Google「Gemini 2.5 Ultra」正式公開——200万トークン×動画理解でエンタープライズ分析の構造が変わる

リード

Google DeepMindは2026年8月15日、フラッグシップLLM「Gemini 2.5 Ultra」を正式公開した。業界最長クラスの200万トークンコンテキストウィンドウと、最大4時間の動画をそのまま処理できるネイティブマルチモーダル推論が柱。GPT-4.5、Claude Opus 4と1〜2ポイント以内の同性能帯に入り、最上位モデルの競争が「ベンチマーク差」から「エコシステム統合度」へと軸足を移した局面を示している。

何が起きているのか

Google AI StudioおよびVertex AI経由で同日よりAPIが利用可能。Google Cloudパートナー向けエンタープライズティアも先行公開された。主要スペックは以下の通り。

• コンテキストウィンドウ: 2,000,000トークン（前世代Gemini 1.5 Proの2倍）
• MMLU: 91.8%（GPT-4.5: 90.2%、Claude Opus 4: 90.7%）
• 動画入力上限: 1リクエストあたり最大4時間
• API価格（Vertex AI標準）: 入力 $1.50/Mtok、出力 $6.00/Mtok
• データ居住性: 東京・大阪リージョン対応を同日発表（個人情報保護法・GDPR準拠）

X（旧Twitter）上では国内のエンタープライズエンジニアからこんな反応が出ている。

「Gemini 2.5 Ultra、200万トークンで法律文書一式を丸ごと投入してQAができる。法務チームのワークフローが根本から変わる可能性がある」

背景

Geminiシリーズは2024年12月のGemini 1.5 Proからコンテキスト長拡張とマルチモーダル性能向上を主軸に開発を進め、2025年前半はGemini 2.0 Flashでコスト効率を訴求して法人導入の裾野を広げてきた経緯がある。

2026年に入るとOpenAIのGPT-4.5、AnthropicのClaude Opus 4が相次いで登場し、最上位モデルの競争が激化。Googleはここで「コンテキスト長」と「動画理解」という2軸での差別化を選択した。

企業側のニーズとして顕在化しているのが「長尺コンテンツの一括処理」だ。契約書・判例・動画ログなど、これまで分割処理やRAGで対応してきたユースケースが単一プロンプトで完結できるようになる。この変化はパイプライン設計コストの圧縮として直接利益に効いてくる。

着目ポイント

200万トークンが変える「文書審査」業務

200万トークンは英語換算で約150万語、A4換算で約6,000枚相当。契約書・判例・規制文書を1セットまるごと文脈として保持したままQ&Aが完結する。法務・コンプライアンス領域での「人間が読む前にAIが一次精査する」設計が現実的なコストで実装できるようになる。

動画ログ解析がRAGなしで成立

製造・小売・医療の現場カメラ映像をそのままAPIに投入できる。従来は動画→テキスト変換（Whisper等）→RAGというパイプラインが必要だったが、このステップが単一APIコールに集約される。情報損失のないパイプライン設計という意味で、現場DXの前提が一段変わる。

GPT-4.5・Claude Opus 4との「同性能帯」突入

MMLU・HumanEval・MathBenchの3指標でGemini 2.5 Ultraは91〜93%台に位置し、上位3モデルが2ポイント以内に密集した。今後の選定基準はベンチマーク差よりも「自社データパイプラインとの統合度」と「APIコスト構造」が実質的な軸になると見られる。

Gemini Nanoとの二層構成が鮮明化

デバイス側はGemini Nano（Android/Pixel向け）、クラウド側はGemini 2.5 Ultraという役割分担が明確になった。エッジ×クラウドのハイブリッド推論アーキテクチャの設計指針が、この発表で一段と固まった形だ。

コスト最適化設計が必須

$1.50/Mtok（入力）は安価ではない。200万トークンをフル活用すると1リクエストあたりのコストが膨らむ。実運用では「どこまでコンテキストに詰め込むか」のコスト設計が避けられない論点になる。

編集部の視点

まず確認しておきたいのは、「コンテキスト長の競争が事実上の天井域に達した」という構造変化だ。200万トークンあれば大半の企業ユースケースをカバーできる。次の競争軸はレイテンシ、コスト、そして「ツール統合とファインチューニングの柔軟性」に移行していくと見られる。

動画理解のネイティブ統合は、製造・小売・医療の現場DXにとって本質的に意味が大きい。映像データをテキスト変換せずに直接推論できることは、変換工程の情報損失をゼロにすることを意味する。この設計変更の恩恵は1〜2年後、現場の品質検査や在庫管理などの精度指標として数字に出てくるはずだ。

一方で、3モデルが同性能帯に入ったことで「どれを選ぶか」の意思決定プロセスが精緻化される。単純な性能比較から脱し、セキュリティポリシー・契約条件・既存インフラとの接合コストを含めたTCO評価が選定の中心になるだろう。

東京・大阪リージョン対応は日本企業にとって実質的なハードルを下げる。個人情報保護法対応が国内リージョンで完結できることは、金融・医療・公共分野での採用検討を前進させる条件の一つだ。

まとめ

Gemini 2.5 Ultraの正式公開で、200万トークンという「コンテキスト飽和点」が日本企業の業務設計の選択肢に入った。長文・動画・マルチモーダルを扱うパイプライン設計者にとっては、既存フローの再設計を検討する好機といえる。次の焦点はOpenAIがこの性能帯にどう応じるか——GPT-4.5後継モデルの発表タイミングと価格戦略が、年内の最上位LLM競争の構図を決める分岐点になると見られる。

※本記事は ミライ・ニュース編集部の AI ライター（AIニュース）が執筆しています。