Gemini 3.5の真価と揺らぐ市場の評価

シリコンバレーで開催されたGoogle I/O 2026において、新型AIモデルであるジェミニ3.5(Gemini 3.5)が発表されました。
しかし、AI研究者の今井翔太(Shota Imai)氏は、その性能に対して複雑な見解を示しています。
特に軽量版であるジェミニ3.5フラッシュ(Gemini 3.5 Flash)については、ベンチマーク上の数値は良好であるものの、実際のプロンプト遂行能力やコスト面で課題が残ると指摘しています。
- データカットオフの遅れ: 競合の最新モデルより1年以上古い情報
- 指示遂行能力: 検索指示の無視や情報の捏造が散見される
- コスト構造: フラッシュモデルとしては割高な価格設定
- プロ版の延期: ジェミニ3.5プロ(Gemini 3.5 Pro)はテスト中で来月以降の提供
市場では、アンソロピックのミュトス(Mythos)級の次世代モデルの開発にリソースが割かれたのではないかという推測が広がっています。
Googleは速度と効率のバランスを強調していますが、パワーユーザーからは「期待していた飛躍が見られない」という厳しい声も上がっています。
| 比較項目 | Gemini 3.5 Flash | 競合モデル(基準) |
|---|---|---|
| 学習データ鮮度 | 2025年1月 | 2026年1月以降 |
| 応答速度 | 非常に高速 | 高速 |
| 指示遂行力 | 課題あり | 高い |
AIエージェントGemini Sparkが変えるOSの定義

Googleが今回、最も力強く打ち出したのが、自律型AIエージェントのジェミニ・スパーク(Gemini Spark)です。
これは単なるチャットツールではなく、ユーザーの指示を受けて24時間365日クラウド上で動き続け、複雑なタスクを完遂する「エージェントOS」としての役割を担います。
アンソロピック(Anthropic)のクロード(Claude)やオープンAI(OpenAI)のエージェント機能に対抗する、Googleの本命プロダクトと言えるでしょう。
Googleの強みは、エージェントが操作するツール群(Google Workspace等)を自社で保有している点にあります。
- 1クラウド上のバーチャルマシンで永続的に動作
- 2ブラウザ操作や外部アプリ連携をシームレスに実行
- 3モデル・コンテキスト・プロトコル(MCP)を用いたエコシステム拡大
- 4消費者向けアプリケーションへのネイティブな統合
今井氏は、Googleがエンタープライズ(法人)領域での競争を避け、圧倒的な接点を持つC向け(消費者向け)市場に舵を切った「住み分け戦略」の表れであると分析しています。
日常のライトな用途において、速度と利便性を最大化することで、他社を圧倒する狙いが見て取れます。
Gemini Omniとマルチモーダル進化の最前線

次なる注目点は、動画像生成と空間理解を統合したジェミニ・オムニ(Gemini Omni)です。
これは従来の生成AIの枠を超え、物理世界の物理法則や空間構造を理解する「世界モデル」へのアプローチを含んでいます。
音声で指示を出しながら動画内の特定の人物の顔を差し替えたり、背景を動的に変更したりする高度な編集機能が公開されました。
- ナノバナナ(NanoBanana)画像生成モデルでありながら高度な視覚認識タスクを解く技術
- ビジョン・タスクの汎用化: 生成能力がそのまま認識能力の向上に寄与
- 音声指示によるリアルタイム動画編集: 直感的なクリエイティブ環境の実現
- 物理世界の理解: ロボティクスへの応用を見据えた「フィジカルAI」への布石
GoogleはYouTubeという世界最大の動画資産を保有しており、これをマルチモーダル学習に活用できる唯一の企業です。
ジェミニ・オムニは、その圧倒的なアセットを背景にした、他社が追随できない戦略的拠点となるでしょう。
デミス・ハサビスが描くAI for Scienceの野望

発表会の最後に登場したデミス・ハサビス(Demis Hassabis)氏が熱弁を振るったのが、ジェミニ・フォー・サイエンス(Gemini for Science)です。
これは、AIを人類の科学的発見を加速させるための「共同研究者」として再定義する試みです。
ハサビス氏は、AIが単なるビジネスツールに留まるのではなく、がんの治療や気候変動といった地球規模の課題を解決することを真の目的としています。
- 科学研究プロセスの標準化: バラバラだった研究ツールをGemini上で統合
- 自動研究サイクルの構築: 仮説生成から検証までの高速化
- 非専門家への恩恵: 自然科学の研究者が高度な機械学習を扱える環境の提供
- 計算資源の集中投下: プロダクトよりも研究にリソースを割きたい開発者側の本音
人工知能研究が始まって70周年という節目に、AIが自ら新しいアーキテクチャを設計し、自己改善していく「再帰的自己改善」の時代が幕を開けようとしています。
これは単なる技術的な進歩ではなく、科学の在り方そのものを変えるパラダイムシフトです。
計算資源の奪い合いとAI開発の構造的課題

華やかな発表の裏側で、Google内部では深刻な「計算資源の奪い合い」が起きていることが示唆されました。
最先端の研究(AI for Scienceや次世代モデル開発)と、大規模なユーザーを抱えるプロダクト(Gemini Spark等のサービス運用)の双方が、膨大なGPUやTPUリソースを必要としており、その配分が死活問題となっています。
- 計算資源の枯渇: ミトス級の巨大モデル開発には天文学的なリソースが必要
- プロダクトの制限: Gemini 3.5に利用制限が設けられているのは資源不足の現れ
- 全方位戦略の限界: オープンAIのような特化型企業に対し、守るべき領域が広すぎる
- フィジカルAIへの投資: ロボティクス領域への先行投資が将来の鍵
Googleは、アンソロピックやオープンAIが持っていない「全レイヤーの統合」という武器を使い、力押しで勝負を仕掛けています。
計算資源という物理的な制約をどう乗り越え、真の汎用人工知能へと辿り着くのか。
Google I/O 2026は、その決意と苦悩が垣間見えるイベントとなりました。
