AI14分で読める

Gemini 3 Deep Thinkが大幅強化——HLE 48.4%、ARC-AGI-2 84.6%で推論AI首位に

AIGeminiLLMマルチモーダル
加木谷 直俊ソース記事を見る

Humanity's Last Exam 48.4%、ARC-AGI-2 84.6%、Codeforces 3455 Elo——Googleが2026年2月に公開したGemini 3 Deep Thinkのアップグレード版が、AIの推論能力を測る主要3ベンチマークすべてでフロンティアを更新した。特にARC-AGI-2では、2位のClaude Opus 4.6（68.8%）に15.8ポイント差をつける圧倒的なリードを記録している。

これは単なるスコアの数字遊びではない。Deep Thinkモードは、科学論文の論理的欠陥を発見し、国際物理・化学オリンピックで金メダル級の成績を収めるなど、人間の専門家レベルの推論能力を実証している。API経由でも利用可能になり、開発者や研究者が直接アクセスできるようになった。

Gemini 3 Deep Thinkとは何か

通常のGemini 3との違い

Gemini 3は、Googleが2026年初頭にリリースした最新の大規模言語モデルだ。Deep Thinkはその中の特殊な推論モードで、通常のモデルとは異なるアプローチで問題を解く。

特徴Gemini 3（通常）Gemini 3 Deep Think
応答速度高速（数秒）低速（数十秒〜数分）
推論方式直接回答段階的・長時間推論
得意領域汎用タスク数学・科学・論理問題
コスト標準高い
利用方法Gemini App / APIAI Ultra / API

Deep Thinkの核心は「考える時間を長くとる」ことにある。人間が難問に直面したとき、じっくり考えて段階的に推論を進めるのと同様に、Deep Thinkは問題を分解し、仮説を立て、検証し、最終回答に到達するプロセスを自律的に実行する。この「考える時間」が長いほど、回答の精度が上がる。

Deep Thinkのアーキテクチャ

Deep Thinkは、いわゆる「Chain-of-Thought（思考の連鎖）推論」を大幅に拡張したモデルだ。通常のCoTが数ステップの推論を行うのに対し、Deep Thinkは数十〜数百ステップの推論を実行する。これにより、以下のような複雑なタスクに対応できる。

  • 数学的証明: 定理の証明を段階的に構築
  • 論理パズル: 複数の制約条件を同時に満たす解を探索
  • コード生成: アルゴリズムの正当性を証明しながら実装
  • 科学的推論: 実験データから仮説を構築・検証

ベンチマーク成績の詳細解説

以下の図は、Gemini 3 Deep Thinkの3つの主要ベンチマークでの成績を、競合モデルと比較したものです。

Gemini 3 Deep Thinkベンチマーク成績。Humanity's Last Exam 48.4%、ARC-AGI-2 84.6%、Codeforces 3455 Eloを競合モデルと棒グラフで比較

Humanity's Last Exam: 48.4%（ツール無し）

Humanity's Last Exam（HLE）は、各分野の専門家が「現在のAIには解けないだろう」と想定して作成した超難問のテストだ。数千問の問題は、高度な専門知識と複雑な推論を同時に要求する。

Gemini 3 Deep Thinkは、**ツールを使用せずに48.4%**の正答率を記録した。これは2位のClaude Opus 4.6（約35.2%）を大幅に上回り、「人間にとっては簡単だがAIには難しい」問題の壁を着実に崩している。

ARC-AGI-2: 84.6%（ARC Prize Foundation検証済み）

ARC-AGI-2は、AIの汎化能力を測るベンチマークだ。訓練データに含まれていない全く新しいタスクを与え、ルールを自力で発見して解く能力を評価する。「暗記」ではなく「理解」を測るテストといえる。

84.6%というスコアは、ARC Prize Foundationが独立に検証した公式数値だ。2位のClaude Opus 4.6（68.8%）に15.8ポイント差をつけており、AI汎化能力の現時点でのチャンピオンである。

Codeforces: 3455 Elo

Codeforcesは世界最大の競技プログラミングプラットフォームで、Elo制のレーティングシステムを採用している。3455 Eloは**「Legendary Grandmaster」（伝説のグランドマスター）**級に相当し、人間のトップ競技プログラマーの大半を上回る水準だ。

Eloレーティング称号Gemini 3 DTの位置
3000+Legendary Grandmasterここ（3455）
2400-2999International Grandmaster
2100-2399Grandmaster
1900-2099International Master
1600-1899Expert
1400-1599Specialist

科学研究での革命的活用

以下の図は、Deep Thinkの科学研究への活用フローと各分野での実績を示しています。

Gemini 3 Deep Thinkの科学研究活用フロー。論文解析、Deep Think推論、欠陥検出、仮説生成の4ステップと、物理・化学・数学・エンジニアリングでの活用事例

論理的欠陥の発見能力

Deep Thinkの最も革新的な機能は、科学論文の論理的欠陥を自動検出する能力だ。具体的には以下のようなケースで威力を発揮する。

  • 証明の飛躍: 数学的証明において、暗黙の前提や論理の飛躍を検出
  • 実験デザインの欠陥: 対照実験の不備、サンプルサイズの不足、バイアスの指摘
  • 統計的誤り: p値ハッキング、多重比較問題、効果量の過大評価を検出
  • 因果関係の誤認: 相関と因果の混同、交絡因子の見落としを指摘

国際科学オリンピック級の成績

Gemini 3 Deep Thinkは、2025年の国際物理オリンピックおよび国際化学オリンピックの筆記試験において、金メダル相当の成績を収めた。また、高度な理論物理のベンチマーク「CMT-Benchmark」では50.5%のスコアを記録している。

利用方法と料金体系

API経由でのアクセス

Deep Thinkは、Gemini APIを通じて開発者がプログラム的にアクセスできる。Google AI Studioから直接テストすることも可能だ。

# API利用例（概念的なコード）
model = genai.GenerativeModel('gemini-3-deep-think')
response = model.generate_content(
    "この数学的証明の論理的欠陥を指摘してください: ...",
    generation_config={"thinking_time": "extended"}
)

AI Ultra サブスクリプション

一般ユーザーは、Google の最上位サブスクリプション「AI Ultra」（月額$249 / 約37,350円）でDeep Thinkにアクセスできる。

プラン月額（USD）月額（円）Deep Think
Gemini（無料）$0¥0利用不可
Gemini Advanced$19.99¥3,000利用不可
AI Ultra$249¥37,350利用可能
API（従量課金）使用量次第使用量次第利用可能

月額$249は高額だが、科学研究者やプロの開発者にとっては、Deep Thinkの推論能力がもたらす生産性向上で十分にペイする可能性がある。

主要推論AIモデルの総合比較

比較項目Gemini 3 Deep ThinkClaude Opus 4.6GPT-4.5DeepSeek R1
HLE48.4%35.2%28.3%25.1%
ARC-AGI-284.6%68.8%47.1%42.3%
Codeforces3455 Elo約2600約2200約2100
科学研究金メダル級高い中〜高中〜高
速度低速中速高速中速
価格AI Ultra $249/月Pro $20/月Plus $20/月$0.55/100万トークン
マルチモーダル画像・音声・動画画像・ドキュメント画像・音声テキスト主体

日本ではどうなるか

日本の研究機関への影響

Gemini 3 Deep Thinkは、日本の科学研究に大きな影響を与える可能性がある。

  1. 論文査読の効率化: 学会の査読プロセスにDeep Thinkを導入することで、論理的欠陥の早期発見が可能に。日本の学術雑誌が国際競争力を高めるツールとなりうる
  2. 教育への応用: 大学の理工系教育で、学生の証明や論文の添削にDeep Thinkを活用。東京大学や京都大学などの研究大学が先行導入する可能性
  3. 創薬・材料科学: 実験データの解析と仮説生成にDeep Thinkを活用し、研究サイクルを加速

日本語対応の課題

Gemini 3は日本語処理においても高い性能を示しているが、Deep Thinkモードでの日本語推論の品質はまだ検証が十分ではない。特に以下の点が懸念される。

  • 日本語の数学論文: LaTeX混じりの日本語論文をDeep Thinkが正確に解析できるか
  • 日本固有の専門用語: 法律・医療などの分野で日本語特有の概念を正確に推論できるか
  • 料金の壁: AI Ultra月額$249（約37,350円）は、日本の研究者個人にとっては高額。大学や研究機関での組織的な契約が現実的

競技プログラミングコミュニティへの影響

日本はAtCoderを中心とした競技プログラミングが盛んな国だ。Codeforces 3455 Eloは、日本のトップ競技プログラマーの多くを上回る水準であり、以下の影響が予想される。

  • 学習ツールとしての活用: Deep Thinkに問題の解法を質問し、段階的な思考プロセスを学ぶ
  • 問題作成の高度化: AIが容易に解ける問題は価値が下がるため、新しいタイプの問題設計が求められる
  • コンテストの公正性: AIの利用を検出・制限するための新たなルール整備が必要に

Geminiエコシステムの今後

Deep Thinkの登場は、GoogleのAI戦略全体を押し上げている。Gemini Advancedユーザーは今後のアップデートで部分的なDeep Think機能を利用できるようになる可能性がある。また、Google WorkspaceとのAPI連携により、企業ユーザーが社内文書の論理チェックにDeep Thinkを活用するシナリオも想定される。

まとめ——次にとるべきアクション

Gemini 3 Deep Thinkは、AIの推論能力が人間の専門家レベルに到達しつつあることを証明した。以下の3ステップで、この革新的なツールを活用しよう。

  1. Geminiのアカウントを作成する: まずは無料のGemini Appでベースモデルの性能を体験。推論能力の進化を実感した上で、AdvancedやAI Ultraへのアップグレードを検討する
  2. Google AI StudioでAPIを試す: 開発者であれば、Google AI Studioから無料枠でDeep Think APIをテストできる。自身の専門分野の問題を投入し、推論の品質を評価しよう
  3. 研究ワークフローに組み込む: 科学研究者は、論文の査読プロセスや仮説検証にDeep Thinkを段階的に導入。人間とAIのハイブリッドな研究スタイルが、今後のスタンダードとなる

ARC-AGI-2で84.6%、HLEで48.4%——これらの数字が意味するのは、AIが「パターンマッチング」の段階を超え、「理解と推論」のフェーズに本格突入したということだ。

この記事をシェア

XはてブLinkedIn

「AI」カテゴリの記事

「AI」の記事をもっと見る

関連記事

新着記事