Google、「Gemini 2.0」発表──エージェント時代を見据えたマルチモーダルAI

Googleが新世代モデル「Gemini 2.0」を発表しました。第1弾として実験的に公開された「Gemini 2.0 Flash」は、1.5 Proを主要ベンチマークで上回りながら処理速度は2倍という性能を実現。Googleは今回のアップデートを「エージェントの時代に向けた」モデルと位置付け、AIが自律的にツールを使いこなす方向性を明確に打ち出しました。

詳細

• ネイティブなマルチモーダル出力: 画像生成や複数言語対応の音声出力(text-to-speech)をモデル自体が直接生成できるように
• ツール利用: Google検索の呼び出しやコード実行など、外部ツールを自律的に使う「ネイティブツール利用」機能を搭載
• Multimodal Live API: 音声・映像を使ったリアルタイム対話向けの新API を公開
• 提供範囲: 開発者向けにはGemini API・Google AI Studio・Vertex AIで即日利用可能に。Geminiアプリでもチャット最適化版をモデル選択メニューから利用可能に
• 段階的展開: 本格的な一般提供は翌2025年1月以降とし、まずは開発者・信頼できるテスターへの先行公開という形を取った

その後

Gemini 2.0はその後、正式版としての展開が進み、2025年3月には推論能力を強化した「思考モデル」の「Gemini 2.5」が登場。Gemini 2.0で示された「エージェント」路線は、検索やツール利用を組み合わせた自律的なAI活用というGoogleのその後の製品戦略の基盤になりました。