Google、Gemini 2.5 ProにDeep Think推論モードを追加──公式が主張するのはLiveCodeBenchとHLEでの最高性能、MMLU-Pro 89.8%はリンク切れ出典の未確認値

訂正（2026-08-27）：本記事は当初「Googleが2026年6月22日にDeep Thinkを発表した」という前提で書かれていたが、出典を実際に取得して確認したところ、この日付は誤りだった。Google公式ブログ（本記事の一次ソース）を確認すると、Gemini 2.5 Proの拡張推論モードDeep Thinkは、Google I/Oで2025年5月20日にプレビュー発表され、2025年8月1日にGoogle AI Ultra加入者向けのGeminiアプリで一般提供が始まっている（TechTargetの記事も同じ日付を報じている）。「2026年6月22日」という日付は、本記事が主要な出典としていたADI Insights（Medium）という二次情報記事の公開日を、Deep Think自体の発表日と取り違えたものとみられる。同記事へのリンクは2026年8月14日時点で既にリンク切れ（404）だったことが本記事のsourcesに記録されており、内容を再確認できないまま執筆されていた可能性が高い。以下の記述は、実際に取得できた出典（Google公式ブログ、TechTarget、Google AI開発者ドキュメント、Bind AI、Finout）で裏付けが取れた範囲を中心に整理し直したもので、ADI Insightsのみを出典とする数値には個別に注記した。

Google公式ブログによると、Deep Thinkは複雑な問題に対し通常よりも大幅に多くの計算リソースを割り当てることで、並列思考（parallel thinking）によりコーディング・科学・数学分野で高い性能を発揮するとされる。公式ブログが具体的に「最高」と主張しているベンチマークはLiveCodeBench V6とHumanity's Last Examで、後述のMMLU-Pro等の数値は公式ブログには記載がない。

Deep Thinkの仕組み

並列思考アーキテクチャ

Google公式ブログによると、Deep Thinkの核心は**並列思考（parallel thinking）**にある。通常のモデルが1つの推論パスを順番にたどるのに対し、Deep Thinkは「複数のアイデアを同時に生成し、修正・統合しながら最良の回答に到達する」仕組みを採用している。

TechTargetの解説によれば、アーキテクチャにはスパース混合エキスパート（Sparse Mixture-of-Experts）Transformerが採用されており、長い推論チェーンを支えるために「先進的な強化学習手法」が使われているとされる。

コンテキストウィンドウの拡張

当初「ADI Insightsの報道によると200万トークンのコンテキストウィンドウを持つ」という記述があったが、これは誤りだった。本記事のsourcesの一つであるBind AIの比較記事を実際に確認したところ、「Gemini 2.5 Pro / Deep Thinkとも現在のコンテキストウィンドウは100万トークンで、200万トークンへの拡張は計画中（update planned）の段階」と明記されていた。ADI Insightsの記事はリンク切れで確認できず、200万トークンが現時点の実際の値かどうかは裏付けが取れなかったため、確認できた100万トークンという数値に訂正する。

ベンチマークスコア

下記の表はADI Insights（Medium）が2026年6月時点で報じたとする主要ベンチマークスコアだが、この表の裏付けは一切取れていない。ADI Insightsの当該記事は2026年8月14日時点で既にリンク切れ（404）と本記事のsources自身に記録されており、今回もアクセスできなかった。Google公式ブログにはMMLU-Pro・HumanEval+・MATH-500・ARC-AGI-2の数値は記載がなく、代わりにLiveCodeBench V6とHumanity's Last Examでの好成績を主張している。またFable 5やGPT-5.5は2026年に登場したモデルであり、2025年8月時点のDeep Thinkとの比較表が実在するとしても測定時期がずれている可能性が高い。数値は参考情報として残すが、鵜呑みにしないでほしい。

Googleは、公式ブログ上ではLiveCodeBench V6とHumanity's Last Examで「他のツール不使用モデルの中で最高性能」と主張している（MMLU-Proの89.8%やHumanEval+の94.1%という具体的な文言は公式ブログには見当たらなかった）。

TechTarget（2025年8月12日付）によると、Deep Thinkは数学オリンピック（IMO 2025）で銅メダル相当の60.7%を達成しており、標準Gemini 2.5 Pro（31.6%、メダルなし）やOpenAI o3（16.7%、メダルなし）を上回ったと報告されている。同じ表でHumanity's Last ExamはDeep Think 34.8%・標準Pro 21.6%・o3 20.3%・Grok 4 25.4%、LiveCodeBench v6はDeep Think 87.6%・標準Pro 74.2%・o3 72.0%・Grok 4 79.0%と報告されている。これらはいずれも2025年時点のモデル同士の比較であり、Fable 5やGPT-5.5との比較ではない。

ADI Insightsによれば、Deep ThinkモードはMulti-stepの複雑な問題で標準モードに比べ15〜25%の精度向上が報告されているというが、この数値も出典（ADI Insights）にアクセスできず確認できなかった。

開発者向け：API利用とThinking Budget

利用可能プラットフォーム

Google公式ブログによると、Deep ThinkはGemini API、Google AI Studio、Vertex AIの3プラットフォームで即日利用可能になった。テキスト、コード、画像、音声、動画、構造化データのマルチモーダル入力に対応する。

Thinking Budgetの制御

Google AI開発者ドキュメントによると、開発者はthinking_levelパラメータで推論の深さを3段階（low/medium/high）に制御できる。

• low：事実検索や分類など単純なタスク向け
• medium：概念比較や創造的推論などの中程度のタスク向け（デフォルト）
• high：高度なコーディング、数学、多段階計画向け

thinking_summariesパラメータを"auto"に設定すると、モデルの内部推論過程の要約を取得できる。

料金体系

Google AI公式の料金ページ（2026年6月時点）によると、Gemini 2.5 Proの標準API料金は以下のとおり。

ADI Insightsによると、Deep Thinkモードは標準料金の約4倍のコストがかかるとされる。これはThinkingトークン（内部推論に使われるトークン）が出力トークンとして課金されるためで、Google開発者ドキュメントも「課金は、要約だけでなくモデルが生成する全Thoughtトークンに基づく」と明記している。

コンシューマー向けには、Google AI Ultraサブスクリプション（Finoutの報道では3か月$124.99、約月額$41.67）の加入者にDeep Thinkが提供されている。

競合モデルとの位置づけ

OpenAI o3シリーズとの比較

Bind AIの比較記事によると、コーディング領域ではClaude 4 OpusがSWE-benchで72.5%、OpenAI o3 Proが71.7%、Gemini 2.5 Proが63.8%という序列が報告されている。一方、競技プログラミングのCodeforces Eloではo3 Proが2727と高いスコアを持つ。

Deep Thinkを有効にした状態では、TechTargetが報じたLiveCodeBench v6でGemini 2.5 Pro Deep Thinkが87.6%を記録し、標準Pro（74.2%）やo3（72.0%）を上回ったとされる。

Claude Extended Thinkingとの比較

Bind AIによると、Claude 4 Opusは長時間の自律的タスク（最大7時間の連続作業が可能）やデバッグで強みを持つ。一方、Gemini 2.5 Proはコンテキストウィンドウの広さ（現状100万トークン、200万トークンへの拡張は計画中）とコストパフォーマンスで優位に立つとされている。

推論アプローチも異なる。ADI Insightsによると、OpenAIのo3がモンテカルロ木探索などの動的リソース配分を使うのに対し、Gemini Deep Thinkは並列思考による同時多方向探索を特徴としている。Claudeの拡張思考は段階的な問題分解に強みがあるとBind AIは報じている。

開発者にとっての意味

Deep Thinkの登場により、開発者が拡張推論モードを選択できるモデルはOpenAI o-シリーズ、Claude Extended Thinking、Gemini Deep Thinkの3系統となった。各モデルの得意領域は異なり、2026年6月時点の各社報告値に基づけば以下のように整理できる。

• 科学・数学・汎用推論：Gemini 2.5 Pro Deep Think（Google発表値）
• ソフトウェアエンジニアリング・長時間エージェント作業：Fable 5 / Claude 4 Opus（Anthropic発表値）
• 競技プログラミング：OpenAI o3 Pro（OpenAI発表値）

Thinking Budgetによるコスト制御が可能な点は実務上の利点となる。単純なタスクではlowに設定してコストを抑え、複雑な推論が必要な場面でのみhighに切り替えるという運用ができる。

ベンチマーク出典のADI Insightsは既にリンク切れ

• MMLU-Pro・GPQA Diamond・HumanEval+・MATH-500・ARC-AGI-2の数値はADI Insights（Medium）のみを出典としており、当該記事は2026年8月14日時点で既にリンク切れ（404）で本記事執筆時点でも確認できていない。IMO 2025・Humanity's Last Exam・LiveCodeBench v6の数値はTechTarget（2025年8月12日付）で確認できた。各社ベンチマークスコアは自社報告値であり、測定条件が統一されていない可能性がある
• Deep Thinkモードの「約4倍」という料金倍率はADI Insightsの報道に基づく概算値であり、Google AI公式料金ページには2026年6月26日時点でDeep Think専用の料金体系は明示されていない。実際のコストはThinkingトークンの生成量に依存し、タスクにより大きく変動する
• TechTargetによると、公開版のDeep Thinkは研究版と比べ「より複雑で数時間に及ぶ推論機能の一部を、日常利用向けの応答性と引き換えに削減している」とされている
• テスト段階で「無害なリクエストを拒否する傾向が高い」ことがGoogle公式ブログで確認されている
• 競合比較で引用したBind AIの数値にはDeep Think有効時と無効時のスコアが混在している箇所があり、直接比較には注意が必要
• Google AI Ultraサブスクリプションの価格はFinoutの報道に基づく。地域や時期により異なる可能性がある