Google Gemini Deep Thinkは、従来のAIモデルとは一線を画す長時間推論型のツールである。複数のサブエージェントを並列起動し、1つのクエリに対して10~20分かけて深く思考する点が特徴だ。本動画では、スケッチから3Dプリント用STLファイルを生成する機能、多段階の研究課題への対応、株式分析や企業リサーチ、YouTubeチャンネルデータの非自明なパターン抽出、さらにはコーディングによるプロトタイプ作成まで、実用的なユースケースを網羅的に紹介している。Deep Researchが情報収集に特化するのに対し、Deep Thinkは問題そのものに対する推論の深化に焦点を当てており、複雑な戦略立案やデータ駆動型の意思決定において真価を発揮する。
Google Gemini Deep Thinkの基本と起動方法
Google Gemini Deep Thinkがついに登場しました。早速チュートリアルに入っていきましょう。
Google Gemini Deep Thinkを起動するには、ツールタブからDeep Thinkと入力するだけです。ここで覚えておいていただきたいのは、Deep Thinkはウルトラサブスクライバーのみが利用可能だということです。その理由は、このモデルが本質的に複数の異なるサブエージェントを立ち上げ、並列で大量の推論を行うからです。
つまり、このモデルは特にマルチステップ推論の問題に対して強力なんです。ですから、Gemini 3 Deep Thinkは、深刻な研究、コーディング、または戦略立案のために定期的にAIに依存しており、スピードやサブスクリプションコストよりも推論が重要な場合に試してみる価値があると知っておくことが重要です。このチュートリアルに入る前に、Deep Thinkは基本的に1つのクエリあたり約10~20分かかるモデルであることを覚えておいてください。
ですから、もし超高速でレスポンスを得ようとしているなら、これは使いたくないものです。
スケッチから3Dモデルへの変換
Googleのデモビデオで、彼らが実際にGoogle Deep Thinkが得意だと示してくれたことの1つで、私が本当にクールだと思ったのは、基本的にどんなスケッチでも取り込んで、それをSTL 3Dモデルに変換できるということです。
そこで私は実際にNano Bananaを使って、このヘッドフォンスタンドのスケッチ画像を生成しました。ここではデザインについて考えないでください。これは純粋にただのスケッチです。そして私が実際にプロンプトで行ったことは、ヘッドフォンスタンドのスケッチ、ヘッドフォンは乗っていない、そして単一のオブジェクトと言いました。私がこれを行った理由は、あの短いデモの中で、彼らがこういったものを作れることを示してくれたからです。
そして彼らが使ったスケッチでは、それは他に何もない単一の画像でした。このプロンプトを使うようにしてください。なぜなら、もしそうしないと、基本的にNatabanoはたくさんの異なる芸術的なものが載っている画像を生成してしまい、モデルにとってあまり有用ではないからです。ですから、シンプルなスケッチである明確な画像が欲しいんです。
そして、これができたら、プロンプトを入力したら、基本的にここで言えるんです。これは私のコミュニティからのプロンプトですが、添付されたスケッチを機能的な3Dオブジェクトに変換してください。スケッチに基づいてジオメトリを構築する3.jsを使った単一ファイルHTMLを生成してください。ジオメトリは3Dプリントに適したマニフォールドウォータータイプメッシュでなければなりません。
360度検査のためのオービットコントロールを実装してください。3.STLエクスポーターを使用してプリント対応STLダウンロードボタンを含めてください。そしてミニマリストダークモードUIオーバーレイを使用してください、などなど。そして基本的に何が起こるかというと、このフィールドを取得してコピーをクリックし、これをメモ帳に貼り付けてHTMLとして保存すると、今このHTMLを開くことにすれば、オブジェクトがここにあることがわかります。これがGoogleの実際のデモビデオから見ることができたものです。本当に本当にクールに見えると思います。そして間違いなく最大のことは、3Dオブジェクト自体ではなく、最大のことはもちろん文字通りダウンロードできるSTLファイルを持てることです。
そして、総高さ、総ソリッドボリューム、推定重量があるという事実は超有用だと思います。ですから、これらすべてのことは、3Dプリントをしたい人々にとって超有用です。
もちろん、これを達成する別の方法があります。そしてもちろん、モデルの完全な精度については議論できますが、こういったものは超有用だと思います。それがベーシックなユースケースの1つですが、実際に他のユースケースに飛び込んでいきましょう。
標準リサーチでの活用
別のことは、標準的な研究です。Deep Thinkはこの問題についてより長く、より深く考えるつもりです。
ですから、基本的に問題についてずっと長く考えたいような課題があり、本当にもっと多くの洞察が必要な場合、これは問題自体について考えているとでも言えるでしょう。ここがDeep Researchとは少し異なるところです。Deep Researchツールは基本的に大量の情報を集めることに焦点を当てています。
しかしDeep Thinkは本質的に実際の問題自体に焦点を当て、その結論について推論しています。ですから、これは少し同じ製品ですが、結果が若干異なるので、そのことを明確にしたいと思います。彼らはただ問題についてより大きな程度まで推論しているんです。
AI業界分析の実例
そこで、このエージェント的な研究プロンプトで、私は「AIがバブルではない理由についての長編YouTubeビデオを書いている。すべての議論、反論、そして私が必要とする証拠の断片をマップアウトしてください。私の推論や論理的ギャップ、またはより強力なソーシングが必要な箇所にフラグを立ててください」と言いました。
そしてこれは本当に良いプロンプトを与えてくれます。第一幕、重要なバブル、異なる立場とそれらがなぜ異なるかについて語り、それからコアな議論、そしてシフト、などなど。
そして実際にソースも付いてきます。ですから、ここで何らかの研究をしたい場合、ソースも付いてきます。注目すべきは、Deep Researchほど多くのソースを通過するわけではありませんが、Deep Thinkはこの種の問題を通過したい場合、本当に考える必要がある問題がある場合、これもユースケースになるでしょう。
ですから、私にとって、超あいまいで奇妙で変わったトピックについては、おそらくDeep Thinkを使うでしょう。なぜなら、それは依然として有用なツールだからです。そしておそらく、Deep Researchが私が使いたいものを与えてくれなかった後にのみ使うでしょう。
株式分析と企業リサーチ
さて、これはモデルの推論能力を実際に使いたい場合の別の例です。はい、研究が必要ですが、問題についてより深く考えたいという意味でです。
そしてこれは基本的に株式研究です。さて、私はファイナンシャルアドバイザーではありません。ファイナンシャルアドバイスを提供することはできません。しかし、モデルが問題についてより長く深く考えるので、以前は知らなかった特定の株式についての異なる洞察を見ることができるかもしれないと思います。
そこで私はこのプロンプトをもう一度使いました。これも私のコミュニティにあります。「Adobeの深い基礎分析を通じて説明してください。マクロ経済の逆風、セクターのトレンド、バランスシートの健全性、競争上の堀を考慮してください。コンセンサスはどこで間違っていますか?」
そしてDeep Thinkを使うと、この種の研究にこのモデルを使う理由がここにあります。なぜなら、モデルはすべての異なる問題についてより深く考えるからです。
一方、Deep Researchでは問題について考えますが、二次的、三次的な結果については考えません。主にその情報を得ることについて考えるだけです。ここでは、実際にベアケースが示されています。バランスシート情報が示されています。
競争上の堀が示されており、ボトムラインが示されています。そしてAdobeがSeamrush買収によって固められたAI革命のバックエンド全体を静かに収益化しているという事実を世界全体が見逃している要因があると示されています。
ですから、これらは他の人々が見逃すかもしれないことになるでしょう。
株を買ったり株に投資したりする人がみんなではないことは知っています。しかし重要なのは、たとえ株を研究していなくても、企業を研究していて、その企業が何をしているか、経済にどう適合しているか、あるいはビジネス戦略についてさえ混乱している場合です。ですから、これをビジネスリサーチと呼ぶこともできるでしょう。これがあなたを助けることになるでしょう。なぜなら、それは「OK、研究を得た。ここに私が瞬時に出した結論がある」と考えるよりも、実際の問題についてより長く考えるからです。
データ分析による非自明な洞察の発見
さて、Deep Thinkがはるかに長く深く問題について推論するモデルだと言ったことを覚えていますか。本当に得意なことの1つは、異なるデータソースがあり、それを使って新しい結論に到達できる場合です。
このプロンプトは基本的にYouTubeデータ分析プロンプトです。
そしてプロンプティングのクイックヒントですが、プロンプティングをやりすぎないでください。モデルにはすでに組み込みの思考チェーン推論モードがあります。ですから、こう考えてとかああ考えてとか言う必要はありません。それは完全に先に進んで長期的に考えるつもりです。ですから、それはすでにたくさん推論するように設計されていることを理解してください。
そこで私は「私のYouTubeチャンネルデータを徹底的に分析してください。私がおそらく見逃している非自明なパターン、相関関係、実際の洞察を見つけてください。アップロード時間と曜日を見てください。最高のパフォーマンスは何ですか?」と言いました。そして基本的にこれらすべてのことの後、「データに基づいて行うべき5つの最大の変更を教えてください」と言いました。そしてそれは約15~20分間推論しました。
ちなみにこれはセカンドチャンネルです。そしてそれは本当に洞察に満ちたデータを与えてくれます。長さと保持のパラドックスについて述べています。私のチャンネルのあるパラドックスについて語っています。特定の曜日に成長が低下すると言い、アップロードすべき最適な日を教えてくれ、隠れたトラフィックの外れ値とトップ5の実行可能な変更を示してくれます。
この種のことが有用な理由は、あなたがするよりも長く深くあらゆる問題について考えるからです。そして、ビジネスで働いているかもしれない、学校でプロジェクトがあるかもしれない、健康データがあるかもしれないということを考えると、あなたが見たことがないかもしれない方法でそのデータセットについて推論できるでしょう。
ですから、データを分析してトレンドを見つけることが超有用であることは皆知っています。なぜなら、それが私たちが未来を予測し、変更を加え、進路を調整する方法だからです。そして、オンラインビジネスがある場合、混乱したデータがある場合、あるいは財務でさえ、これは超超有用なものになるでしょう。実際のデータに完全に基づいた実際に実行可能なステップを得たい場合です。
ですから、「ねえch、気分が落ち込んでいます。何をすべきですか?」というのではありません。これは純粋な定量的データであり、そのものを取って分析でき、それについて長時間推論するつもりです。ですから、明確なピボット、明確なアップロード日、明確なビデオの長さを示してくれます。そして、この検索トレンドを活用しなさいと言います。
こういったものは非常に有用です。そして先ほど言ったように、従来のモデルはここまで行かないかもしれません。なぜなら、それらは長く推論するように訓練されていないからです。
コーディング能力とプロトタイプ作成
さて、もちろん、このモデルはコーディングが得意なので、私は実際にシムズスタイルの3Dルームビルダーを構築するよう頼みました。実際にTwitterで似たようなプロンプトを見つけて、少し調整しました。
そしてDeep Thinkは基本的にこういったものを作成できます。さて、もちろん、こういったものはかなり有用だと言いますが、これらはデモなどという意味で有用だと言います。ですから、もちろん、フルスケールのアプリケーションを本当に構築することはできませんが、こういったものは、テストしたいものの初期プロトタイプを開発する能力という点で、依然としてかなり有用です。
ですから、Deep Thinkはワンショットで物事を作ることを意図しているため、信じられないほどのコーディング能力のレベルを持つものだと思います。そして、あなたたちはわかりませんが、私は通常それほどコードを書きません。それは実際に私の日常的なワークフローの一部ではありません。しかし時々、データを視覚化できるだけでなく、必要になる前に物事をテストするための小さな実験を作るために、小さなものをコーディングすることが好きです。
そしてそれがこれが使用できることです。これを何に使いたいかはわかりませんが、もちろん、先ほど言ったように、個人が使用できる百万の異なることがあります。部屋の計画のようなものかもしれません。わかりません。私はそれほど創造的ではありません。今は最高のアイデアを持っていません。
私が試みているのは、あなたたちに最高のユースケースを紹介することだけです。そして、約10~15分で何かをワンショットしたい場合、問題について推論するためにDeep Thinkを放置できるなら、それはできることです。もちろん、このビデオを楽しんでプロンプトを取得したい場合は、コミュニティに参加することを忘れないでください。または、チートシートが欲しい場合、これは単にこの画像とコミュニティのプロンプトをダウンロードするだけです。
すべてそこにあります。私は毎日これらのビデオを作っているので、毎日更新されています。それ以外では、他にどんなビデオを見たいか教えてください。
コメント