Gemni 3.5 Proはいったいいつ来るんだよ!!!
Jay より 凹非寺発
量子位 | 公众号 QbitAI
Coding は相変わらず微妙とはいえ、Google が「マルチモーダル」をやらせると、やっぱり一味違う。
Gemini Omni Flash が正式に API 公開。動画版 Nano Banana といったところ。
凡人が「ハリー・ポッター」風に大変身するのも、もはや夢じゃない。公式が Gemini Omni で見せたこの4つの数字マジックを見てほしい。
あまりにもすごい。整合性も文字の鮮明さも抜群で、グリーンバックも特殊効果もいらない。これならそのまま奇妙博士のライブ配信で通せるレベルだ。
同時に、みんなが待ち望んでいた「バナナ」にも「光速版」が登場した。
Nano Banana 2 Lite:これまでで最速かつ最もコスト効率に優れた Gemini 画像モデル。
大げさではなく——4秒で1枚生成、1K 解像度の画像なら約20円台で済む。

Nano Banana 2 と並べて比べると、この速度は本当に桁違いだ。
ましてや1回の画像生成に GPT Image 2 の3分がかかるなら、なおさら……
そりゃなかなか Gemini 3.5 Pro が出てこないわけだ。結局ぜんぶ、待望のマルチモーダルに時間を使ってたってことかよ、ハサビス!!
Gemini Omni Flash
Google I/O 2026 で初披露された Gemini Omni Flash は、Gemini のマルチモーダル推論能力と動画生成・編集を深く結びつけたモデルで、当時から大きな注目を集めていた。
そして今回、このモデルが Gemini API と Google AI Studio を通じて、ついに開発者向けに正式公開された。テキスト、画像、動画など複数の入力をもとに、高品質な動画を簡単に生成・編集できる。
4つの主要能力:
- 対話型動画編集:自然言語で動画を修正・仕上げできる。まるで Felo 文書を直すみたいな手軽さ。
- マルチモーダル参照:画像・テキスト・動画の入力を組み合わせ、シーン制御と一貫性を維持する。
- 現実世界の知識:Gemini の歴史、生物、物語の論理などの知識を使って動画を構築。建築スタイルを3ページ分の Prompt で書き分ける必要はない。
- 文字と動作の同期:簡単なプロンプトで、文字や図形を動画の動きに直接結びつけられる。

価格面でもかなり競争力がある。動画出力は 1 秒あたり0.10ドルで、Veo 3.1 Fast と同等だ。
位置づけとしては、同じく軽量版の動画生成モデルだが、Omni Flash は Gemini の世界知識をより重視しており、エコシステム面でも Gemini 側に全面的に寄せている。
とはいえ Google もかなり正直で、現時点の制限も率直に列挙している:
1、現時点では10秒の動画生成のみ対応。今後、より長い動画に対応予定。
2、音声参照のアップロードとシーン拡張は未対応。
3、API では最長3秒の動画を参考素材として使えるが、現時点のモデルはこの種の入力を正しく処理できない。
4、シーン切り替えやカメラワークの際の人物一貫性には、まだ制約がある。
Nano Banana 2 Lite
Nano Banana 2 Lite(別名 gemini-3.1-flash-lite-image)は、高速処理向けに設計されている。
用途に合わせて最適化されており、遅延に極めて敏感で、短時間に大量の画像を処理する必要があるリアルタイム用途を狙っている。たとえば、EC 素材の一括生成、広告クリエイティブの高速反復、自動コンテンツ制作ラインなどだ。
2つの大きな売り:
- 光速:画像生成の遅延は約4秒。Nano Banana 2 の5分の1で、後者は約20秒。
- 激安:1枚の 1K 画像は約 0.034ドル。Nano Banana 2 の半額、Nano Banana Pro の4分の1。
速度は削られ、価格も下がったが、画像生成と画像編集の能力はほとんど落ちていない。Nano Banana 2 Lite は依然として優れた文字レンダリング性能を保っており、ベンチマークでは Grok などのモデルと同水準にある。

そのため Google のおすすめは明快だ。もしまだ初代 Nano Banana を「安いから」と使っているなら、今すぐ乗り換えたほうがいい。 Lite 版は主要指標のほぼすべてで、すでに全面的に上回っている。
二刀流の威力
ちょっと待って、まだ終わりじゃない。
これは単に2つのモデルが並んで発表された、という話ではなかった。Google はさらに新しい使い方を提示してきた。
本当の面白さは、これらのモデルを連携させて使うところにある。
ご存じの通り、AIGC の制作は何度も反復が必要で、素材管理がかなり面倒だ。
でも今は、この2つのモデルのおかげで、もうファイルを何度もアップロードし直す必要はない。画像生成と動画制作をシームレスにつなげられる。
具体的には、まず Nano Banana 2 Lite で高速に画像を生成し、その画像を参考素材として Gemini Omni Flash に渡せば、ワンクリックで動画に変換できる。
この 1+1>2 の魔法の Workflow を見せるために、Google はわざわざ3つの Demo APPまで用意している。
1、Anywhere
自撮り写真を撮るか、写真をアップロードすると、NB2 Lite が瞬時にあなたを世界中の数十の名所へ合成してくれる。
次に画像をタップすれば、Omni Flash が静止した風景を動きのある短編動画に変える。
サイバー旅行も、ついにエンドツーエンドになった。
2、Space Lift
これはちょっと怖い。これに Genie の世界モデルを組み合わせたら、将来的に従来の内装系 SaaS 会社のかなりの数が脅かされるかもしれない。
部屋の写真をアップロードすると、NB2 Lite がまずさまざまな内装スタイル案を生成する。気に入ったものを選んで動画ボタンを押せば、Omni がその空間を映画級の映像で巡る動画を直接作ってくれる。
3、Omni product studio
越境 EC にとっては朗報だ。
商品を白背景で撮影すれば、NB2 Lite がさまざまなシーンの商品画像を生成し、Omni Flash がその静止画を EC 向けの短尺動画に変える。
「商品」から「広告素材」まで、全工程を自動で回してくれる。
では、マルチモーダルは結局何に使うのか?
この疑問は、きっと Google に何度も投げられてきたはずだ。
特に 2026 年の今、Coding はほぼモデルの知能を示す代名詞になっている。どの会社も Coding で必死に競争している。
そこまでしてマルチモーダルにこだわるのは、何のため?
AGI 物語の話はここでは置いておくとして、短期的に見ても、Google のこのマルチモーダルモデル群は確かに自社製品を強く後押しできる。
AGI の話は深掘りしないが、短期的には Google のこのマルチモーダルモデル群は確かに多くの製品を支えられる。Stitch もそうだし、Pixel に内蔵された画像編集機能もそう。NotebookLM の登場もかなり印象的だった。
今回発表された2つの新モデルでは、マルチモーダルが垂直領域で実装される可能性の広さも見えてきた。EC、内装、短尺動画……これらはすべて実際のニーズがあり、しっかりお金になる領域だ。
さらに Android エコシステムの後押しもあるので、商用化についてはそれほど心配しなくてよさそうだ。
Coding では今のところ Google は追いつけていないが、マルチモーダルという盤上では、Google はおそらく一式そろえられる唯一のプレイヤーかもしれない。
ただし……
Gemni 3.5 Proはいったいいつ来るんだよ!!!

参考リンク: