Google、Geminiに「エージェント型動画理解」導入 トークン消費88%削減・コスト66%減
GoogleはGemini 3.7 Flashなどのモデルに「エージェント型動画理解」機能を導入した。従来の固定フレームレート処理と異なり、AI自身が必要な映像や音声、文字起こしを動的に探索・抽出する。これによりトークン消費量を最大88%、コストを最大66%削減しながら精度を最大7%向上させた。
GoogleはGemini 3.7 Flashなどのモデルに「エージェント型動画理解」機能を導入した。従来の固定フレームレート処理と異なり、AI自身が必要な映像や音声、文字起こしを動的に探索・抽出する。これによりトークン消費量を最大88%、コストを最大66%削減しながら精度を最大7%向上させた。
GoogleとKhan AcademyはGeminiを活用した「Khanmigo」の新機能を発表した。数学や理科の学習中にAIが動的な図表を自動生成し、生徒が頂点を動かすと解説もリアルタイムに変化する。また教員が最終確認できる課題作成支援ツールも刷新。Khanmigo導入済みの学区で即日利用可能となった。
Googleは音声認識モデル「Gemini 3.5 Transcribe」を発表した。非ストリーミング時の単語誤り率は2.6%で、85以上の言語に対応する。「えーと」などの不要語除去や言い直し修正、最大3人の話者分離に対応し、Google AI Studioで公開されている。
Googleは世界各国の対象大学生向けに有料AIプランを1年間無料で提供すると発表した。米国の学生には月額19.99ドル相当の「Google AI Pro」、米国外の学生には「Google AI Plus」を提供する。あわせて専用スチューデントハブ、3D対話型シミュレーション、Gemini Live内のDeep Research機能も順次提供する。
GoogleはAndroid版ChromeのGemini機能を米国の全ユーザー向けに提供開始した。Webページの要約やカレンダー・Keepとの連携に対応するほか、AI ProやUltraの加入者向けには駐車場の予約や定期注文の更新を自動で行うエージェント機能「auto browse」も提供される。
GoogleはGeminiアプリで生成した画像・動画・音楽の目に見える透かし(ウォーターマーク)を非表示にできる新機能を発表した。設定からオフに切り替え可能だが、背景にある不可視のSynthID透かしやC2PAメタデータはそのまま維持される。
GoogleはGemini向けに新たなサードパーティ製アプリ連携を今後数週間で展開すると発表した。TicketmasterやOpenTable、Otter.ai、Pandoraなどに対応し、Geminiの画面から直接レストラン予約やチケット手配、音楽再生が行えるようになる。
MATS Programの研究チームがAnthropic、OpenAI、GoogleのAPIに存在する脆弱性を報告しました。ClaudeやGPTなどの非公開な推論トークンを抽出可能で、公開ログから多数のAPIキー流出も確認されました。各社は修正パッチの適用を進めています。
GoogleはGoogle AdsおよびGoogle Analytics向けにGemini基盤の新たなAI機能を発表した。AIエージェント「Ask Advisor」の機能を拡張し、ホームページ上のAI要約や業界平均とのベンチマーク比較を追加。プロンプトを入力するだけで生データを視覚的なダッシュボードに変換できる。
GoogleはGoogleマップの対話型AI機能「Ask Maps」を大幅強化した。帰宅ルート沿いの店を探して料理をカートに追加するテイクアウト注文代行や、Gmailの予約情報を参照した個別提案に対応。さらに分単位で遅延を反映する乗換ウィジェットも導入された。注文機能はまず米国で展開される。
GoogleはAI組織の体制刷新を発表した。Demis Hassabis氏が日常業務から退きGoogle DeepMind会長兼Alphabetチーフサイエンティストに就任してAGI戦略に専念する。Gemini開発を率いる後任SVPにはKoray Kavukcuoglu氏が昇格し、27年在籍したJeff Dean氏は独立起業のため退社する。
GoogleはWeb版Google Earthに画像生成AI「Nano Banana 2」を統合し、実在の場所をプロンプトで再構築できる機能を公開した。だが翌31日、ポリシー違反とみられる生成画像の拡散を受けて即座に機能をロールバック。安全対策を強化した上で再提供を目指すとしている。
GoogleはGeminiの動画生成機能を期間限定で無料開放した。有料プラン未加入のユーザーを対象に、2026年8月4日まで最大10本の動画を作成・編集・リミックスできる。Gemini Omniモデルの機能を体験できる形だ。
GoogleはmacOS版Geminiに音声機能を追加した。Fnキーを長押しするだけで任意の画面に音声入力でき、「えーと」などの不要な言葉も自動で除去される。設定で推論を有効にすれば、画面上で選択したテキストの書き直しや文書の要約も音声で指示できる。
米国の図書館で端末に強制導入されたAI機能を無効化する「Avoiding AI」講座が満席になっていると報じられた。Apple IntelligenceやGeminiの通知や要約機能に疲弊した市民向けにオフの手順を教え、デジタル主権を取り戻す試みだ。
AI検索の要約機能でトラフィックと広告収入が急減したことを受け、RedditやPoliticoなどの米メディアがGoogleのクローラー遮断を検討している。報道によると一部メディアの流入は3割以上減少した。Gemini向けのデータ提供契約の更新を前に、AIにコンテンツを渡すメリットを再評価する動きが広がっている。
報道によると、GoogleはGeminiのモデル設計をシリコンに直接焼き付ける新サーバーチップ「Frozen v2」を開発中だ。2028年の投入を予定しており、現行TPUと比べ電力効率が6〜10倍向上する見込みで、Google Cloudが直面する深刻な計算資源不足の解消を狙う。
米Googleはリサーチ支援ツール「NotebookLM」の名称を「Gemini Notebook」に変更したと発表した。新たに安全なクラウドコンピューター機能を導入し、ソースに基づくネイティブなコード記述と実行に対応する。Google AI Ultraユーザー向けに提供を開始しており、数週間以内にProユーザーにも順次展開する。
アシェットやエルゼビアなどの大手出版社と作家らが、Google が著作権保護下の書籍を無断で Gemini の学習に流用したとして集団訴訟を提起した。訴状によると同社は著作権情報を意図的に削除して隠蔽を図ったとされ、社内文書でも最大 1000 億ドルの罰金リスクが警告されていたという。
Googleはブラウザ「Chrome」に統合されたAIアシスタント「Gemini」を英国のデスクトップユーザー向けに提供開始した。複数タブの横断比較やGoogleアプリとの連携、Nano Banana 2による画像編集機能などを備える。来月にはiOS版にも展開予定だ。