Gemini 3.0は「初めてOpenAIに勝った」のか：安野貴博氏によるリリース翌日の第一印象

どうもこんにちは。安野貴博です。本日はGemini 3.0リリースということで、私の第1印象を話していきたいなと思っております。GPT-5超えかって書いてありますけれども、結論、超えたんじゃないかなと思います。ちょうど昨日の夜Gemini 3.0が突然リリースされまして、ちょうど今日動画を撮っているので、タイムリーにお話ししたいなと思っております。

まず何があったのという話なんですが、Google社が新しいAI、Geminiシリーズの1番新しいバージョンをリリースしました。Gemini 3.0ということで、今までGemini 2.5だったんですけど、これが0.5バージョンが上がりまして3.0になりました。この1番上の整数部分の数字が1個上がることをメジャーアップデートと呼んだりします。

メジャーアップデートの時っていうのは、なんか自信があるってことです。要するに、自信があるバージョンアップを今回Googleがしてきたということです。自信がない時は、4から4.1になったり、4.5になったり、3.5が3.7になったり、最近はChatGPTも5.0が5.1になったりしました。こんな感じで、Gemini 3.0は久しぶりのメジャーバージョンアップだということで、みんな期待して使っているわけです。

あと、これもう完全に関係ないんですけど、ジェミニって呼ぶのか、ジェミナイって呼ぶのか、どっちが正しいんだということなんですけれども、結論、どっちでもいいと思います。どっちでもいいんですけれども、多分日本語ではジェミニが正解です。Google社の公式のドキュメントにジェミニって書いてありました。でも英語でみんなが何て言ってるか、Googleの社員が何て言ってるかっていうと、ジェミナイって呼んでますので、英語風でちょっと分かってる感を出したい時にはジェミナイって言うと、なんかそれっぽくなるんじゃないでしょうか。

さらにもう1つ言うと、ジェミニ、あるいはジェミナイって元々英語じゃないんですよ。英語じゃなくて、確かラテン語だったと思います。で、ラテン語読みすると、これジェミナイじゃなくてジェミニです。なので皆さん、アメリカに行った時には、あるいは英語圏に行った時には、ジェミナイじゃなくてジェミニがラテン語的には正しいんだと、日本人たちはみんなラテン語的に正しいジェミニで呼んでるんだという風にマウンティングをしていくといいと思います。

はい。というわけで話を戻して、性能はどうなんだという話をしていきたいと思います。これ結構いいです。各種ベンチマークでOpenAI社のGPT、あるいはAnthropic社のSonnetより良い結果を出しております。これはもうGPT-5を今の時点で超えていると言っても間違いないと思いますね。

このベンチマークって何なのと言うと、私の動画を他にも見たことある方ならよく出てくる単語でございまして、これはAI向けに作ったペーパーテストみたいなものです。このテストを解かせた上で、あなた何点です、何点ですっていうのをAIに対して評価をしているんですね。

ほぼ初めてだと思いますね。ずっと、ChatGPTが出てからこのAIの世界ってOpenAIが1番強くて、それを他の会社がどんどん追いかけているという構図だったわけですけれども、ほぼ初めてOpenAIがマジで負けたということになると思います。しかも、ジェミニシリーズ、ジェミナイシリーズって、2.0が出た時って半年かけてもOpenAIのGPT-4よりも高い性能を出せなかったんですよね。ということで、Gemini微妙なんじゃないかと最初の頃は言われてましたが、その2.0対GPT-4の戦いから1年くらいかな、経った上で、Gemini 3.0とGPT-5の戦いになった今、実はGemini 3.0の方が上を行っているという、そういう状況になっております。

これ、ベンチマークスコア一覧、こんな風に勝ってるよっていう画像があります。ドン。こんな感じでございます。1番左にあるのがGeminiの数字でございまして、太字で書いてあるのが1番高い数字だよってことですが、ここに載ってるほとんど全てのベンチマークでGemini 3.0が1番いい結果を出していると思います。

1番いい結果を出している中でも、これいろんなテストがあるわけですよ。人間のテストでも国語・算数・理科・社会ってありますけれども、AIのテストもこんなにたくさん種類があって、ぶっちゃけこれだけじゃないです。世の中にはありとあらゆるテストが、今もうたくさんのベンチマークがあるんですけど、でもよく使われる、そして今のAIを測る時によく意味があるベンチマークっていうと、こんな感じになると思います。

いろんなベンチマークありますけれども、特に私がちょっと注目したいなと思ったのを3つほど挙げさせていただきます。まず1つはScreenSpotというもので、これはパソコンの画面を理解する、そういうタスクでございます。画像としてパソコンの画面を入れた上で、これをどれだけ理解できるのかっていうテストなんですけれども、これまずぶっちぎってます。他のAIと比べてぶっちぎっておりまして、Geminiが72.7%で、GPT-5が3.5%ですよ。3点と72点ってもう全然違うわけです。もう桁が違う。

これはですね、面白いなと思いました。というのは、多分ScreenSpotみたいなパソコン画面を理解させる能力って、それなりにGoogle社がこの能力を育てようと思って育てたんだと思うんですよね。Googleは画像生成AIのNano Bananaとかもそうですけど、データを持っていることもあり、過去の積み上げがあることもあり、画像とか映像の理解ってすごい強いところがあるんですけれども、なんかそれがうまく生きてるような気がします。

これもう僕の完全な邪推ですけれども、今後パソコン画面を理解させた上でパソコン画面をAIにいじらせる、パソコンの画面を自動操縦させて、AIに何か仕事を代わりにやってもらおうと、そういうような新しい使い方のAIをGoogle社は結構出したいのかなと思いました。そのためにこのパソコンの画面を理解させる能力ってのをグッと上げてきているのかなと思いますので、私は来年2026年くらい、マルチモーダル、パソコンの画面を見ながらシュシュっと操作を素早くやってくれるような、マルチモーダルに自律的に動くAIのエージェントっていうのが、来年くらいには扱われててもおかしくないなと思います。

今年、2025年って、いわゆるClaude Codeに代表されるような、GUIじゃなくて、パソコンの画面を見るんじゃなくて、パソコンの、何でしょう、文字を読んでパソコンを操作するCUIと呼ばれるような黒い画面を見てパソコンを操作するような自律的なエージェントは、特にソフトウェアエンジニアリングの用途においてはすごい、この2025年なんてAIエージェント元年だったなと思いますけれども、2026年はもしかするとGUI、パソコンの画面を見て動くようなマルチモーダルなAIエージェント元年になるかもしれないなと思います。ちょっと、これが合ってるか間違ってるかは来年の今頃見ていただけるといいなと思います。

2つ目がARC-AGI-2と呼ばれているものでございまして、このテスト、めっちゃAIにとってむずくてですね、あんまり他のAIもいい点取れてないです。伸び代が結構あります。あんまり飽和してないやつって書いてあるんですけど、ベンチマークテストが飽和するっていう言い方があるんですけれども、なんかみんな、いいところまで行くとあんまり点差がつかなくなっちゃうんですよね。っていうのがあるんですけど、まだまだ伸び代があるベンチマークでございまして、最近はよくこのARC-AGI-2がどれくらい強いのかっていうのが注目されがちなんですけど、これも結構すごい成果を出してます。Geminiは45%、GPT-5は18%だったので、いきなり今まで1番上の方を取っていたGPTよりもはるかに高い数値を出してきました。すごい。これは率直にすごいなと思います。

3つ目がですね、これMRCR v2って呼ばれてるものなんですけれども、これは長文を扱う能力を見てます。すごい長い文章を見て、その長い文章の中でも指示に従ってタスクがこなせるかどうかっていう、そういう能力を扱っています。このMRCR v2も他のモデルよりもいい性能を出しておりました。

そもそも他のモデルと違って、1度にAIが処理できる文章の量がめっちゃ多いです。コンテキストサイズとかコンテキストウィンドウとか言われたりしますけれども、このコンテキストウィンドウなんですけど、そもそもGeminiは他のSonnetとか、あるいはGPT-5よりも大きなコンテキストサイズを持っています。GPT-5が40万トークンで、Claude Sonnet 4.5の普通のやつは20万トークンしかないという状況なんですけれども、Gemini 3.0は100万トークン持ってるというところで、他よりもそもそも長い量の長文をガッと入れることができるんですね。ガッと入れた時の長文の理解力っていうのが他のモデルよりもいいということで、大量のデータを扱うような仕事においては結構期待できるんじゃないかなと思います。ちょうど私が今仕事でやっている作業が、大量のテキストを1度に処理する能力っていうのが求められる使い方をしてるので、そういう意味ではGemini 3.0の能力に期待しているところでございます。

今までベンチマークテストの話をしてきましたけれども、次に第1印象。第1印象というか、ここから先は私の完全な主観です。特に裏付けはない話なんですけれども、この第1印象というところで申し上げると、4つくらい思ったことがありました。

1つ目は、いろんな人がこういう風に使ってみたよっていうスクリーンショットをSNSなどに投稿しているんですが、これを見ると結構フロントエンド強そうだなという印象を持ちました。これ、例えばこういうウェブページをこのプロンプトで作ってみたよって言った時の結果が出てるんですけど、今までのAIが作った感のあるウェブサイトと比べて、デザイン的にもすごいウェブページが出てくる率ってのがすごい高いなと思ってます。これ私が実際に触ったわけじゃないんで、あんまり評価できてないんですけど、結構いけてるフロントエンド作れそうやなっていう感触を持ってます。

2つ目が、これもそうなんですけど、結構ゲーム作ったよっていう報告がSNSでも上がってます。これを見ても、ちゃんと面白そうなゲームができていることが多そうに見えます。

3つ目。3つ目が、これは私ちょっと今日時間がある時に触ったんですが、日本語の文章を書く能力っていうのは比較的他のモデルよりも高そうだなと思いました。私、文章を書かせる時に、ChatGPTの文章そんなに好きじゃないんですよね。癖があるというか、なんか結構ギュっと勝手に大げさなタグラインをつけたり、大げさなタイトルをつけたり、箇条書きをわーっと多用したりするので、長いまとまった文章を書く能力ってそんなにChatGPTに関して信頼してなくて、どちらかというとSonnetの方が好きなんですけど、これも完全主観ですよ。なんですが、Sonnetの書く文章の方がなんかそれっぽいなと思って割と好きなんですが、今回Gemini 3.0に日本語の文章を書かせてみたら、まあまあ良かったなと思ってます。少なくともSonnetと同じくらいまで僕の中の印象がグッと上がりました。もしかするとSonnetよりもいいかもしんないくらいまで僕の中では来てます。僕の中では。皆さんもこれは好き嫌いあると思うんで、色々試されてみるといいと思います。

4つ目。4つ目は、これ結構僕が最近出てくるAIに期待してるのは、エージェント的な振る舞いをどれくらいできるのかっていう話なんですよね。エージェント的な振る舞いっていうのは、Claude Codeみたいに自分がどういうツールを使えるのか、そのツールを使った上で、例えば自分がこのファイルを見れるってなった時に、このファイルをどういう風に探して、このファイルをどういう風に見て、それをもとに次の行動をどう考えるのかっていう、アクションをできる能力ですね。実際にAIが言葉を返すだけじゃなくて、色々試行錯誤しながら問題を解決する、アクションをする、タスクをこなす、こういった能力がどれくらいあるのかっていうのを結構期待して見てるんですけど、正直まだこれ出てから数時間くらいしか経っていない中での話で言うと、あんまりまだこれは見れてないです。これはちょっと今後期待ですね。まだ正直分かってない。いろんな人の話を聞いてると、Sonnet 4.5の方がやっぱりそのコーディングエージェントとしての能力っていうのは高そうだねっていうようなSNSの投稿なんかは見ましたが、ここは正直まだ分からないなと思って見ています。

はい。ということで、正直まだ出てから日が浅いというか、1日も経っていない中での撮影なんで、いや、実は違ったよっていうことがあるかもしれないですし、実はもう明日明後日にでも、ChatGPT側、OpenAI側が、いやいやいや、GPT-5.3が出ますよみたいな、5.5が出てGemini 3.0より圧倒的にいいみたいなことを出してくる可能性もあるんで、今言ってることがすぐに的外れになるかもしれませんが、とりあえず1日目の私としてはこう思っているよということでございました。

皆さんもこれ聞いて興味を持ったら、Gemini 3.0使ってみて、どういう感じだったかっていうのを是非コメント欄などで書いていただけると嬉しいなと思います。チャンネル登録、高評価も是非よろしくお願いいたします。では。

[音楽]

[音楽]