タグ: LLM

4月2日、Google DeepMindから面白いものがリリースされました。Gemma 4という新しいオープンソースAIモデルファミリーです。何が面白いって、これまでのスマホでのAIは「チャット」が限界だったのに、今度はあなたのスマホの中で、AIが勝手にWikipediaを調べて、QRコードを作って、複数のタスクを組み合わせて実行してくれるんです。しかも完全にオフラインで。

従来のスマホAIは「質問したら答える」だけでした。でもGemma 4は違います。「Wikipediaで情報を調べて、それをもとに図表を作って、QRコードまで生成する」みたいな、複数ステップの作業を勝手にやってくれる。これが「AIエージェント」の世界です。

スマホ専用に最適化された驚きの軽量化技術

Gemma 4の技術的な面白さは「効果的パラメータ」という概念にあります。E2B（Effective 2 Billion）とE4B（Effective 4 Billion）という2つのスマホ専用モデルは、実際のメモリ使用量を極限まで削りながら、推論能力は大型モデル並みを維持しています。

具体的には、E2Bは約1.3GB、E4Bは約2.5GBのRAMで動作します。8GBのスマホなら余裕で動く計算です。Google曰く、前世代と比較して最大4倍高速化し、バッテリー消費も60%削減したとのこと。Armチップの最新命令セット（SME2）を使えば、平均5.5倍の処理速度向上も実現できるそうです。

この軽量化の秘密は「Per-Layer Embeddings（PLE）」という技術と、ローカル・グローバル注意機構のハイブリッド設計にあります。要は、必要な時だけフル性能を発揮し、普段は省エネモードで動作する仕組みです。

Agent Skillsで実現する自律作業フロー

本当に画期的なのは「Agent Skills」という機能です。Google AI Edge Galleryアプリ（AndroidとiOS両対応）をダウンロードすると、以下のような自律AIワークフローが体験できます：

• 知識ベース拡張：Wikipediaを自動検索して最新情報を取得
• インタラクティブコンテンツ生成：テキストから図表や暗記カードを自動作成
• マルチモーダル処理：音声、画像、動画を組み合わせた複雑なタスクを実行
• リアルタイム翻訳・転写：完全オフラインで音声をテキスト化や他言語に変換

しかも140以上の言語に対応し、最大256Kトークン（大型モデル）、128Kトークン（エッジモデル）という長文処理能力を持っています。つまり、長い資料を丸ごと読み込ませて分析させることも可能です。

開発者視点で見るとさらに面白い

Web制作の現場目線で見ると、Gemma 4の可能性はチャットの域を完全に超えています。Apache 2.0ライセンスで商用利用も自由ですし、Android StudioにはGemma 4を使ったコード補完機能も搭載予定です。

特に注目すべきは「function calling」（関数呼び出し）のネイティブサポートです。これにより、APIとの連携や外部ツールとの組み合わせが簡単になります。実際、Hugging Faceのコミュニティでは「ファインチューニング用の良い例を見つけるのに苦労するほど、最初から高性能」という評価も出ています。

中小企業の現場で考えると、これまで「AI導入」といえばクラウドサービスの月額料金やセキュリティ懸念がネックでした。でもGemma 4なら、一度ダウンロードすれば完全に自社内で動作するので、機密データも外部に出ません。

クラウドとの使い分けという戦略的視点

興味深いのは、GoogleがエッジとクラウドのAIを明確に使い分けている点です。スマホ上でプロトタイプを作り、必要に応じてGoogle Cloud上の大型Gemma 4モデルにスケールアップできる設計になっています。同じチャットテンプレート、同じトークナイザー、同じ関数呼び出し形式を共通化することで、開発からプロダクションまでシームレスな移行が可能です。

これって、中小企業のAI導入パターンとしても理にかなってます。最初はスマホやローカルPCで小さく始めて、効果が実証できたらクラウドでスケールするという段階的アプローチです。

GoogleはまもなくI/O 2026でGemini Ultra 2やAndroid 17の発表も予定しており、2026年がオンデバイスAI元年になりそうな勢いです。RESONIXとしても、このトレンドを踏まえたWeb制作やIT支援の提案を考えていく必要がありますね。気になることがあれば気軽に相談してください。

またまた面白い展開になってきました。OpenAIがGPT-5.4の次に投入予定の新モデル「Spud」（コードネーム）が、実はもう完成していて4月中にリリースされる可能性が高いんです。しかも、Googleが今年に入ってからGemini 3.1 Proで業界トップに躍り出ている状況で、OpenAIがどう反撃するのか注目です。

「Spud」って何？GPT-5.5かGPT-6かもわからない謎モデル

OpenAIが内部で「Spud」と呼んでいるモデルは、3月24日に事前学習が完了したことが確認されています。その後の安全性評価期間（通常3〜8週間）を考えると、4月14日〜5月5日の間にリリースされる可能性が高いとのこと。

Polymarket（予測市場）では、4月30日までのリリース確率が78%と見積もられています。これは単なる噂じゃなくて、OpenAIの開発スケジュールを追跡している投資家たちが実際にお金を賭けている数字です。

気になる正式名称ですが、GPT-5.5になるのかGPT-6になるのかは「性能の向上度合い次第」らしく、まだ決まっていません。Sam AltmanCEOは社員に対して「経済を本当に加速させることができる非常に強力なモデル」と表現していて、かなり期待値を上げています。

Googleが今年の覇者になった理由

一方で、なぜOpenAIがこんなに急いでいるかというと、Googleが想像以上に強くなってしまったからです。2月19日にリリースされたGemini 3.1 Proは、16の主要ベンチマークのうち13項目でトップを取っています。

特に驚いたのがARC-AGI-2（純粋な論理・問題解決能力）で77.1%のスコア。これは前世代のGemini 3 Proの2倍以上の性能です。GPQA Diamond（専門的科学知識）では94.3%で、Claude Opus 4.6やGPT-5.2を上回りました。

しかも価格は据え置きで、100万トークンあたり入力$2、出力$12。GPT-5.4 Proより安くて性能が良いとなると、開発者にとってはGeminiを選ぶ理由が増えています。

OpenAIの「統合スーパーアプリ」戦略

Spudはただのモデルアップデートじゃなさそうです。内部情報によると、ChatGPT、Codex（コーディング）、研究機能、メモリー機能、エージェント機能を全て統合した「スーパーアプリ」の中核として設計されているとのこと。

4月上旬にCodex CLIが急速にアップデートされていて、プラグインやマルチエージェントワークフローに対応したのも、Spudのリリース準備だと見られています。

技術的には、コンテキストウィンドウが256K〜512Kトークンに拡張され、マルチステップのツール呼び出しがより安定し、JSON形式エラーの発生率が下がる予定です。コード生成についてはHumanEvalベンチマークで8〜12ポイントの改善が期待されています。

オープンソース陣営も本気モード

実は今回注目すべきはクローズドソース同士の競争だけじゃありません。Googleは4月2日にGemma 4をApache 2.0ライセンスで完全オープンソース化しました。これが結構すごくて、一部のベンチマークではGemini 3.1 Proに近い性能を発揮しているんです。

「パラメータあたりの知能」で考えると、オープンソースモデルが商用モデルの20倍のサイズのモデルを上回るケースも出てきています。コスト重視の企業や、データプライバシーを重視する用途では、オープンソース選択肢がかなり魅力的になってきました。

4月は「AI戦国時代」の幕開け

結局、2026年4月は「史上最も競争が激しいAIモデルシーズン」になりそうです。OpenAIがユーザーベース最大（ChatGPT有料契約者の55.2%シェア）、AnthropicがMythosで話題性、GoogleがGeminiでベンチマーク最強、そしてDeepSeekがオープンソースの伏兵という構図です。

開発者の立場としては、今は選択に迷う時期かもしれません。4月末までにSpudがリリースされて、実際にGemini 3.1 Proを上回る性能を示すかどうかが判断のポイントになりそう。

個人的には、この競争が結果的にユーザーにとってプラスになると思います。各社が本気で競い合っているおかげで、性能は上がり続けているし、価格も下がる傾向にある。まさにAI技術が成熟期に入った証拠じゃないでしょうか。