Google、Gemini APIでVeo 2を一般提供開始、Live APIプレビューや2.5 Flash予告も

AI開発者にとって、複雑なコードを解釈する思考力と、リアルタイムな音声対話の低遅延を両立させることは常に難しい課題でした。

今年のCloud Nextにおいて、Googleはそのギャップを埋める大型アップデートをGemini API向けに発表しました。

Flashモデルにも思考能力が搭載へ

先週、Googleは回答前に推論を行う思考モデルGemini 2.5 Proを、Google AI StudioおよびVertex AIで提供開始しました。このモデルはコード生成やエージェント構築に特化しています。

そして今回、低コストと低遅延を強みとする主力モデルGemini 2.5 Flashにも思考能力が近日追加されることが明らかになりました。

GoogleはすべてのGeminiモデルに適応型の思考能力を組み込む方針を掲げています。100万トークンのコンテキストウィンドウと推論機能が組み合わさることで、コードベース全体の解析やマルチエージェントシステムの運用が、より現実的な速度とコストで実現可能になります。

Veo 2の正式提供とLive APIのプレビュー公開

思考モデルの強化に加えて、メディア生成と対話機能も大きく進化しました。

動画生成モデルVeo 2がGemini APIで本番環境対応となり、一般提供が開始されました。テキストや画像からの動画生成に対応し、物理法則のシミュレーションやカメラ制御の精度が向上しています。

インタラクティブストーリーゲームを開発するWolf Gamesでは、Veo 2を導入したことでビジュアル制作の反復作業を60パーセント以上削減できたと報告されています。

さらに、昨年12月に実験的に公開されたLive APIがPreview版へ移行しました。音声、動画、テキストのストリーミングを低遅延で双方向処理でき、レート制限も大幅に緩和されました。検索機能やコード実行、関数呼び出しなどのツールと統合され、Gemini 2.0 Flashを活用したリアルタイムアプリの構築が容易になっています。

なぜ重要か

ユーザーや開発者にとって最大のメリットは、リアルタイム対話、100万トークンのコード推論、そして動画生成という高度な機能を単一のAPI群で統合できる点にあります。Live APIのレート制限が緩和され、Veo 2が本番環境で利用可能になったため、プロトタイプから実運用サービスへ移行する価値は十分にあります。

業界全体で見れば、Googleは単体モデルの性能競争から、音声、映像、推論をシームレスに繋ぐマルチモーダルインフラの競争へと軸足を移しています。動画生成や高度な音声対話を別々のサービスとして切り分ける競合に対し、APIとして一括提供する姿勢は強力です。

特にFlashモデルへの思考機能の導入は、実用性を重視した巧みな一手だと考えられます。Proモデルが難問解決を担当し、Flashモデルが大量のトラフィックを効率的に処理する体制が整えば、AIエージェント市場における優位性はさらに高まります。一方で、ストリーミング映像と推論を同時に走らせた場合の総合的なコストとレイテンシの管理は、依然として開発者が注視すべき課題となりそうです。