グーグルは9月15日、Gemini 3.8 LiveおよびGemini 3.8 Live Extended Thinkingを発表した。これまでで最も高度な音声モデルと位置づけている。
両モデルは会話、推論、さまざまなタスクに対応する。だが、独立系アナリストによる評価はどうか。Extended Thinkingバージョンは、Artificial AnalysisのSpeech-to-Speech Indexで82.6を記録し、GPT-Live-1やGrok Voiceを上回った。
ベンチマークにみるグーグルの最新会話AIモデルの評価
Artificial AnalysisのIndexは、音声推論やエージェント性能、アリーナでの好感度、タスク成功率の平均値。
Gemini 3.8 Live Extended Thinking（高推論負荷でのテスト）は1位発進。GPT-Live-1 Astraが81.5、Grok Voice Think Fast 2.0 Highが81.3で続いた。
標準モデルのGemini 3.8 Liveは5位でスコアは76.0。いずれもGemini 3.1 Flash Live High（71.5）より高い。
エージェント性能の差はさらに広い。Extended ThinkingはTau Voiceベンチマークで68.6％に到達し、前世代の37.7％を大きく上回った。
音声推論ベンチマークでは、Extended Thinkingは97.7％とGrok Voice（97.2％）を上回る。一方で、Qwen Audio 3.0 Realtime Plusの99.2％には及ばない。
テストユーザーはいまだ旧型Geminiを支持
価格面では大きな差が出る。標準モデルは入力音声1時間あたり0.84ドル。これは先代の1.75ドルの約半額で、Index内では最安値となった。
Extended Thinkingは1時間あたり3.50ドル。GPT-Live-1 Solの4.47ドルやGrok Voice Think Fast 2.0 Highの4.80ドルよりも低い。
待機時間も短縮。初回オーディオまでの平均時間は1.18秒となり、旧Geminiの2.99秒から大幅に縮まった。
ただし、リスナーの評価は分かれる。Gemini 3.1 Flash Liveは、ブラインドSpeech Agent Arena会話での好感度で依然トップ（Eloは1096）。
Gemini 3.8 Liveは2位で1083。Extended Thinkingは89.1％のタスク完遂率にもかかわらず、スコアは990にとどまる。
音声AIの評価軸は2つに分かれつつある。ベンチマークは高度な推論力モデルに、好感度は話しやすいものに軍配が上がる。グーグルは現在、それぞれ異なるモデルで両指標をリード。
YouTubeチャンネル登録で、各分野の第一人者や記者による専門インサイトを配信中
