#Google

GoogleはRayのTPU対応について、Ray Serve、Ray Data、Ray Trainで推論・データ処理・分散学習を行う方法を公開しました。TPUスライスの配置をtopology指定で扱い、vLLMによるLLM提供とJAX学習を実行できます。

Ray Serveではaccelerator_config.topologyを指定し、複数ホストにまたがるモデルを同じTPUスライスへ配置してvLLMで提供できます。指定しない場合、ワーカーが別スライスに分散してデプロイが停止するため、実運用では重要な設定です。 Ray Dataのiter_jax_batches()は、デバイス分割済みのJAX配列を渡し、ホスト側コピーによる入力ボトルネックを抑えます。 Ray TrainのJaxTrainerは、TPUトポロジーを指定して分散学習、チェックポイント、障害回復、複数スライスへの拡張を扱えます。JAXは各ワーカー関数内でimportする必要があります。 Ray 2.55以降のTPU対応を前提とする開発者向け解説で、モデル/APIの新規提供や利用料金変更ではありません。 Google Cloud TPUで大規模推論・後学習・バッチ推論を行うチームは、手作業の配置制御を減らしつつ、RayService、公式TPUイメージ、ダッシュボード監視を組み合わせられます。

GoogleはGalaxy Unpackedで、Samsung新型折りたたみ端末、Galaxy Watch、今後のスマートグラスにおけるGemini機能を発表しました。40以上のアプリ横断タスク、Gemini Notebook、腕時計・グラスでの利用を拡大します。

Galaxy Z Fold8およびFlip8では、Gemini Intelligenceが40以上の対応アプリにまたがる日常タスクの自動化を支援します。 Gemini Notebookは複雑な調査の整理や、スライド資料・ポッドキャストなどのリソース生成に利用できます。 Galaxy Watch 9でGeminiを呼び出せるほか、今秋予定のスマートグラスではハンズフリーのジェスチャー操作を案内しています。 対象端末にはGoogle AI Proの6か月試用が含まれるとされますが、国・地域、端末、アカウント、段階展開により利用条件が異なります。 Gemini APIやGoogle AI Studioの開発者向けモデル更新ではなく、Samsung端末における消費者向けGemini体験の拡張です。

GoogleはGemini 3.6 FlashとGemini 3.5 Flash-LiteをGemini APIでGAにしました。3.6 Flashはトークン効率とコード・エージェント計画を改善し、3.5 Flash-Liteは大量自動化向けの低遅延・低コストなサブエージェント用途を想定しています。

対象モデルIDはgemini-3.6-flashとgemini-3.5-flash-liteで、いずれも安定版・本番利用可能な提供へ移行しました。 3.6 Flashは3.5 Flashより低価格帯で、出力の冗長さに関する開発者フィードバックへの対応として、トークン効率とコード/エージェント計画を改善しています。 3.5 Flash-Liteは高スループットの自動化で使う低遅延・低コストなサブエージェントとして位置付けられます。 Google AI StudioとGemini APIの開発者が対象で、モデルのローカル実行可否やGemma系の利用規約には変更がありません。 同時にtemperature、top_p、top_kは非推奨になりました。直ちに削除される告知ではありませんが、統合コードは最新モデルガイドに沿って移行計画を確認してください。

Googleは、ツール利用型LLMエージェントの強化学習後学習を効率化するJAXネイティブライブラリTunixを紹介しました。非同期ロールアウトと生産者・消費者パイプラインでTPUの待機時間を減らす設計です。

Tunixは、ネットワークI/Oやツール実行待ちの間にも別のエージェント軌跡を処理し、TPUの稼働率を維持します。 可変長の軌跡を継続的に学習器へ流すため、同期バッチの待ち時間を抑えます。 vLLM-TPUとSGLang-Jaxの非同期推論に対応し、カスタムのオープンソース環境を組み込む抽象化と継続的なRL指標プロファイリングを提供します。 Gemini APIの新エンドポイントではなく、TPU上でエージェントRLを訓練する開発者向けの基盤更新です。 ローカルLLM実行向けではなく、分散学習とGoogle TPU環境を前提としています。

GoogleはRay 2.55でGoogle Cloud TPUを正式な第一級アクセラレータとして扱えるようになったと説明しました。GKEとKubeRayを使い、複数ホストTPUスライスをまとめて予約・実行できます。

Rayのタスク、アクター、Ray Train、Ray ServeをTPU上で公式サポートの構成として利用できます。 GKEのRay OperatorとTPU用WebhookがTPUスライスの構成をラベル付けし、Ray Coreのslice_placement_group()がスライス全体を原子的に予約します。 開発者は例えば4x4のトポロジーを宣言し、手作業の配置コードなしでマルチホストTPUジョブを実行できます。 対象はRay 2.55、GKE、Google Cloud TPUを使う開発者であり、Gemini APIやGoogle AI Studioの破壊的変更ではありません。 エージェント学習・推論などの分散PythonワークロードをTPUへ移す際の運用選択肢が広がります。

GoogleはAI Modeで、ユーザーが日常利用するサービスを接続して利用できる機能を発表しました。接続先の情報を基に、Search内でより文脈に沿った操作や回答を行うことを狙います。

利用者は対応サービスを安全にリンクし、AI Modeからサービス上の情報を参照・操作できるようになります。 個人データと外部サービス連携を使う製品更新であり、利用可否は対応するサービス、アカウント、地域への段階展開に依存します。 Gemini APIやGoogle AI Studio向けのAPI変更ではありません。 業務や個人の検索体験に外部アプリ連携を組み込む場合は、接続範囲とデータアクセス権限を確認する必要があります。

GoogleはGoogle VidsにGemini Omniと個人用アバターを導入し、動画作成・編集を容易にする更新を発表しました。AI生成を利用した業務向け動画制作の選択肢が広がります。

Gemini Omniは動画制作を支援し、個人用アバターは利用者自身が動画に登場する用途を想定しています。 対象はGoogle Workspace/Google One関連のVids体験で、Gemini APIやGoogle AI Studioのモデル提供とは別の製品更新です。 利用には対象プラン、管理者設定、段階展開の条件が関係します。 企業では、アバター利用時の肖像・社内承認・生成コンテンツの運用ルールを確認する必要があります。

GoogleはGemini Enterprise Agent Platformに、Parallel Web SystemsのWeb検索をグラウンディング提供者としてネイティブ統合しました。 +Gemini API、Agent Studio、Google Cloud Marketplaceから利用でき、リアルタイムWeb結果と出典付きの応答を企業エージェントへ組み込めます。

Grounding with Parallel Web Searchは、ParallelのWebインデックスとGeminiのプロンプト分解・統合能力を組み合わせ、検証可能なリアルタイムWeb結果と正確な出典注釈をエージェントへ提供します。 +Gemini Enterprise Agent PlatformではGemini APIから呼び出せ、Agent Studioで選択でき、Google Cloud Marketplaceでサブスクリプションを購入できます。料金は既存のGoogle Cloud請求に従量で統合されます。 +用途として、商品・連絡先データベースの補完、規制・リスク確認を行う自律エージェント、複数LLMへ検索結果を渡すマルチエージェント構成を挙げています。 +機密ワークロード向けにはゼロデータ保持（ZDR）の選択肢があるとしています。利用にはMarketplaceでの契約と料金確認が必要です。 +これはGoogle CloudのGemini Enterprise Agent Platform向け機能で、個人向けGeminiアプリ、Google AI Studio、Gemmaの更新ではありません。日本での提供可否、APIの破壊的変更、移行期限は記事に記載されていません。

Googleは、運用規模のAIエージェントでは巨大な単一システムプロンプトを避け、モジュール化したスキルファイルをビルド成果物として扱う設計を紹介しました。 +依存関係、未定義変数、循環参照をビルド時に検証し、CIで展開済みプロンプトとの差分も検出する方法です。

Googleは、単一の巨大プロンプトでは変更影響範囲の把握、共通指示の重複、実行時まで発覚しないテンプレート不備が起きやすいと説明しています。 +安全方針やツール利用規則などをモジュール化したスキルファイルとして管理し、テンプレートから決定的に展開することで、依存関係と要求変数を明確化します。 +ビルド時に未解決インポート、未定義変数、循環参照を検出し、CIで生成済みのゴールデンファイルとの差分を検査する運用を提案しています。 +実行時は、固定の安全制御を含む基盤プロンプトと、必要なスキルだけを取得する段階的開示を分け、トークン消費と文脈ノイズを抑えます。 +これは設計・運用手法の解説であり、Gemini API、Google AI Studio、Gemma、ADKの新バージョン、料金、移行期限、破壊的変更の発表ではありません。

Googleは、Gemini CLI拡張として始まったConductorをポータブルプラグイン化し、Antigravity CLIとClaudeを含む環境へ対応を広げました。 +会話形式で仕様駆動開発を進めながら、spec.mdやplan.mdなどの設計成果物を継続管理します。

Conductorは、厳密なコマンド列を覚える代わりに、AIアシスタントとの自然な会話から仕様駆動開発を進めるプラグインとして説明されています。 +spec.mdやplan.mdなどのMarkdown成果物をバックグラウンドで管理し、リポジトリを設計と状態のバージョン管理された単一の情報源として保ちます。 +Gemini CLI専用の拡張からポータブル化され、Antigravity CLIとClaudeを含む複数のAI開発環境で利用できるようになりました。 +記事は開発ワークフローの更新であり、Gemini API、Google AI Studio、Gemmaの新モデル、API料金、移行期限、破壊的変更は発表していません。無料・有料条件や日本での提供可否も記事に記載されていません。

Googleは東南アジアでのGeminiアプリ利用動向を公開し、Gemini Sparkを現地言語でGemini Advanced（Ultra）加入者へ展開すると発表しました。 SparkはGmail、Docs、Slidesと連携し、端末がロック中でもタスクをバックグラウンドで進めるAIエージェントです。

Googleによると、東南アジアのGeminiアプリ月間アクティブユーザーは1年で2倍超となり、プロンプトの約70%が現地言語で送られています。 対象の6市場では利用の約4分の3がモバイルからで、写真・動画・音声を含む入力が4割超を占めます。 Gemini Sparkは、英語での初期提供後、現地言語をGemini Advanced（Ultra）加入者へ今週から展開するとしています。 SparkはWorkspaceのGmail、Docs、Slidesに深く連携し、ノートPCを閉じた状態やスマートフォンがロック中でも仕事を進める24時間型の個人AIエージェントとして説明されています。 提供地域は東南アジア向けで、日本でのSpark利用可否、無料プランへの提供、料金変更は記事内で示されていません。

Googleは、397BパラメータのQwen 3.5 MoEをIronwood TPUで高速化するシステム最適化手法を公開しました。 JAX/Pallas、データ並列とエキスパート並列の組み合わせにより、prefill中心ワークロードで最大4.7倍の推論高速化を報告しています。

対象はGoogle自身のGemini APIやGoogle AI Studioで提供されるモデルではなく、Qwen 3.5-397B MoEをIronwood TPU7x上で提供・推論するための開発者向け技術解説です。 Data ParallelismとExpert Parallelismを組み合わせ、トークンルーティング向け通信融合やカスタム低レベルカーネルを実装したと説明されています。 Batched Ragged Page AttentionやGated DeltaNetブロックの最適化により、メモリ帯域とTensorCore MXUの利用率を高め、prefill中心の処理で最大4.7倍の高速化を達成したとしています。 モデルは397Bパラメータであり、ローカル実行、量子化、Ollama/LM Studio/llama.cpp/MLX、商用利用条件はこの記事では扱っていません。 APIの移行期限・破壊的変更・料金変更は記載されていません。大規模MoE推論基盤を設計するTPU/JAX開発者に関係する内容です。

GoogleはLiteRTのJavaScriptバインディングであるLiteRT.jsを発表しました。 Webブラウザ内で.tfliteモデルをローカル実行し、プライバシー、低遅延、サーバーコスト削減を狙うWeb AI推論基盤です。

LiteRT.jsは、JavaScript/TypeScriptのWebアプリからブラウザ内でML/AIモデルをクライアント側実行するための新しいLiteRTバインディングです。 既存の.tfliteモデルをモバイル/デスクトップのWebブラウザへ展開でき、TensorFlow.jsにおける.tflite対応の発展形として位置づけられています。 推論基盤はWebAssemblyとLiteRTスタックを使い、CPUではXNNPACK、GPUではML Drift/WebGPU、今後はWebNN経由のNPU利用も見込まれます。 初期リリースではLiteRT.jsのnpmパッケージとデモが提供され、テキスト生成、物体検出、音声処理などのオンデバイスWeb AI用途を想定しています。 ローカル実行により、サーバー推論コストの削減、低遅延、プライバシー向上を狙えるため、WebアプリでAI機能を配布する開発者に関係します。 PyTorchモデルはLiteRT TorchでLiteRTへ変換でき、AI Edge Quantizerによる量子化も利用可能です。 記事内ではAPI移行期限、破壊的変更、有料/無料条件、日本での提供可否は明記されていません。

Google Developers Blogは、AntigravityとGeminiで構築したリアルタイムAI Race Coach事例を公開しました。 レースカーのテレメトリを処理し、Gemma 4のローカル推論とGemini APIのクラウド推論を組み合わせて運転助言を出す構成です。

Google Developer ExpertsがSonoma Racewayで構築した事例で、レース中のドライバーに即時で実行可能な助言を返すAIコーチを扱っています。 Antigravityがステートフルなオーケストレーションと車両テレメトリ取り込みを担い、ADK、Pythonバックエンド、Jetpack Composeの車載ダッシュボードを組み合わせています。 Gemini APIは走行後のドライバーモデリングやクラウド推論に使われ、Gemma 4はゼロレイテンシーのオフライン音声コーチング用エッジ推論としてローカル実行されています。 物理法則とリアルタイム検証に基づく設計を通じて、高速・高リスク領域で生成AIの信頼性を確保する実装例になっています。 製品の一般提供開始や料金、地域条件、SDK移行期限、破壊的変更はこの記事では示されていません。

Googleは、小規模事業者がGeminiを使って業務時間を削減する事例として、コーヒーショップHenry’s House of Coffeeの活用方法を紹介しました。 売上予測、デザイン素材作成、ニュースレター作成など、日常業務でのGemini活用が中心です。

Googleは、Henry’s House of CoffeeがGeminiを使い、売上データの追跡、Google Sheets関数やコード作成、デザイン素材、メールマーケティング、業界ニュース要約に活用している事例を紹介しています。 売上予測では、Geminiに日次売上レポート用のコード作成やエラー解決を支援させ、約1時間で仕組みを作ったと説明されています。 対象は小規模事業者や個人事業者で、専用ソフトを導入せずに既存のスプレッドシートや文書を使って業務を改善する使い方が示されています。 新しいGeminiモデル、Gemini API、Google AI Studio、Gemma、ローカルLLMの提供条件変更ではありません。 料金、提供地域、API破壊的変更は確認されていません。

GoogleはGemini APIのManaged Agentsに、バックグラウンド実行、remote MCP server連携、カスタム関数呼び出し、認証情報更新などを追加しました。 Interactions APIの単一エンドポイントから、推論、コード実行、パッケージ導入、ファイル管理、Web情報取得をクラウドサンドボックス内で扱える開発者向け更新です。

Managed AgentsはGemini Interactions API上の機能で、開発者が単一エンドポイントを呼ぶと、Geminiが推論、コード実行、パッケージインストール、ファイル管理、Web情報取得を隔離されたクラウドサンドボックス内で扱います。 今回の更新では、非同期処理向けのbackground execution、remote MCP server integration、custom function calling、interactionsをまたいだcredential refreshが追加されました。 対象はGemini APIでエージェントを構築する開発者で、Googleは@google/genai JavaScript SDKの例を示し、PythonやcURLの例も用意しているとしています。 remote MCP対応により、外部ツールやデータソースをMCPサーバー経由で接続しやすくなり、バックグラウンド実行により長時間処理の実装がしやすくなります。 Google AI Studio単体のUI更新ではなく、Gemini API/Interactions APIの開発者向け機能拡張です。破壊的変更、移行期限、既存API廃止は確認されていません。

GoogleはGemini APIのChangelogで、対応するInteractions API呼び出しのログを確認できるようになったと案内しました。 動画生成や会話型生成フローをAPIで扱う開発者にとって、実行履歴や問題調査を追いやすくする運用改善です。

対象はGemini APIのInteractions APIで、対応済みのInteractions API呼び出しについてログ表示が可能になりました。 新モデル追加や破壊的変更ではなく、API利用時の観測性・デバッグ性を高める開発者向け更新です。 対象モデル、料金、プラン、日本での提供可否、ログ保持期間、移行期限はこのChangelog項目内では明記されていません。 既存実装の移行は不要ですが、生成失敗や品質確認、監査のためにログ確認手順を運用に組み込む意味があります。

Google Developers Blogが、MaxText、JAX、Pathways、Cloud TPUを使ったelastic trainingの解説を公開しました。分散学習中にTPUワーカーを意図的に停止しても、メインプロセスを再起動せず約2分以内に復旧する例を示しています。

Googleは、JAX AIスタックのMaxText、Pathways、Orbax、Cloud TPU、GKEを使い、分散LLM学習の途中でワーカー障害が起きても学習プロセスを生かしたまま復旧するelastic trainingを紹介しました。対象は大規模モデルをTPU上で分散学習するMLエンジニアや研究開発チームです。 通常の分散学習では、1台のマシンが消えるとall-reduceが停止し、全ワーカーが終了してジョブ全体を再起動する必要があります。記事の例では、Pathwaysが障害をPython例外として扱い、壊れたワーカーだけを置き換え、OrbaxがCloud Storage上のチェックポイントから復旧します。 実験では、TPUワーカーを意図的に停止した後、次の学習ステップまでの総ダウンタイムは2分未満で、その大半はKubernetesが代替Podをスケジュールする時間だったと説明されています。コントローラのPythonプロセスは同じPIDのまま再起動されません。 提供条件として、記事は再現方法を含む開発者向け解説です。対象API/ランタイムはMaxText、JAX、Pathways、Orbax、Cloud TPU、GKEで、モデル提供やGemini/Gemmaの新リリースではありません。破壊的変更や移行期限は示されていませんが、実運用ではチェックポイント、Pod置換、TPU/GKE構成の設計が重要になります。

Google Developers Blogで、Google Cloud Workbench NotebooksのVS Code拡張が正式公開されました。ローカルIDEからGoogle Cloudの管理Jupyter環境に接続し、ML開発をクラウド計算資源へ切り替えやすくする更新です。

Google Cloud Workbench Notebooks extension for VS Codeが公開され、ローカルのVS CodeからWorkbenchインスタンスを選んでノートブックを実行できるようになりました。対象はデータサイエンティスト、ML開発者、Google Cloud上の管理Jupyter環境を使うチームです。 GoogleはGemini Enterprise Agent Platform Workbenchを、データサイエンス向けの管理Jupyter環境として位置づけています。今回の拡張により、ローカルIDEの設定や拡張機能を使いながら、必要なときだけクラウドの高性能計算資源に接続できます。 拡張はVS Code Marketplaceから入手でき、Jupyter拡張と連携します。Google Cloud認証後、プロジェクトと稼働中のWorkbenchインスタンスを選ぶ流れです。拡張はオープンソースとして公開され、コミュニティからの貢献も想定されています。破壊的変更や移行期限は示されていません。

Google Developers Blogは、オープンソースのGenkitに「Agents API」を導入したと発表しました。会話履歴、ツールループ、ストリーミング、状態永続化、フロントエンド連携を1つのインターフェースにまとめ、会話型AI/エージェント機能の実装を簡素化します。

Genkit Agents APIは、TypeScriptとGoでpreview提供されています。記事では、preview機能のためminor version releasesで破壊的変更が入り得ると明記されています。開発者はサーバー側でagentを定義し、プロセス内またはHTTP endpoint越しでも同じ `chat()` APIで利用できます。server-managed sessionではFirestoreなどのstoreにメッセージ、カスタム状態、成果物をsnapshotとして保存し、sessionIdやsnapshotIdで再開・分岐できます。client-managed sessionも選べるため、アプリ側で永続化を持つ構成やステートレスサーバーにも対応します。対象はGenkitでGemini/Google AIを使うフルスタック開発者で、正式GAではなくpreview段階である点が実務上の注意点です。

Googleは6月のAI関連発表をまとめた公式記事を公開しました。Gemini 3.5 Live Translate、Android 17の最新機能、Gemini向けに設計された新しいGoogle Home Speakerなどを月次まとめとして整理しています。

この記事は新しい単独機能の発表というより、6月にGoogleが公開したAI更新の公式まとめです。Googleは、端末やアプリをより有用にするAI更新として、Gemini 3.5 Live Translate、Android 17のAI関連機能、新しいGoogle Home Speakerなどを挙げています。利用条件や対象国は個別機能ごとに異なるため、実務ではリンク先の各発表を確認する必要があります。既掲載済みの個別ニュースと重複する部分はありますが、Google公式の月次インデックスとして、6月分の重要発表を一覧確認する入口になります。開発者向けAPIの移行期限や破壊的変更はこの記事自体には示されていません。

Google Developers Blogは、ADK 2.0を構築した理由と設計思想を解説しました。エージェントの柔軟性と、業務フローに必要な決定的な実行制御を両立させるため、構造化ワークフローランタイムとタスク協調モデルを導入したと説明しています。

記事は、AIエージェントをプロトタイプから本番へ進める際、無限ループ、業務ロジックの逸脱、例外の扱いにくさが課題になると説明しています。ADK 2.0では、LLMにルーティングやスケジューリングを任せきるのではなく、従来コードが得意な決定的制御とエージェントの探索能力を組み合わせます。対象はPython、Java、Go、TypeScript、KotlinなどADK v1基盤を使ってきた開発者です。Pythonでは3月から利用可能で、Go向けは今回のADK for Go 2.0発表と連動しています。移行期限や破壊的変更の明示はありませんが、本番エージェントではプロンプトだけでなくワークフロー構造を設計すべきという実務上の指針になります。

Googleは、New York Jobs CEO CouncilとUrban Assemblyと共同で、教育関係者・産業界リーダー150人向けのAIサミットを開催したと発表しました。AIリテラシー、将来の職業スキル、教育現場でのAI活用をテーマにしています。

記事では、aiEDUの「Vibe Coding」やGoogleの「Meet LEA」などのハンズオンを通じ、教育者がGoogle AI modeやNotebookLMを使って好奇心とAIリテラシーを育てる方法を探ったと説明しています。主な対象は教育機関、キャリア教育関係者、産業界の採用・人材育成担当者です。新しい一般提供機能やAPI更新ではなく、教育・人材育成領域でのAI活用事例に近い公式発表です。プライバシーと公平なアクセスを重視する必要性も強調されています。

GoogleはGemini Sparkの公式更新記事を公開し、macOSアプリ提供、接続アプリ拡張、リアルタイムのトピック追跡改善を発表しました。Gemini Sparkはローカルファイルやデスクトップ作業を扱う個人向けAIエージェントです。

Gemini Sparkは、Geminiを質問応答アシスタントから、ユーザーの指示下で実際に作業を進めるエージェントへ広げる更新です。macOSアプリではデスクトップファイルを使ったタスク自動化が可能になり、外出中にスマートフォンからMacへ複雑な作業を依頼する導線も説明されています。CanvaやDropboxなどのアプリ連携により、日常ワークフローをまたぐ作業にも対応します。ニュース、スポーツ、金融などのトピックをリアルタイムに追跡する改善も含まれます。提供条件はGeminiアプリ側のリリースノートと同様、英語、Google AI Ultra加入者、18歳以上、サポート対象国が中心です。日本での利用可否は公式記事内では明記されていません。

GoogleはGeminiアプリのリリースノートで、個人向けAIエージェント「Gemini Spark」をmacOS版Geminiアプリに提供開始したと発表しました。ローカルファイルやGoogle Workspaceを使った複雑な作業を、ユーザーの指示と監督のもとで自律的に進めます。

Gemini Sparkは、フォルダ整理、ローカルファイルを使った文書作成、Google Workspaceをまたぐワークフロー処理などを担う個人向けエージェントです。提供対象は英語、Gemini macOSアプリ、Google AI Ultra加入者、18歳以上、サポート対象国です。将来的にはWebやモバイルアプリからMac上のローカルファイルやタスクにアクセスする指示も可能にするとしています。現時点では無料ユーザーや一般の有料プラン全体ではなく、Ultra加入者向けの限定提供です。実務上は、Geminiが質問応答型のアシスタントから、ユーザーのローカル環境を使って作業を実行するエージェントへ広がる更新です。日本での利用可否は公式リリースノート上では明記されていません。

Google Developers Blogは、ADK for Go 2.0を発表しました。複雑なマルチエージェントアプリをグラフとして構成するワークフローエンジン、human-in-the-loop、動的オーケストレーション、統一ノードランタイムを導入しています。

ADK for Go 2.0は、Go開発者向けのAgent Development Kitの大きな更新です。従来の単一エージェント実行に加え、分岐、ファンアウト、承認待ち、リトライ、ループなどをグラフとして定義できます。HITLが組み込みプリミティブになり、人間の承認で停止・再開する業務フローを作りやすくなりました。動的ルーティングは通常のGoコードで書けるため、LLMに実行制御を任せすぎず、決定的なワークフロー制御とエージェントの柔軟性を組み合わせられます。対象はGoで本番エージェントを構築する開発者で、API/モデル移行期限や破壊的変更は記事本文では明記されていません。

Google Developers Blogは、エージェント品質改善のための「Agent Quality Flywheel」を、コーディングエージェントから実行できる開発者向けスキルとして紹介しました。評価データ準備、推論、採点、失敗分析、最適化を反復する流れを自動化します。

この更新は、プロンプト変更が本当に品質を改善したか、別のケースを壊していないかを検証する開発者向け手法です。既存のOpenTelemetry traces、手作りケース、合成シナリオから評価データを作り、エージェントを実行してトレースを生成します。採点ではGoogleのadaptive AutoRatersまたは独自メトリクスを利用し、失敗クラスタを分析して改善対象を絞ります。AutoRatersはGoogle DeepMindとの協力で開発されたと説明されています。対象は本番エージェントを継続改善する開発チームで、特定APIの移行期限や破壊的変更は示されていません。

GoogleはGemini APIで `gemini-omni-flash-preview` をpublic previewとして公開しました。 高速動画生成と会話型動画編集向けのマルチモーダルモデルで、Interactions APIから3〜10秒の720p動画生成や静止画アニメーションに使えます。

`gemini-omni-flash-preview` は、高速な動画生成と会話型動画編集向けに設計された高性能マルチモーダルモデルです。 Interactions APIを使い、テキスト説明から3〜10秒の720p動画を生成したり、静止画をアニメーション化したり、会話的に出力を編集・改善できます。 対象はGemini APIで動画生成、広告・クリエイティブ制作、プロトタイピング、マルチモーダルUIを組み込む開発者です。 提供状態はpublic previewで、モデルIDは `gemini-omni-flash-preview` です。 料金、地域提供、日本での利用可否、Google AI Studioでの提供条件はこのChangelog項目内では明記されていません。 既存モデルの破壊的変更ではなく新規preview追加ですが、本番利用ではpreview品質・仕様変更リスクを考慮する必要があります。

Google UKは、英国でのAI活用と生産性に関するEconomic Impact Reportを紹介しました。 AI利用上位15%のユーザーは評価、昇給、時間節約で強い効果を報告しており、残り85%へのAIスキル普及を課題にしています。

Google UKとPublic Firstの調査では、英国の職場でのAI導入率が前年の34%から73%へ倍増したとされています。 一方で高度にAIを使う「Trailblazers」は上位15%に限られ、この層は昇進、昇給、キャリア進展、個人・業務合計で週約8時間の時間節約を報告しています。 Googleは、AI Works for BritainとGoogle Digital Garageを通じてAIスキル普及を進め、英国政府の2030年までに1,000万人へAIスキルを提供する目標に協力すると説明しています。 製品更新ではなく、AIリテラシー、政策、経済影響、労働市場に関する公式発表です。 実務上は、企業のAI導入でツール配布だけでなく、利用段階に応じた教育・行動変容が必要だという示唆があります。 具体的なGemini API仕様、モデル変更、料金、移行期限、破壊的変更はありません。

Googleは `gemini-3.1-flash-lite-image`、別名Nano Banana Liteを一般提供しました。 超低遅延・低コストの画像生成/編集向け組み込みマルチモーダルモデルです。

`gemini-3.1-flash-lite-image` は、画像生成と編集に最適化された組み込みマルチモーダルモデルで、Nano Banana Liteとして案内されています。 GoogleはこのモデルをGAとして公開し、超低遅延かつ費用対効果の高い画像生成・編集用途に向けたものと説明しています。 対象はGemini APIで画像生成、画像編集、アプリ内クリエイティブ機能を実装する開発者です。 提供状態は一般提供で、モデルIDは `gemini-3.1-flash-lite-image` です。 既存モデルの廃止ではなく新規GAモデル追加であり、破壊的変更や移行期限は示されていません。 料金、地域提供、日本での利用可否、Google AI Studioでの提供条件はこのChangelog項目内では明記されていません。

GoogleはGemini API Changelogで、Veo 2.0/3.0系の動画生成モデルが2026年6月30日にシャットダウンされると案内しました。 継続利用にはVeo 3.1 previewモデルID、またはGemini Enterprise Agent Platformの3.1 GAモデルへの移行が必要です。

対象モデルは `veo-2.0-generate-001`、`veo-3.0-generate-001`、`veo-3.0-fast-generate-001` です。 Googleは、サービス中断を避けるため、`veo-3.1-generate-preview`、`veo-3.1-fast-generate-preview`、またはGemini Enterprise Agent Platformで利用できる3.1 GAモデルへ移行するよう案内しています。 これはGemini APIの開発者向け更新で、動画生成モデルを直接指定している既存実装には破壊的影響があります。 移行期限・停止日は2026年6月30日で、該当モデルIDを使い続ける統合はサービス中断の可能性があります。 料金、地域提供、日本での利用可否、Google AI Studioでの提供条件については、このChangelog項目内では明記されていません。 実務上は、Veo APIを組み込んだプロダクトやワークフローでモデルIDの棚卸しと置換を即時に行う必要があります。

Googleは、フルスタックAIとは何かをGoogle Cloudの開発者体験担当者が解説する記事を公開しました。 TPU、Gemini、Gemini Enterprise Platform、Google AI Studio、Antigravityなどを一体のAIスタックとして説明しています。

記事では、フルスタックAIを、コンピュート基盤、AIモデル、オーケストレーション、ユーザーインターフェースまでを一貫して統合する考え方として説明しています。 GoogleはTPU、Google DeepMindのGeminiファミリー、Gemini Enterprise Platform、GmailやMapsなどの利用面までを自社で持つことを強調しています。 開発者の入口として、プロトタイプ作成にはGoogle AI Studio、業務自動化にはGemini Enterprise Platform、複雑なアプリやエージェント構築にはAntigravityを挙げています。 新モデルやAPIの破壊的変更ではなく、GoogleのAI開発基盤をどう選ぶかを示す公式解説です。 実務上は、Gemini/API/Cloud/AI Studioを単体サービスではなく、開発から運用までの統合基盤として評価する際の整理になります。

GoogleはGeminiアプリに「study notebooks」を導入すると発表しました。学習目標に合わせて、授業、試験、標準テストなどのための対話型・適応型学習スペースを提供します。

Study notebooksはGeminiアプリ内の専用学習スペースで、学生の目標に合わせたパーソナライズされたレッスンを提供します。対象はGeminiアプリ利用者で、記事では学校の授業、クイズ、標準テスト対策などの用途が示されています。NotebookLMとは別に、Geminiアプリ内で学習を進める機能として位置づけられています。無料/有料や対象国の詳細は記事本文だけでは明確ではありません。APIや開発者向けの移行期限・破壊的変更はありません。

Googleは新しいGoogle Financeをベータから正式展開し、ポートフォリオ管理、AIリサーチ、定期ブリーフィング、Androidアプリを追加しました。 投資データの取り込みや市場ニュースの追跡を、Google SearchやGoogleアプリ上のAI機能と組み合わせて使えるようにしています。

ポートフォリオ機能はグローバルに展開され、スクリーンショット、CSV/PDF、または自然言語で保有銘柄を登録できるとされています。 AIリサーチツールでは、ポートフォリオに関する質問や市場調査をGoogle Finance上で扱えるようになります。 「毎朝のプレマーケット・ブリーフィングを送る」といった定期タスクにも対応し、Googleアプリ通知やリサーチパネルで市場インテリジェンスを受け取れると説明されています。 Android向けGoogle Financeアプリも公開され、ウォッチリスト、リアルタイムデータ、ライブ金融ニュース、AIリサーチ、AIによる重要な動きの整理を備えます。iOS版は年内予定です。 Gemini APIやGoogle AI Studio向けの開発者API更新ではなく、個人投資家・金融情報利用者向けのGoogle製品更新です。日本での利用可否は記事内で個別明記されていません。

GoogleはGemini 3.5 FlashにComputer Useを組み込み、ブラウザ、モバイル、デスクトップ環境を操作するエージェントを作れるようにしました。 Gemini APIとGemini Enterprise Agent Platformから利用でき、企業向けの安全機構も追加されています。

Computer UseがGemini 3.5 Flashの組み込みツールとして提供され、従来の独立したGemini 2.5 computer use modelから、主要Flashモデル内のネイティブ機能へ移りました。 開発者はGemini 3.5 Flashを使い、画面を見て、推論し、ブラウザ、モバイル、デスクトップ環境で操作するカスタムエージェントを構築できます。 想定ユースケースには、継続的なソフトウェアテスト、業務アプリをまたぐ知識労働、長い手順を伴うエンタープライズ自動化が含まれます。 提供経路はGemini APIとGemini Enterprise Agent Platformです。Google AI Studioでの個人向けUI提供や日本での個別利用条件は記事では明記されていません。 安全面では、Computer Use向けの敵対的学習に加え、機微または不可逆な操作への明示的ユーザー確認、間接プロンプトインジェクション検出時の自動停止という企業向け保護機能が示されています。 Gemini API release notesではpublic previewとして掲載され、簡略化されたintent付きアクション、ブラウザ・モバイル・デスクトップ環境の組み込みサポート、構成可能な安全ポリシー、高度なプロンプトインジェクション検出が含まれるとされています。 破壊的変更や移行期限はこの更新では示されていません。

Google Developers Blogは、PythonのGemini抽出エージェントとGoのコンプライアンス検証エージェントをA2Aで連携する実装例を公開しました。 Google ADKのRemoteA2aAgentを使い、異なる言語・実装のエージェントを一つのパイプラインとして扱う方法を示しています。

記事では、契約書から重要項目を抽出するPythonエージェントと、企業ポリシーに照らして検証するGoエージェントを連携するContract Compliance Multi-Agent Pipelineが例示されています。 A2AはAgent Card、JSON-RPC、Taskライフサイクルを使い、実装言語やフレームワークが異なるエージェント同士をHTTP越しに接続します。 Google ADKのRemoteA2aAgentにより、遠隔のA2A対応サービスをローカルのサブエージェントのように扱えます。 Gemini 3.5 Flashは契約項目の抽出側で使われ、Go側は決定的なポリシー検証を行うため、LLMの非決定性と監査要件を分離できます。 障害時には手動レビュー状態へ遷移するフェイルセーフや、Agent Cardの公開、共有状態、ライブのハンドオフ確認など、本番向けマルチエージェント設計の具体例が含まれています。 サンプルはオープンソースアプリとして提供されます。Gemini APIの破壊的変更、料金、提供地域の更新ではありません。

Google Developers Blogは、Julesを含むプロアクティブなAIコーディングエージェントを評価するための研究的取り組みを紹介しました。 SWE-Benchのようなタスク完了評価ではなく、目標に対して何を重要と判断して通知するかを測る「insight policy」が焦点です。

記事では、AIコーディングエージェントが単発タスクを解くだけでなく、コードベースを探索し、リスクや診断的洞察を能動的に提示する段階へ移っていると説明されています。 Google Labsの研究では、実際のバグ修正履歴を使い、時間的近接性と意味的類似性から、複数のバグが示す上位目標を推定する評価セットを作っています。 初期評価では、705件のバグと1,178件のCLを使い、修正前の状態に戻したコードベースをエージェントに探索させ、予測した洞察をLLMで1〜5点評価しました。 1回の探索では平均4.5/5の関連性が出た一方、複雑な問題では探索予算を2回から3回へ増やすことでHit@5が33%から57%へ改善したとされています。 Julesや将来のプロアクティブな開発エージェントでは、いつ通知し、いつ黙るべきかを評価することが重要になります。 製品の一般提供条件、無料/有料、日本での利用可否、APIの破壊的変更はこの記事では示されていません。

Google Developers Blogで、A2Aプロトコル1周年に合わせて、エージェント同士の安全な連携ユースケースが紹介されました。 生命科学向けのFoldRunはGemini Enterprise、Gemini CLI、A2A対応環境に追加できるエージェント例として示されています。

A2Aは、エージェントを単なるAPIのように扱うのではなく、意図理解、確認、タスク分担、長時間処理を行う協調相手として接続するためのプロトコルです。 記事では、企業内の専門エージェントに作業を委任し、内部データや独自ロジックを外部LLMに露出させない「安全な境界」が利点として説明されています。 FoldRunはタンパク質3D構造予測向けのエージェント型インターフェースで、AlphaFold 2、OpenFold 3、Boltz-2などを分子に応じて使い分ける例として紹介されています。 開発者はFoldRunをGemini Enterprise、Gemini CLI、または任意のA2A準拠環境に追加し、自然言語で構造予測タスクを委譲できます。 A2Aのユースケースとして、B2B取引、リアルタイムストリーミング、DevOps、通信/規制産業での安全なエージェント連携も挙げられています。 公式SDKはPythonとGoが1.0 GA、JavaはBeta、.NETはPreview、JavaScript/TypeScriptは安定版v0.3系で1.0作業中とされています。

Google Developers Blogで、エージェントがツール、スキル、他エージェントを発見・検証するためのAgentic Resource Discovery仕様が発表されました。 Gemini Enterprise Agent PlatformのAgent Registryにも今後ネイティブ対応予定です。

Agentic Resource Discovery（ARD）は、Web上のAI能力を公開、発見、検証するためのオープン仕様です。 組織が自社ドメイン配下にカタログを公開し、レジストリがそれをクロール・索引化することで、エージェントが必要なMCPサーバー、A2Aエージェント、OpenAPIツールなどを見つけられるようにします。 本番利用向けには、発行元の暗号学的検証や信頼メタデータを使い、安全に接続先を確認する仕組みが説明されています。 Google CloudはGemini Enterprise Agent PlatformのAgent Registryでこの構想を支え、エージェント、スキル、MCPサーバー、ツールの検索・発見・ホスティングを提供します。 Agent Registryでは一意なURN、エージェントのegress policy、仕様の固定、Agent Identityによるtrust manifest検証なども扱うとされています。 ARD仕様自体は公開済みで、Agent Platformでのネイティブ対応は今後数か月で提供予定です。破壊的変更ではなく、新しい相互運用仕様の公開です。

Google Developers Blogで、A2UIとMCP Appsを組み合わせる3つのアーキテクチャパターンが公開されました。 MCPサーバーからA2UI JSONを返す方法、A2UI内にMCP Appを埋め込む方法、MCP App内でA2UIを動かす方法が説明されています。

この更新は、エージェントがテキストだけでなくリッチなUIを返すための実装パターンを整理したものです。 A2UIはJSONでUIを宣言し、ホストアプリ側のネイティブコンポーネントで安全に描画する方式です。一方、MCP Appsはiframe内で標準Web技術を使えるため自由度が高い反面、見た目や性能、セキュリティ境界に課題があります。 Pattern 1では、MCPサーバーが `application/a2ui+json` のペイロードを返し、ホスト側がネイティブUIとして描画します。 Pattern 2では、A2UIコンポーネント内にMCP Appを安全なiframeとして包み込み、複雑な状態管理やカスタム体験を委譲します。 Pattern 3では、MCP App自体にA2UIレンダラーを含め、既存アプリや非A2UI環境に生成UIを後付けできます。 特定のGemini API変更ではなく、MCP/A2UIを使う開発者向けの実装ガイドとサンプルコード公開です。

Googleは、医療推論・対話AI「AMIE」を単発の診断支援から長期的な疾患管理へ拡張する研究をNatureで発表しました。 Geminiの長文脈能力を使い、患者対話エージェントと管理推論エージェントが臨床ガイドラインや薬剤情報を参照します。

GoogleのAMIE研究は、診断後の慢性疾患管理、症状追跡、更新される臨床ガイドラインの解釈、薬剤調整といった継続的な医療タスクを対象にしています。 AMIE for disease managementは、リアルタイム患者会話を行う共感的な対話エージェントと、権威ある臨床知識を横断参照する深い推論エージェントで構成されています。 Geminiモデルの長文脈能力を使い、薬剤フォーミュラリや臨床ガイドラインなど数百ページ規模の情報を扱うと説明されています。 患者役を使ったブラインド研究では、専門医がAMIEと21人のプライマリケア医を比較し、AMIEは全体的な管理推論で臨床医と同等、計画の具体性とガイドライン整合性でより高い評価を得たとされています。 Googleは、これが将来の医療現場で医師の時間を患者対応に回す支援になり得るとしつつ、臨床環境での検証や全国規模の実世界バーチャルケア研究を進めるとしています。 製品提供やAPI公開ではなく研究発表です。日本での利用可能性、無料/有料、個人/法人向け条件は記載されていません。

Gemini APIで、`gemini-3.1-flash-tts-preview`モデルの音声生成ストリーミングがサポートされました。 `streamGenerateContent`とInteractions APIの`stream: true`で利用でき、テキスト読み上げの低遅延化に関係します。

Gemini APIの6月17日更新として、音声生成のストリーミング対応が追加されました。対象モデルは`gemini-3.1-flash-tts-preview`です。 利用経路は`streamGenerateContent`、およびInteractions APIで`stream: true`を指定する方法です。 TTS応答をまとめて生成完了まで待つのではなく、ストリーミングで受け取れるため、音声アシスタント、読み上げ、会話UIなどで体感待ち時間を下げやすくなります。 開発者向け更新ですが、この項目自体には移行期限や破壊的変更はありません。対象API/モデルはGemini API、`gemini-3.1-flash-tts-preview`、Text-to-Speech機能です。 無料/有料枠、日本での利用可否、レート制限について、このchangelog項目内では追加説明はありません。

Google Developers Blogで、TPU Developer Hubの正式公開が発表されました。 モデル開発者向けに、TPUの設計、最適化、デバッグ、分散学習、低レイテンシ推論までをまとめたコード中心の学習・実装リソースです。

TPU Developer Hubは、Google Cloud TPUを使うモデル開発者、最適化担当、MLインフラ担当向けの公式リソースです。 内容は、TPUハードウェア、XLAなどのソフトウェアスタック、XProfによるトレース/デバッグ、並列化、Pallasカーネル、ネットワーク/セキュリティまで広く扱います。 PyTorch on TPUの移行、低レイテンシ推論、KV cache offloadingなど、実装に近いトピックも含まれます。 GoogleはこのHubを、AI支援開発ツールにも取り込みやすい「agent-ingestion friendly」なリソースとして位置づけています。 特定モデル/APIの破壊的変更ではなく、TPU活用のドキュメント・レシピ集の公開です。利用条件はGoogle Cloud TPUの利用形態に依存します。

Google DeepMindは、英国政府と連携し、Geminiを使った住宅計画申請処理向けAIプロトタイプを発表しました。 自治体の計画担当者が文書確認、政策照合、意見要約、報告書ドラフト作成に使う補助ツールで、判断権限は人間の担当者に残す設計です。

英国は2029年までに150万戸の新築住宅を目指しており、地方計画当局では書類処理や行政バックログがボトルネックになっています。 Google DeepMindは英国政府、Google Cloud、Faculty、Barnet、Dorset、Camdenの地方当局と協力し、計画担当者向けAIプロトタイプを共同開発します。 このツールは、申請書類やPDFからのデータ抽出、関連する国・地方ポリシーの提示、相談書面の要点整理、最終報告書ドラフト作成を支援します。 初期試験後、英国政府は2027年から全国の自治体に利用可能にする計画です。 最終判断は計画担当者が行い、ツール生成内容を人間がレビュー・編集し、承認または却下の権限を保持します。監査証跡も残す設計です。 Geminiを使ったExtractの流れを拡張する公共サービス向けAI事例であり、Gemini APIやGoogle AI Studioの開発者向け変更ではありません。日本での提供条件も関係しません。

Gemini APIで画像生成モデルと動画生成モデルの廃止予定が発表されました。 Imagen 4/Gemini 3 Image系は2026年8月17日、Veo 2.0/3.0系は2026年6月30日にシャットダウン予定です。

画像生成では`imagen-4.0-generate-001`、`imagen-4.0-ultra-generate-001`、`imagen-4.0-fast-generate-001`が廃止対象です。 これらはImagen 4およびGemini 3 Imageモデルとして扱われ、2026年8月17日にシャットダウン予定です。 動画生成では`veo-2.0-generate-001`、`veo-3.0-generate-001`、`veo-3.0-fast-generate-001`が廃止対象で、2026年6月30日にシャットダウン予定です。 GoogleはVeo 3.1 previewの`veo-3.1-generate-preview`、`veo-3.1-fast-generate-preview`、またはGemini Enterprise Agent Platformで利用できる3.1 GAモデルへの移行を案内しています。 開発者向けには明確な移行期限を伴う重要更新で、対象モデルIDを直接指定している実装は停止前に更新が必要です。 無料/有料、日本での提供条件、Google AI Studioでの提供可否はこのリリースノートだけでは明示されていません。

GoogleがAlabama州Jackson Countyのデータセンター拡張に、2026年から2027年にかけて15億ドルを投資すると発表しました。 AIを含むデジタルサービス基盤の拡張と、地域のエネルギー効率・教育支援が中心です。

対象は2019年から稼働している、旧石炭火力発電所跡地を活用したJackson Countyのデータセンターキャンパスです。 Googleは2026年と2027年に15億ドルを投資し、データセンター拡張を進めます。 電力・インフラ費用はGoogleが100%負担すると説明しており、TVAおよびCAANEALと連携した200万ドルのEnergy Impact Fundも発表しました。 地域支援として、4年生から8年生向けSTEMキットに55万ドルを寄付します。 GeminiやGemmaのモデル/API機能追加ではなく、AI利用を支えるインフラと地域投資のニュースです。日本での利用条件や製品料金への直接変更はありません。

Google DeepMindなどが、大規模なマルチエージェントAIの安全性研究に最大1,000万ドルを提供する国際公募を開始しました。 異なる組織のAIエージェント同士が通信・交渉・取引する際に生じる、集団レベルの予測困難なリスクを研究対象とします。

Google DeepMind、Schmidt Sciences、Cooperative AI Foundation、ARIAが共同し、Google.orgの支援を受けて実施する研究助成です。 重点分野は、再現可能なサンドボックスとテスト環境、エージェントネットワークの科学、ID・評判・コミットメントなどの基盤強化、集団的被害を監視・制御する手法の4領域です。 単体モデルの安全性評価だけでは捉えにくい、複数エージェント間の創発的能力、ネットワーク障害、経済活動の急変、セキュリティ上の問題を対象にします。 世界の大学・独立研究者が応募対象で、締切は2026年8月8日、採択者は2026年秋に発表予定です。日本の研究者も「worldwide」の対象に含まれると読めますが、個別の応募要件は申請ページで確認が必要です。 Gemini、Gemma、Google AI Studio、APIの機能追加や料金変更ではなく、将来のエージェント社会に向けた安全性研究基盤への投資です。破壊的変更や移行期限はありません。

GoogleがVirginiaでAIインフラへの投資を拡大し、地域雇用、教育、電力料金負担の軽減を支援すると発表しました。 データセンター拡張に伴う地域経済・エネルギーへの影響を緩和する取り組みです。

GoogleはVirginiaのデータセンターとAIインフラへ追加投資し、建設・運用雇用や技術教育を支援します。 電力需要の増加が住民負担へ直結しないよう、エネルギー効率、料金支援、地域プログラムへの資金提供も行います。 GeminiやGemmaのモデル/API更新ではなく、AI計算基盤を拡大する際の社会・エネルギー面の公式発表です。

Googleが、トークンを逐次生成せず256トークンのブロックを並列に反復修正する実験的モデルDiffusionGemmaの開発者ガイドを公開しました。 26B MoEのうち推論時に3.8Bパラメータを活性化し、量子化すれば18GB VRAM以内でのローカル実行を想定しています。

DiffusionGemmaはGemma 4の26B MoE基盤を使い、256トークン単位の拡散・デノイジングで文章を並列生成します。双方向注意により、生成途中で前の誤りを修正できる点が通常の自己回帰モデルとの違いです。 Googleによる測定では、RTX 5090で毎秒700トークン超、NVIDIA H100 1基で毎秒1,000トークン超とされ、GPU上で最大4倍の高速化をうたっています。 モデルは26Bですが推論時の活性パラメータは3.8Bで、量子化構成では18GB VRAM以内を想定しています。RTX 4090/5090などの消費者向けGPUからHopper、Blackwellまで対象です。 重みはHugging FaceでApache 2.0ライセンスとして公開され、vLLMのOpenAI互換ローカルサーバー、Hugging Face Transformers、SGLang、MLXに対応します。公式ファインチューニングレシピも公開されています。 Google Cloud Model GardenとNVIDIA NIMでも展開できます。記事ではOllama、LM Studio、llama.cppへの対応は明記されていません。 Google AI StudioやGemini APIでの提供は示されておらず、ダウンロード可能な実験的オープンモデルとしての提供が中心です。 通常のGemma利用規約ではなく、公開されたDiffusionGemma重みについて記事はApache 2.0ライセンスと明記しています。

GoogleがGemini 3.5 Live Translateを公開しました。70以上の言語を自動検出し、発話の抑揚・ペース・ピッチを保ったまま、数秒遅れで自然な音声翻訳を生成します。 開発者向けにはGemini Live APIとGoogle AI Studioでpublic preview、Google Meetでは企業向けprivate preview、Google Translateアプリでは一般向けに展開されます。

Gemini 3.5 Live Translateは、発話終了を待つ逐次翻訳ではなく、音声ストリームを処理しながら継続的に翻訳音声を生成するモデルです。 対応言語は70以上で、多言語入力を手動設定なしで扱い、騒音環境への堅牢性も強調されています。 開発者はGemini Live APIとGoogle AI Studioのpublic previewで利用でき、LiveKit、Pipecat、Agoraなどのリアルタイムメディア基盤との統合例も示されています。 Google Meetでは一部のGoogle Workspace企業顧客向けに今月からprivate previewを開始し、年内により広く展開する予定です。 Google TranslateのAndroid/iOSアプリにはグローバルに展開され、Androidではイヤホンなしで受話口から翻訳音声を聞けるlistening modeも順次展開されます。 生成音声にはSynthIDの透かしが入ります。日本での提供可否はGoogle Translateのグローバル展開としては含まれる可能性がありますが、記事は国別条件を明示していません。 APIの破壊的変更や移行期限は示されていません。

GoogleはGemma 4向けの量子化対応トレーニング(QAT)モデルを紹介し、モバイルやノートPCでのローカル推論を効率化する方向を示しました。Gemma系をローカルLLMとして使う場合、モデルサイズと実行効率に直接関係する更新です。

QATは、量子化後の精度低下を抑えるために、学習段階から低ビット推論を想定するモデル最適化手法です。今回の更新はGemma 4をモバイル、ノートPC、オンデバイス環境で動かす開発者に関係します。ローカル実行可否は、対象モデルサイズ、端末メモリ、ランタイム、量子化形式に依存しますが、Google AI EdgeやLiteRT系のオンデバイス推論に向けた流れが明確です。APIの破壊的変更ではなく、ローカル/エッジでの推論効率を高めるモデル提供・最適化の情報です。商用利用や利用条件はGemmaの公式利用規約に従う必要があります。

GoogleはColab CLIを発表し、ターミナルからColabランタイム、ノートブック、GPU/TPU環境を扱えるようにしました。AIエージェントやローカル開発ワークフローから、Colabを計算資源として使いやすくする更新です。

Colab CLIは、コマンドラインからColabノートブックやランタイムを操作するための開発者向けツールです。ローカル端末やエージェント型コーディングツールから、ColabのGPU/TPUリソースを使う導線を作れます。記事では、Gemini CLIやClaude Codeのようなエージェント型ツールと組み合わせ、ローカルでは重い処理をColab側で実行する使い方が示されています。個人・研究者・開発者に関係する更新で、無料/有料や利用可能な計算資源はColab側のプランと制限に依存します。Gemmaなどのオープンモデルを試す開発環境としても有用ですが、モデルAPIの提供変更ではなく、Colabの操作手段を広げる更新です。

GoogleはGemma 4 12BをノートPC上で動かし、ローカルのエージェント型ワークフローに使う開発者向け情報を公開しました。GemmaをAPIではなく手元の端末で動かしたい場合に重要です。

Gemma 4 12Bは、GoogleのオープンモデルGemma系の12B規模モデルです。記事はGoogle AI Edgeを使って、ローカルPC上でエージェント型ワークフローを構築する方向を示しています。ローカル実行は端末メモリ、アクセラレータ、量子化、推論ランタイムに依存し、クラウドAPIのように常に同じ環境で動くわけではありません。Google AI Studio/APIの更新というより、オンデバイス/ローカルLLM実行の開発者向け導線です。商用利用や再配布はGemma公式利用規約の確認が必要です。Ollama、LM Studio、llama.cpp、MLX、vLLMなど既存ローカルLLMツールとの比較検証にも関係します。

GoogleがI/O 2026で注目すべきAIデモを5つに整理しました。Gemini 3.5、Gemini Omni、Project Genie、AI Search、Android XR系の体験が中心です。

新しい個別機能の追加というより、I/Oで発表されたAI機能を体験ベースで整理した記事です。Gemini 3.5は検索・アプリ・開発者向けに広がり、Gemini Omniは動画生成/編集、Project Genieは生成世界、Android XRは空間コンピューティング文脈で重要です。すでに追っているGoogle/Geminiの大きな流れを確認するまとめとして有用です。

Chrome Enterprise MCP Serverにより、AIエージェントが企業管理されたChrome環境でブラウザ操作できる方向性が示されました。Gemini CLIやClaude Codeとの連携文脈も含まれます。

これはGemini単体の新機能ではありませんが、AIエージェントが安全にブラウザを操作するための企業向け基盤です。社内Webアプリ、SaaS、認証済みページをエージェントに扱わせるには、ブラウザ制御と企業ポリシーの両立が重要になります。CodexやClaude Codeのようなエージェントが、ブラウザ作業まで含めて実務を進める流れと相性がよい更新です。

GoogleがI/O 2026のAI発表を改めて整理した公式まとめです。Gemini 3.5、Gemini Omni、Project Genie、Antigravity、AI Searchなどが主要項目です。

既に個別記事で出ていた内容の整理ですが、全体像を把握するには有用です。Gemini 3.5は検索・Geminiアプリ・開発者向けAPIに広がり、Gemini Omniは動画生成/編集、Project Genieは生成世界、Antigravityは開発者エージェントに関係します。新しい追加発表というより、GoogleのAI戦略が「検索」「動画」「空間生成」「開発」「Workspace」に広がっていることを確認する記事です。

GoogleがAI Search内で、ユーザーのお気に入りソースや質の高い一次情報を見つけやすくする更新を発表しました。Preferred SourcesやHighly Citedバッジが中心です。

Preferred Sourcesを設定すると、AI OverviewsやAI Modeの回答内で、指定したサイトの情報が目立ちやすくなります。AI回答だけで完結させるのではなく、元記事・一次情報・多様な視点へ移動しやすくする設計です。新しいカルーセルやHighly Citedバッジも導入され、オリジナル報道やよく引用されるコンテンツを見つけやすくします。Gemini APIやGoogle AI Studioの開発者向け更新ではありませんが、GoogleのAI検索体験としては重要です。