この記事の注目ポイント: Simon Willison氏が、Google DeepMindの最新AI Gemini 3 Deep Think によって「自転車に乗るペリカン」の高品質なSVGを生成した実例を報告したよ。マルチモーダル推論とコード（SVG）生成の精度向上が実証され、Hacker Newsでも大きな話題になっている。
これから3分で、何ができるようになったのか、現場でどう役立つかをかみくだいて解説するよ。早速いってみよう！
深掘り解説
Gemini 3 Deep Thinkはテキストだけでなく、画像やビデオ、音声、コードまで統合的に扱えるマルチモーダルモデルだよ。今回の報告では、SVGというベクター形式を直接生成して、細部（ペリカンのくちばしや羽毛、自転車のスポークや動き）まで表現できたのが注目点。
補足：SVGは拡大しても劣化しないベクター画像フォーマット。UIアイコンやイラスト、アニメーションでよく使われるんだ。
Deep Thinkは、プロンプトで「スポークの幾何学的な正確さ」「ペダルを漕ぐ動作」など仕様を細かく与えると、その通りのSVGを返してくれる。さらに、スケッチから3Dプリント用ファイル（STL等）を作るワークフローも紹介されている。
コミュニティの反応も面白いよ。Hacker Newsでは「ただのサンプルじゃなく、実用レベルの出来だ」という声が多く、本記事執筆時点で119ポイント・53コメントの盛り上がり。性能比較や他モデルとの差分議論も活発だった（参照: HNスレッド）。
で、現場目線でのメリットをまとめると：
- デザイナーのラフ→ベクター化工数を削減。プロトタイプ作成が速くなる。
- フロントエンドはSVGをそのまま使えるから、アセットの実装コストが下がる。
- 細かな仕様（幾何精度、動き）をプロンプトで指定できるので、デザインと開発の「受け渡し」がスムーズ。
もちろん注意点もあるよ。自動生成は万能じゃない。複雑なブランドルールやアクセシビリティ要件、ライセンス確認は人のレビューが必要だし、モデルのアクセスは現在Google AI Ultraサブスクライバー向けなど制限がある。
まとめ
今回のペリカンSVGの事例は、生成AIが単なるラフ作りから実運用できるアセット生成へと近づいていることを示している。デザイナーとエンジニアの間でよくある手戻りや実装差分を減らせる可能性が高いんだ。
まずは小さなアイコンやイラストで試してみて、生成物のレビュー・編集フローを整えるのがおすすめ。将来的にはワークフローの一部として自然に取り込まれていくはずだよ。
参考リンク
※内容の正確性には万全を期していますが、最新の仕様や公式情報については、必ず上記の参考リンク先をご確認ください。
