対音声の総合スコアで首位に立ち、品質面でもわずかにリードしつつ、最有力の競合であるOpenAIのGPT-Live-1（Astra、ミディアム版）に対して価格面で大きな優位性がある——という趣旨の投稿です。

Google released Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking

And now it takes the #1 overall speech-to-speech score, with also a narrow quality lead but a much larger price advantage over its nearest frontier competitors (OpenAI's GPT-Live-1 (Astra, medium).

– Gemini… https://t.co/1zbXSBBRgj pic.twitter.com/OZJCF15erW
— Rohan Paul (@rohanpaul_ai) 2026年9月15日

一次情報を確認すると、Artificial Analysisの音声対音声品質指標でGemini 3.8 Live Extended Thinkingは82.6%を記録し、GPT-Live-1 Astra（ミディアム版）の81.5%、Grok Voice Think Fast 2.0（ハイ版）の81.3%を上回っています。
エージェント性能を測るτ-Voiceベンチマークでも68.6%対67.9%（GPT-Live-1 Astra）、56.5%（Grok Voice Think Fast 2.0）という結果でした。
価格面では、Gemini 3.8 Live Extended Thinkingが1時間あたり3.50ドルなのに対し、Grok Voice Think Fast 2.0は4.80ドル、GPT-Live-1 Astraは5.83ドルとされています。
標準版のGemini 3.8 Liveはさらに安く、1時間あたり0.84ドルという価格が示されていました。
ベンチマーク首位を取っているのはExtended Thinking版であり、最安値の標準版とは別モデルという点は区別して見る必要がありそうです。

音声アシスタントに込み入った作業は任せられるのか？

ベンチマークの数字だけでなく、「使い方がどう変わるか」を予想する投稿も注目を集めていました。

見えないインターフェースがやってくるのか。
Googleがたった今Gemini 3.8 Liveを発表した。
作業について話しながら進められ、会話が終わった後も動き続ける。
垂直特化型SaaS（特定の業種に特化した業務ソフト）の9割以上が「音声の入り口」を必要とするようになると思う——という予測の投稿です。

Are invisible interfaces coming?

Google JUST announced Gemini 3.8 Live. It can talk through a task with you, then keep working after the conversation ends.

I think 90%+ of vertical SaaS will need a voice front door.

By that I mean the way you use the software becomes talking… https://t.co/DEnaoTvv0X
— GREG ISENBERG (@gregisenberg) 2026年9月15日

この投稿者は、ソフトウェアの使い方そのものが「話すこと」に置き換わっていくと見ています。
実際、Gemini 3.8 LiveはGoogle AI StudioやSearch Liveのほか、企業向けにはGemini Enterpriseのプライベートプレビュー経由で提供が始まっており、一般ユーザー向けにもWorkspace（Docs・Gmail・Keepなど）での提供が始まっているようです。
ただし、公式発表の時点では「音声だけで込み入った業務を完結できる」とまでは明言されておらず、どこまで実務に耐えるかは今後の使われ方次第という段階でしょう。
過去の音声アシスタントも「便利そう」から実際の定着までには時間差があった経緯があり、今回も同じ道をたどる可能性はあります。

Shiritomo編集部の考察：音声UIは沈黙をなくす設計競争に入った

今回の発表で興味深いのは、各社が競っている軸がすでに「賢さ」から「待たせないこと」に移っている点です。
GPT-Live-1やGrok Voiceとの比較で強調されているのも、精度の差はわずかである一方、価格と応答の途切れなさが明確な差として打ち出されていることでした。
SNS運用やカスタマーサポートの現場でAIチャットボットを使ってきた立場からすると、これは体感差として大きい要素です。
テキストチャットでは「考え中」の待ち時間はさほど気になりませんが、音声での会話中の沈黙は、人間同士の会話でも気まずさに直結します。
沈黙を作らない設計は、単なる技術的な差別化ではなく、ユーザーが継続して使い続けるかどうかを左右する体験設計の話です。
今後、企業のカスタマーサポートや音声操作型のツールを検討する際は、精度のベンチマークだけでなく「会話のテンポが保たれるか」を評価軸に加える価値がありそうです。