本記事は Google Cloud Japan Advent Calendar 2025 AI/ML 版 3 日目の記事です。
2025年12月、Google は最新のフラッグシップモデル Gemini 3 Pro をプレビュー公開しました。
本記事では、前モデルである Gemini 2.5 Pro との比較、技術的なアーキテクチャの変更点、そしてこの新しい「思考するモデル」を使いこなすためのプロンプトエンジニアリングについて詳しく解説します。
1. なぜ Gemini 3 Pro なのか？ (Gemini 2.5 との比較)
Gemini 2.5 Pro は、現在も非常に優秀で安定したモデルであり、一般的なタスクにおいて優れたコストパフォーマンスを発揮します。しかし、Gemini 3 Pro は「複雑な推論」と「自律的なエージェント能力」において、次元の違う性能を持っています。
| 特徴 | Gemini 3 Pro | Gemini 2.5 Pro |
|---|---|---|
| 得意領域 | 高度な推論、自律エージェント、複雑なコーディング | 一般的なタスク、要約、定型的なコーディング |
| 思考プロセス | 可変 | 固定 |
| アーキテクチャ | Sparse MoE (Mixture-of-Experts) | Sparse MoE |
| ステータス | プレビュー (開発者向け) | 一般公開 (安定版) |
2. 圧倒的なベンチマーク性能とその意味
Gemini 3 Pro の進化は数値にも明確に表れています。ここでは、各ベンチマークが何を測定しているのか、その意義と共にスコアを見ていきます。
-
LMArena Elo Score: 1501 (歴代最高)
- 概要: ユーザーの投票に基づく対戦形式の評価（チャットボットアリーナ）。
- 意義: 実際のユーザー体験や「人間が感じる賢さ」を反映する指標として信頼されています。1500点超えは史上初の快挙です。
-
GPQA Diamond: 91.9% (Deep Think モード: 93.8%)
- 概要: 物理学、生物学、化学などの分野における、博士号 (PhD) レベルの難問で構成されたデータセット。
- 意義: 単なる知識検索では解けない、高度な専門的推論能力を測定します。Gemini 2.5 Pro (84.0%) からの大幅な向上は、専門家レベルの思考力を獲得したことを示唆します。
-
MathArena Apex: 23.4% (SOTA)
- 概要: 数学オリンピックレベルの超難問を集めたベンチマーク。
- 意義: 既存のモデルでは正答率が極めて低い（数%程度）問題群であり、ここでのSOTA（State-of-the-Art：最高性能）は、論理的思考力の限界を押し広げたことを意味します。
-
SWE-bench Verified: 76.2%
- 概要: 実際の GitHub リポジトリにあるバグ修正タスクを、AIが自律的に解決できるかをテストするもの。Verified 版は人間によって検証された高品質なデータセットです。
- 意義: コードを書くだけでなく、既存のコードベースを理解し、テストを実行し、修正する「ソフトウェアエンジニアとしての実務能力」を測ります。
3. Gemini 2.5 Flash / Flash-Lite の最新進化 (2025年9月 Preview)
Gemini 3 シリーズにはまだ Flash (高速版) や Flash-Lite (軽量版) が登場していませんが、Gemini 2.5 シリーズのこれらモデルも進化を続けています。2025年9月25日に公開された最新プレビュー版 (gemini-2.5-flash-preview-09-2025 / gemini-2.5-flash-lite-preview-09-2025) では、以下の改良が施されています。
- Gemini 2.5 Flash: エージェント的なツール使用能力と効率性が向上しており、低遅延が求められる複雑なタスクに最適化されています。
- Gemini 2.5 Flash-Lite: 指示従順性 (Instruction Following) が改善され、冗長な回答が減りました。また、翻訳能力やマルチモーダル性能も強化されており、コスト効率重視のユースケースでさらに使いやすくなっています。
Gemini 3 Pro のコストや速度が課題となる場合は、これらの最新 Gemini 2.5 モデルが強力な選択肢となります。
4. 技術的詳細：API とアーキテクチャの進化
開発者にとって重要なのは、Gemini 3 Pro が単なる「性能向上版」ではなく、制御可能なパラメータが増えた「プロフェッショナル向けツール」である点です。
新しいパラメータ thinking_level
従来の thinking_budget に代わり、思考の深さを制御する thinking_level が導入されました。
-
high(デフォルト): 複雑な推論用。時間をかけて深く考えます。 -
low: 応答速度優先。チャットや単純な指示に適しています。
統合されたマルチモーダル埋め込み
APIレベルでもメディア解像度 media_resolution の指定が可能になり、モデルの視覚能力をより細かく制御できるようになりました
5. プロンプトエンジニアリング： "Thinking" を有効利用する
Gemini 3 Pro は「考えすぎ」てしまうことがあります。そのため、Gemini 2.5 のように手取り足取り教えるよりも、「役割」「目標」「制約」を明確かつ簡潔に伝える方が良い結果を生みます。
基本構造 (Role, Goal, Constraints)
**Role:** [役割]
**Goal:** [達成したいこと]
**Constraints:** [制約条件]
**Output Format:** [出力形式]
実践プロンプト例：複雑なビジネス分析
思考プロセスを明示的に指示する (Internal Reasoning) ことで、モデルの推論能力を最大限に引き出せます。
**Role:** あなたは市場参入戦略を専門とするビジネスコンサルタントです。
**Goal:** 東南アジア市場における新しい持続可能エネルギー製品の実現可能性を分析してください。
**Inputs:** [市場データ...]
**Constraints:**
* 主要な機会と課題を特定すること。
* 3つの潜在的な参入戦略を提案し、それぞれのリスク評価を行うこと。
* 出力は1ページの決定概要書としてまとめること。
**Internal Reasoning (思考指示):**
回答する前に、以下のステップを踏んでください：
1. 目標をサブタスクに分解する。
2. 入力データから重要なポイントを抽出する。
3. 少なくとも5つの戦略をブレインストーミングしてから、上位3つを選定する。
6. まとめ
Gemini 3 Pro は、AI を「単なるチャットボット」から「自律的に思考し行動するエージェント」へと進化させる重要なマイルストーンです。
一方で、コストパフォーマンスや速度を重視する場面では、進化を続ける Gemini 2.5 Flash / Flash-Lite が依然として強力なパートナーとなります。
用途に応じてモデルを使い分け、特に Gemini 3 Pro においては thinking_level の調整やプロンプトの最適化を行うことで、その真価を最大限に発揮できるでしょう。
ぜひ、この新しい「思考する知能」を体験してみてください。
Discussion