9月16日、Matthias Bastianが「Google launches Gemini 3.8 Live to take on OpenAI's GPT-Live-1 at a fraction of the cost」と題した記事を公開した。GoogleがGemini 3.8 Liveを発表し、音声AIの価格競争でOpenAIのGPT-Live-1に真っ向から挑んでいる。注目すべきは、コスト面での優位性だけでなく、主要ベンチマークでも首位を獲得している点だ。
背景：過熱する音声AIエージェント市場
音声AIエージェントの競争は2024年後半から急速に激化している。OpenAIがGPT-4o Realtimeの音声モードをリリースしてリアルタイム音声対話の実用化を牽引し、Googleもこれに対抗すべくGemini 1.5 Flash Liveを皮切りに音声特化モデルの強化を続けてきた。Gemini 3.8 Liveはその系譜に連なる最新世代にあたる。
カスタマーサポートや音声インターフェースを持つエージェントの実用化が進む中、開発者が直面するのは「品質」と「コスト」のトレードオフだ。Gemini 3.8 Liveはそのどちらでも競合と戦えると主張している点が、今回の発表の核心にある。
ベンチマーク首位：Extended Thinkingの実力
まず押さえるべきは、ベンチマーク上の数字だ。
Gemini 3.8 Live Extended Thinkingは、Artificial Analysis Speech-to-Speech Leaderboardでスコア82.6%を記録し、OpenAIのGPT-Live-1を抑えて現時点での首位に立っている。
ここでいうExtended Thinkingとは、回答を即座に返すのではなく、内部で複数の推論ステップを経てから応答する「思考型モード」を指す。精度が求められるタスクや複雑な質問への対応力を高める反面、応答速度とのトレードオフが生じる場合もある。音声対話でこのモードを実用的なレベルで動かしている点は注目に値する。
ただし、ベンチマークのスコアとリアルな会話品質は別物、という点は後述する。
1時間の会話コストがOpenAIの半額以下
ベンチマーク首位と並ぶもう一つの柱がコスト優位性だ。
音声入力が1分あたり$0.005、出力が**$0.018。1時間の音声会話で約$1.38になる計算だ。対してOpenAIのGPT-Live-1は入力が1分あたり$0.05で、1時間では最低$3.00**。Googleはその半額以下に抑えた。
エージェント用途や長時間の音声インタラクションを想定すると、このコスト差は積み重なる。音声AIをプロダクトに組み込もうとしている開発者には、無視しにくい数字だ。
Gemini 3.8 Liveの主な仕様
Google DeepMindがGemini APIとGoogle AI Studioを通じて提供を開始したGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingは、開発者向けの音声モデルだ。
主な特徴は以下の通り：
- バックグラウンドでのAPI呼び出し（ツール利用）に対応
- ビジュアル入力（視覚情報）を処理しながら発話を継続
- 97言語以上に対応
- サンプルアプリはGitHubで公開済み
「価格で最適化した」という評価
ただし、記事では品質面の差についても率直に触れている。
OpenAIのGPT-Live-1はフルデュプレックス（送信と受信を同時に行う双方向通信方式。電話のように話しながら相手の声も聞ける）方式を採用しており、より自然な会話体験を提供する。デモを比較すると音質でもOpenAIが上という評価で、Matthias Bastianは「Googleは今回も品質よりコストを優先した」と指摘する。
ベンチマーク上の首位と、実際の会話体験における自然さは切り離して考える必要がある。
まとめ
| Gemini 3.8 Live | GPT-Live-1 | |
|---|---|---|
| 音声入力（1分） | $0.005 | $0.05 |
| 音声出力（1分） | $0.018 | —（元記事に記載なし） |
| 1時間のコスト目安 | 約$1.38 | $3.00〜 |
| ベンチマーク首位 | ✓（Extended Thinking） | — |
| フルデュプレックス | — | ✓ |
コスト重視でスケールさせたい用途にはGemini 3.8 Liveが選択肢に入る。会話の自然さや音質を優先するならGPT-Live-1という構図だ。今回の発表でGoogleは「安かろう悪かろう」という評価を覆しにかかっている。ベンチマーク首位という結果がその主張を一定程度裏付けているが、実用レベルの会話品質については開発者自身による検証が不可欠だろう。
詳細はGoogle launches Gemini 3.8 Live to take on OpenAI's GPT-Live-1 at a fraction of the costを参照していただきたい。
