Google製AIエージェントが強い理由とは？

TL;DR

Googleの強みはモデル単体の性能ではなく、検索、アプリ、OS、クラウドなど、AIエージェントが利用する各層を自社でそろえている点にある。Gemini 3.5 Flashには指示追従や料金面の懸念がある一方、Gemini SparkとGemini Omniは統合力を生かす戦略の中核と評価される。

Transcript

今井さん はい。 ちょっと普段と風景が違いますが、 ま、風景というかも何もかもが違いますね。 違いますね。僕がですね、今 GoogleIO に参加をしに、え、シレコンバレにおりまして はい。 え、こちらは朝のですね、 6時です。GoogleIO の貴象公園の翌日です。 で、今井さんは東京にいらっしゃって、 東京の22 時ぐらいですね。いや、今日は疲れたな。 どうですか?あの、ちょっと本題入ってく前に GoogleIO で発表された内容今井さん、どう受け止めました? まずですね、やってきたこと自体は総合的見て予想通りでした。多分こういう内容のこと発表してくるだろうなというのは多分なんとなく全部当たってな気がします。 まあ、なんかショッピング系の エージェントとか最近のクロードコワーク とかオー... Read More

Key Insights

• Gemini 3.5 Flashは、ベンチマーク上でマルチモーダル性能とエージェント性能が強化され、処理速度も重要な長所として示されたモデルである。
• Gemini 3.5 Flashの実使用上の弱点は、検索指示を実行しない、与えた表の数値を正しく使わないなど、指示追従の不安定さである。
• Gemini 3.5 Flashの知識カットオフは2025年1月であり、今井氏は発表時点の競合モデルより古いデータで学習されている点を不自然だと評価した。
• Gemini 3.5 Proの公開延期は、ミュトス級モデルへの対抗や社内リソースの再配分が影響した可能性があると今井氏が推測している。
• GoogleのAI戦略は、最高性能のモデルだけで競うのではなく、既存の消費者向けアプリや検索にAIを組み込み、利用者との接点を生かす方向である。
• Gemini Sparkは、クラウド上で24時間365日稼働し、Google製サービスや外部アプリを操作する消費者向けAIエージェントとして構想されている。
• Googleの優位性は、検索、アプリ、Android、クラウドなど、AIエージェントが利用する道具と基盤を自社内にそろえている点である。
• Gemini Omniは、画像、動画、音楽などを横断して学習し、生成だけでなく編集や視覚理解にも知識を転用する研究方針を示すモデルである。

Questions & Answers

Q: Gemini 3.5 Flashの性能は高いのですか？

Gemini 3.5 Flashは、ベンチマーク上ではGemini 3.1 Proより高い数値を示し、特にマルチモーダル性能、エージェント性能、処理速度が評価された。一方、今井翔太氏の試用では、検索指示に従わない、表の数字を誤って扱うなどの問題があり、総合的な使い心地については評価が分かれている。

Q: Gemini 3.5 Flashの問題点は何ですか？

主な問題点として、プロンプトへの指示追従が弱いこと、必要な検索を実行しないこと、与えられた表の数字をそのまま使わず誤った内容を生成することが挙げられた。また、知識カットオフが2025年1月と古く、Flashという軽量モデルの位置付けに対して料金が高いという違和感も指摘された。

Q: Gemini 3.5 Proはミュトス級の性能になりますか？

今井翔太氏は、Googleがミュトス級への対抗モデルを開発している可能性は高いと見ている。ただし、翌月に出る予定とされたGemini 3.5 Proが直ちに同水準へ達することには懐疑的であり、Gemini 4.0や神話由来の別名を持つ新シリーズとして高性能モデルが登場する可能性も推測している。

Q: GoogleのAI戦略は競合企業とどう違うのですか？

Googleはモデル単体の性能競争だけでなく、検索、消費者向けアプリ、Android、クラウドなど既存の接点へAIを組み込む戦略を重視している。番組では、企業向けに軸足を置くAnthropicとは異なり、Googleは一般消費者向けの領域を強く意識し、速度と実用性を優先した住み分けを進める可能性が論じられた。

Q: Gemini Sparkとは何ですか？

Gemini Sparkは、クラウド上の仮想マシンで24時間365日動作するAIエージェントとして紹介された。Claude CoworkとOpenClawを組み合わせたような存在と評され、Googleの各種サービスを道具として使うほか、MCPを通じて外部アプリとも連携し、利用者に代わって継続的に作業する構想が示されている。

Q: なぜGoogle製AIエージェントは強くなる可能性があるのですか？

Googleは、AIエージェントが操作する検索、アプリ、Android、クラウドなどを自社で保有しているため、外部サービスを間接的に操作する競合より深い統合を実現できる可能性がある。今井翔太氏は、GoogleがOpenClawやClaude Cowork型の仕組みを素直に実装できれば、性能面で上回る可能性があると評価した。

Q: Google検索はAIエージェントによってどう変わりますか？

Googleは検索を単なる情報取得で終わらせず、利用者が検索した目的まで達成する方向へ広げようとしている。例えば、条件に合う株式銘柄が現れたら知らせる、健康管理のためのアプリを検索内で作るといった使い方が示された。検索をエージェントが情報を集める入口として位置付ける考え方である。

Q: Gemini Omniとは何ですか？

Gemini Omniは、画像、動画、音楽など複数の入力を混ぜ合わせ、動画の生成や編集へつなげるモデルとして紹介された。音声やテキストで動画内の内容を変更する利用法も想定されている。現時点では動画生成の決定的な転換点ではなく、異なるモダリティーの知識を統合する今後の方針を示す実験的モデルと評価された。

Summary & Key Takeaways

• Gemini 3.5 Flashは、ベンチマーク上では従来モデルを上回り、マルチモーダル性能、エージェント性能、処理速度に強みを持つとされた。一方、今井翔太氏の試用では、検索の指示に従わない、表の数値をそのまま扱わず誤った内容を生成するといった問題が見られた。知識カットオフが2025年1月で、軽量モデルとしては料金も高いことから、本命モデルではない可能性が論じられた。

• Gemini Sparkは、クラウド上の仮想マシンで24時間365日動き続ける消費者向けAIエージェントとして紹介された。Googleは検索、各種アプリ、Androidなど、エージェントが仕事に使う道具を自社で保有し、外部アプリともMCPで連携する構想を示している。この統合力を生かせれば、Claude系やOpenClaw系のエージェントより高い性能を実現できる可能性があると今井氏は評価した。

• Gemini Omniは、画像、動画、音楽など複数形式の入力を組み合わせ、動画を生成・編集する方向性を示したモデルである。生成モデルがセグメンテーションなど別の視覚タスクにも応用できた研究結果を踏まえ、異なるモダリティーの知識を一つのモデル内で混ぜ合わせる狙いが語られた。現時点では動画生成の決定的転換点ではなく、Googleが今後進む研究方針を示す実験的な発表と評価された。