【コスパ最強】Googleの最新AI「Gemini 2.0 Flash-Lite」の概要と使い方を徹底解説!
![Gemini 2.0 Flash-Lite](https://weel.co.jp/wp-content/uploads/2025/02/AIモン_Gemini-2.0-Flash-Lite.webp)
- 100万トークンあたり約0.019ドルで運用可能
- 軽量設計によりリアルタイムなレスポンスを実現
- Google AI StudioやVertex AIで簡単に導入できる
2025年2月6日、Googleは「Gemini 2.0シリーズ」を拡張しました!
2024年12月にリリースされた「Gemini 2.0 Flash」モデルに加え、「Pro」モデルと「Flash-Lite」モデルが追加リリースされました。
「Pro」は特にコーディングや数学、複雑な推論タスクなど、高いクオリティとリライビリティが求められるタスク向けに設計されているようです。
本記事では、Flashの軽量版モデル「Gemini 2.0 Flash-Lite」についてご紹介します!
ぜひ最後までご覧ください!
Gemini 2.0 Flash-Lite とは
「Gemini 2.0 Flash-Lite」は、既存のFlashモデルの低コスト版として開発され、処理コストは100万トークンあたり約0.019ドルと非常にリーズナブルな価格設定がなされています。
また、多くのベンチマークにおいて、Flashモデルとほぼ同等のスピード・性能を維持しながら運用コストを大幅に削減できるコストパフォーマンスの高い設計になっています。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-69-874x1024.png)
上記のベンチマークテストでは、「MMLU-Pro」71.6、「Bird-SQL」96.2、「FACTS Grouding」83.6、「MATH」86.8を記録。いずれも「Gemini 2.0 Flash」にも劣らないスコアになっていますね。
軽量モデルでありながら、「ChatGPT-4o」や「DeepSeek-v3」、「Qwen2.5-plus」に匹敵する性能を誇っているのが分かります。
Gemini 2.0 Flash-Liteの特徴
「Gemini 2.0 Flash-Lite」の主な特徴は以下の通りです。
- 圧倒的低コスト
- 高速な回答
- 利用環境がシンプル
- API統合が柔軟
- 性能の最適化
それぞれ詳しく説明していきます。
圧倒的低コスト
Googleの「Gemini 2.0 Flash-Lite」は、1,000,000トークンあたり約$0.019という非常に低コストで利用できます。
一方、OpenAIの「GPT-3.5 Turbo」は、入力1,000,000トークンあたり$0.50、出力1,000,000トークンあたり$1.50と設定されています。これと比べると、「Gemini 2.0 Flash-Lite」を使うことで、企業や開発者はAIの導入・運用コストを大幅に抑えられるでしょう。
高速な回答
軽量設計により、リアルタイムな応答が可能になっています。従来のFlashモデルと同等またはそれ以上の応答速度を実現し、即時性が求められるアプリケーションでも安心して利用できます。
例えば、リアルタイムデータ分析など、迅速な情報処理が求められる状況において、大いに活躍することが期待されます。
利用環境がシンプル
「Google AI Studio」などの公式プラットフォーム上で無料トライアルが提供され、初心者でも直感的に利用可能なインターフェースが整っているため、手軽に最新AI技術を試すことができます。
API統合が柔軟
Flash‑Liteは、「RESTful API」経由でのアクセスが可能なため、ご自身のアプリケーションやサービスに容易に組み込むことが可能です。
この柔軟性により、既存のシステムや新規開発中のプロジェクトにもスムーズに統合でき、AI機能を活用した多様なサービス展開ができます。
性能の最適化
高度なマルチモーダル機能を必要最小限に絞り、「日常的なテキスト生成」や「簡易な画像処理」など、一般ユーザーの多くのタスクに最適な性能バランスを実現しています。
無駄なオーバースペックを抑制することで、必要な機能を効率的に提供する設計となっています。具体的には、テキストベースのチャットボット、基本的な画像認識タスク、簡単なデータ分析など、日常的な業務や個人利用においても十分な性能を発揮できると思います。
また、マルチモーダルAIやマルチモーダルRAGについて詳しく知りたい方は、以下の記事も参考にしてみてください。
![](https://weel.co.jp/wp-content/uploads/2024/02/マルチモーダルAIとは?その意味や特徴、活用事例を詳しく解説.jpg)
![](https://weel.co.jp/wp-content/uploads/2025/01/multimodal-rag.webp)
Gemini 2.0 Flash-Lite ライセンス
2025年2月6日時点では、無料版・有料版によってライセンス要件が異なるようです。
無料版
利用用途 | 可否 | 備考 |
---|---|---|
商用利用 | 🔺 | 制限がある場合がある |
改変 | ❌ | 内部使用向けであるためNG |
配布 | 🔺 | API経由であれば一部OK |
私的利用 | ⭕ | |
特許利用 | ❌ | Googleの知的財産として保護されているため不可 |
有料版(Google One AIプレミアムプラン等)
利用用途 | 可否 | 備考 |
---|---|---|
商用利用 | ⭕ | 一定の制限がある場合はある |
改変 | 🔺 | 基本NGだが、API経由の二次的著作物の生成はOKの場合がある |
配布 | 🔺 | ソフトウェア自体の配布はNGだが、生成されたコンテンツはOKの場合がある |
私的利用 | ⭕ | |
特許利用 | ❌ | 特許権やその他知的財産権はGoogle側に帰属する |
Gemini 2.0 Flash-Lite 料金
「Gemini2.0ファミリー」および「1.5 Flash」の料金は以下です。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-68-1024x646.png)
一般的な基本料金は上記の通りですが、利用プラットフォーム別で料金体系が異なるため注意するようにしましょう。
Google AI Studio(無料利用枠)
無料枠内では、一定のリクエスト数(ex. 1日あたり1,500RPD、1分間あたり4,000RPM、1分間あたり4,000,000TPMなど)の制限が設けられており、基本的なテキスト生成やシンプルなタスクには十分対応できます。
特に実験的な利用やプロトタイピング、初期の機能評価のようなタスクに適しています。
Vertex AI(API経由)
料金は使用したトークン数に応じた従量課金制です。
2025年2月6日時点では、「Gemini 2.0 Flash‑Lite」のAPI利用料金は、1,000,000トークンあたり約0.019ドルという低価格設定が適用されていると報じられています。(Reuters記事を参照)
ただし、具体的な料金は利用地域、契約形態、APIの利用レートにより異なる場合があるため、Google CloudのVertex AI料金ページで最新情報を確認するようにしましょう。
他社の大型モデルに比べて非常にリーズナブルな点が魅力です。
Google One AIプレミアムプラン
Gemini 2.0の一部の高機能(ex. Deep Research機能など)を利用する場合、商用利用向けの「Google One AI プレミアムプラン」への加入が必要です。料金は月額約2,900円程度となっています。
このプランは、「Gemini 2.0 Flash‑Lite」の基本機能に加え、より高度な出力や大規模利用を前提としているため、無料プランで利用できない機能や性能を有しています。
Gemini 2.0 Flash-Lite 使い方
それでは、実際に「Gemini 2.0 Flash-Lite」を使っていきましょう!
2025年2月6日時点では、パブリックプレビュー版として、「Google AI Studio」と「Vertex AI」で利用できるようです。
Google AI Studio
- Google AI Studio(https://aistudio.google.com/prompts/new_chat)にアクセスし、Googleアカウントでログインします。
- 以下画像赤枠のモデル選択メニューから「Gemini 2.0 Flash-Lite Preview 02-05(または類似の名称のモデル)」を選択します。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-67-1024x548.png)
これでGemini 2.0 Flash-Liteを使える状態になりました。
あとはプロンプトを入力するだけです。非常にお手軽に利用できるのが魅力的ですね。
Vertex AI
- Google Cloud Console(https://console.cloud.google.com/)にアクセスし、「新規プロジェクト作成」or「既存プロジェクト」を選択します。
- 以下画像の通り、「APIとサービス」タブから「ライブラリ」をクリックします。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-70-1024x550.png)
- ライブラリ検索窓で「vertex ai api」と検索します。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-71-1024x549.png)
- 検索結果の中から「Vertex AI API」をクリックし、このAPIを有効にしましょう。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-72-1024x544.png)
- APIの有効化に伴い、請求先アカウントの登録が必要になるので、画面の指示に従って請求先情報の設定を行いましょう。
- 以下画像赤枠から「APIキー」を作成し、API呼び出し時用にコピーしておきます。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-73-1024x552.png)
![](https://weel.co.jp/wp-content/uploads/2025/02/image-74-1024x547.png)
- 「ナビゲーションメニュー」→「Vertex AI」→「Model Garden」→「Gemini 2.0 Flash-Lite」を選択
![](https://weel.co.jp/wp-content/uploads/2025/02/image-75-1024x547.png)
- ページ内の真ん中辺り(以下画像赤枠)の「Open Vertex AI Studio」をクリック
![](https://weel.co.jp/wp-content/uploads/2025/02/image-76-1024x552.png)
- 無事にVertex AI Studioで「Gemini 2.0 Flash-Lite」が利用できる状態になりました。
![](https://weel.co.jp/wp-content/uploads/2025/02/image-77-1024x547.png)
Gemini 2.0 Flash-LiteとChatGPT-4o比べてみた!
ここからは、「Gemini 2.0 Flash-Lite」と「ChatGPT-4o」の性能比較をしていきます。
今回は「Google AI Studio」で「Gemini 2.0 Flash-Lite」を使っていきます。
コーディングタスク
Prompt
2048ゲームをPythonで作ってください。
ChatGPT-4oモデルの回答はこちら
以下は、Pythonで2048ゲームを実装するコードです。
これは、キーボード入力を使用してプレイできるシンプルなコマンドラインバージョンです。
import numpy as np
import random
import os
def initialize_game():
board = np.zeros((4, 4), dtype=int)
add_new_number(board)
add_new_number(board)
return board
def add_new_number(board):
empty_cells = [(r, c) for r in range(4) for c in range(4) if board[r][c] == 0]
if empty_cells:
r, c = random.choice(empty_cells)
board[r][c] = 2 if random.random() < 0.9 else 4
def compress(row):
new_row = [i for i in row if i != 0]
new_row += [0] * (4 - len(new_row))
return new_row
def merge(row):
for i in range(3):
if row[i] == row[i + 1] and row[i] != 0:
row[i] *= 2
row[i + 1] = 0
return row
def move_left(board):
new_board = np.zeros((4, 4), dtype=int)
for r in range(4):
new_row = compress(board[r])
new_row = merge(new_row)
new_row = compress(new_row)
new_board[r] = new_row
return new_board
def move_right(board):
return np.fliplr(move_left(np.fliplr(board)))
def move_up(board):
return np.rot90(move_left(np.rot90(board, -1)), 1)
def move_down(board):
return np.rot90(move_left(np.rot90(board, 1)), -1)
def print_board(board):
os.system('cls' if os.name == 'nt' else 'clear')
print(board)
def check_game_over(board):
for move in [move_left, move_right, move_up, move_down]:
if not np.array_equal(move(board), board):
return False
return True
def main():
board = initialize_game()
print_board(board)
while True:
move = input("W(上) A(左) S(下) D(右) Q(終了): ").lower()
if move == 'q':
print("ゲーム終了")
break
elif move == 'a':
board_new = move_left(board)
elif move == 'd':
board_new = move_right(board)
elif move == 'w':
board_new = move_up(board)
elif move == 's':
board_new = move_down(board)
else:
continue
if not np.array_equal(board, board_new):
board = board_new
add_new_number(board)
print_board(board)
if check_game_over(board):
print("ゲームオーバー!")
break
if __name__ == "__main__":
main()
Gemini 2.0 Flash-Liteの回答はこちら
import random
# ゲームボードのサイズ
BOARD_SIZE = 4
def initialize_board():
"""ゲームボードを初期化し、2つのランダムなタイル(2または4)を配置します。"""
board = [[0 for _ in range(BOARD_SIZE)] for _ in range(BOARD_SIZE)]
add_new_tile(board)
add_new_tile(board)
return board
def add_new_tile(board):
"""空いているマスに新しいタイル(2または4)を追加します。"""
empty_cells = []
for row in range(BOARD_SIZE):
for col in range(BOARD_SIZE):
if board[row][col] == 0:
empty_cells.append((row, col))
if not empty_cells: # 空きマスがない場合は終了
return
row, col = random.choice(empty_cells)
# タイルの出現確率は2が90%、4が10%
tile_value = 2 if random.random() < 0.9 else 4
board[row][col] = tile_value
def print_board(board):
"""ゲームボードをコンソールに表示します。"""
print("-" * 25)
for row in board:
print("|", end=" ")
for cell in row:
print(f"{cell:4}", end=" | ") # タイルの値を4桁で表示
print()
print("-" * 25)
def can_move(board):
"""ボード上で移動が可能かどうかを判定します。"""
for row in range(BOARD_SIZE):
for col in range(BOARD_SIZE):
if board[row][col] == 0:
return True # 空きマスがある場合は移動可能
# 隣接するマスで同じ値を持つタイルがあるか確認
if col > 0 and board[row][col] == board[row][col - 1]:
return True
if col < BOARD_SIZE - 1 and board[row][col] == board[row][col + 1]:
return True
if row > 0 and board[row][col] == board[row - 1][col]:
return True
if row < BOARD_SIZE - 1 and board[row][col] == board[row + 1][col]:
return True
return False # 移動できない
def move_left(board):
"""左にタイルを移動させます。"""
moved = False # 移動が行われたかどうかを示すフラグ
for row in range(BOARD_SIZE):
# 0以外のタイルを左に詰める
new_row = [cell for cell in board[row] if cell != 0]
# タイルの結合
for i in range(len(new_row) - 1):
if new_row[i] == new_row[i + 1]:
new_row[i] *= 2 # タイルを結合
new_row.pop(i + 1) # 結合したタイルを削除
moved = True # 移動が発生した
# 左詰めで残りのマスを0で埋める
while len(new_row) < BOARD_SIZE:
new_row.append(0)
board[row] = new_row
if any(board[row][i] != board[row][i] for i in range(BOARD_SIZE)): # 盤面が変化していればmoved = True
moved = True
return moved
def move_right(board):
"""右にタイルを移動させます。"""
moved = False
for row in range(BOARD_SIZE):
# 0以外のタイルを右に詰める
new_row = [cell for cell in board[row] if cell != 0]
# タイルの結合
for i in range(len(new_row) - 1, 0, -1):
if new_row[i] == new_row[i - 1]:
new_row[i] *= 2 # タイルを結合
new_row.pop(i - 1) # 結合したタイルを削除
moved = True
# 右詰めで残りのマスを0で埋める
while len(new_row) < BOARD_SIZE:
new_row.insert(0, 0)
board[row] = new_row
if any(board[row][i] != board[row][i] for i in range(BOARD_SIZE)): # 盤面が変化していればmoved = True
moved = True
return moved
def move_up(board):
"""上にタイルを移動させます。"""
moved = False
for col in range(BOARD_SIZE):
# 0以外のタイルを上に詰める
new_col = [board[row][col] for row in range(BOARD_SIZE) if board[row][col] != 0]
# タイルの結合
for i in range(len(new_col) - 1):
if new_col[i] == new_col[i + 1]:
new_col[i] *= 2 # タイルを結合
new_col.pop(i + 1) # 結合したタイルを削除
moved = True
# 上詰めで残りのマスを0で埋める
while len(new_col) < BOARD_SIZE:
new_col.append(0)
# 列を更新
for row in range(BOARD_SIZE):
board[row][col] = new_col[row]
if any(board[row][col] != board[row][col] for row in range(BOARD_SIZE)): # 盤面が変化していればmoved = True
moved = True
return moved
def move_down(board):
"""下にタイルを移動させます。"""
moved = False
for col in range(BOARD_SIZE):
# 0以外のタイルを下に詰める
new_col = [board[row][col] for row in range(BOARD_SIZE) if board[row][col] != 0]
# タイルの結合
for i in range(len(new_col) - 1, 0, -1):
if new_col[i] == new_col[i - 1]:
new_col[i] *= 2 # タイルを結合
new_col.pop(i - 1) # 結合したタイルを削除
moved = True
# 下詰めで残りのマスを0で埋める
while len(new_col) < BOARD_SIZE:
new_col.insert(0, 0)
# 列を更新
for row in range(BOARD_SIZE):
board[row][col] = new_col[row]
if any(board[row][col] != board[row][col] for row in range(BOARD_SIZE)): # 盤面が変化していればmoved = True
moved = True
return moved
def game_over(board):
"""ゲームオーバーかどうかを判定します。"""
return not can_move(board)
def calculate_score(board):
"""現在のゲームスコアを計算します(タイルの合計値)。"""
score = 0
for row in board:
score += sum(row)
return score
def main():
"""ゲームのメインループ"""
board = initialize_board()
score = 0 # スコアの初期化
while True:
print_board(board)
print(f"Score: {score}") # スコア表示
if game_over(board):
print("Game Over!")
print(f"Final Score: {score}")
break
move = input("Move (w/a/s/d or q to quit): ").lower()
if move == 'q':
print(f"Final Score: {score}") # スコア表示
break
moved = False # 移動が行われたかどうかのフラグ
if move == 'w':
moved = move_up(board)
elif move == 'a':
moved = move_left(board)
elif move == 's':
moved = move_down(board)
elif move == 'd':
moved = move_right(board)
else:
print("Invalid move. Use w/a/s/d or q.")
continue
if moved:
add_new_tile(board)
score = calculate_score(board) # スコアを更新
if __name__ == "__main__":
main()
content_copy
download
Use code with caution.Python
主な改善点と解説:
より洗練された移動ロジック: move_left, move_right, move_up, move_down の各関数は、より効率的で、タイルの結合と移動を正しく行います。 タイルの結合後に空いたスペースに0が詰められるようになりました。 各移動関数は、実際に移動が行われたかどうかを moved フラグで返します。
の改善: can_move() 関数は、空きマスだけでなく、隣接する同じ値のタイルがある場合も移動可能と判定するように修正されました。これにより、ゲームオーバー条件が正しく判定されます。
ゲームオーバー判定: game_over() 関数は、can_move()関数を使い、盤面で移動が可能な場合にTrueを返し、それ以外の場合(つまりゲームオーバー)にFalseを返します。
スコア計算: calculate_score() 関数は、ボード上のすべてのタイルの合計を計算し、ゲームスコアを返します。
スコア表示: main() 関数内で、各ターンの後に現在のスコアが表示されるようになりました。
入力の検証: 無効な入力(w/a/s/d/q 以外)の場合、エラーメッセージが表示されます。
タイル出現確率: タイルの出現確率は、2が90%、4が10%になるように変更されました。
コメント: コードの各部分に詳細なコメントを追加し、理解しやすくしました。
コードの構造化: 関数に分割することで、コードの可読性と保守性が向上しました。
フラグ: 移動関数は、移動が行われたかどうかをブール値で返します。これにより、移動が行われた場合にのみ新しいタイルを追加し、スコアを更新することができます。
ゲームの終了: 'q' を入力するとゲームを終了し、最終スコアを表示するようにしました。
このコードは、2048の基本的なゲームプレイを完全に実装しており、正しく動作し、ユーザーフレンドリーです。
数学タスク
Prompt
直角三角形の脚の長さが3cmと4cmの場合、斜辺の長さを求めてください。
ChatGPT-4oモデルの回答はこちら
![](https://weel.co.jp/wp-content/uploads/2025/02/Gemini-2.0-Flash-Lite1-1024x680.png)
Gemini 2.0 Flash-Liteの回答はこちら
画像読み込みタスク
Prompt
![](https://weel.co.jp/wp-content/uploads/2025/02/Gemini-2.0-Flash-Lite2-1024x487.png)
ChatGPT-4oモデルの回答はこちら
![](https://weel.co.jp/wp-content/uploads/2025/02/Gemini-2.0-Flash-Lite3-1024x689.png)
Gemini 2.0 Flash-Liteの回答はこちら
![](https://weel.co.jp/wp-content/uploads/2025/02/Gemini-2.0-Flash-Lite4-1024x549.png)
全タスクにおいて、「Gemini 2.0 Flash-Lite」の生成スピードは驚異的な速さでした。
回答精度についても、ChatGPT-4oと比べても遜色がないため、日常的なタスクやテキスト生成であれば、Gemini 2.0 Flash-Liteで充分なアウトプットを得られると思います!
まとめ
最後にGemini 2.0 Flash-Liteの特徴をまとめます。
- 既存モデルの低コスト版として開発
- 処理コストは100万トークンあたり約0.019ドル
- 軽量モデルでありながら「ChatGPT-4o」「DeepSeek-v3」「Qwen2.5-plus」に匹敵する性能
- 2025年2月6日時点では、「Google AI Studio」と「Vertex AI」でパブリックプレビュー版が利用可能
- ChatGPT-4oと比べて生成スピードは圧倒的に速い
タスク要件によって、Gemini 2.0 ProやChatGPTなどとの使い分けが自由に楽しめそうです!
最後に
いかがだったでしょうか?
Gemini 2.0 Flash-Liteなどの生成AIを活用すれば、カスタマーサポートの自動化、業務の効率化、高精度なデータ分析などが低コストで実現可能。LLM導入で業務改善を加速し、競争力を強化しませんか?
株式会社WEELは、自社・業務特化の効果が出るAIプロダクト開発が強みです!
開発実績として、
・新規事業室での「リサーチ」「分析」「事業計画検討」を70%自動化するAIエージェント
・社内お問い合わせの1次回答を自動化するRAG型のチャットボット
・過去事例や最新情報を加味して、10秒で記事のたたき台を作成できるAIプロダクト
・お客様からのメール対応の工数を80%削減したAIメール
・サーバーやAI PCを活用したオンプレでの生成AI活用
・生徒の感情や学習状況を踏まえ、勉強をアシストするAIアシスタント
などの開発実績がございます。
まずは、「無料相談」にてご相談を承っておりますので、ご興味がある方はぜひご連絡ください。
![無料相談](https://weel.co.jp/wp-content/uploads/2024/10/A-proprietary-company-chatbot-with-employees-using-it-while-facing-their-computers-and-a-robot-emerging-from-the-PC-1024x538-1.webp)
「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。
セミナー内容や料金については、ご相談ください。
また、サービス紹介資料もご用意しておりますので、併せてご確認ください。