【2026年10月最新】Gemini Diffusionとは？Google新型「拡散モデル」AIの仕組み・速度・料金を徹底解説｜Claude Codeとの違いも
aikanri-admin
「Gemini Diffusionって結局何がすごいの？」「普通のGeminiと何が違うの？」——Googleが発表した新しいAIモデル「Gemini Diffusion」について、こうした疑問を持ってこの記事にたどり着いた方が多いはずです。
Gemini Diffusionは、画像生成の世界で培われた拡散モデル（Diffusion Model）という技術を、文章やコードの生成に応用した実験的なAIです。従来のChatGPTやGemini、Claudeが採用している「一語ずつ順番に生成する」方式とは根本的に仕組みが異なり、複数の単語をまとめて一気に生成することで、圧倒的な速度を実現しているのが最大の特徴です。
AI鬼管理山崎
代表菅澤
この記事を最後まで読むと、次の6つが明確になります。
01 WHAT IS IT Gemini Diffusionとは何か Googleが提示した「速度重視」の新しいAIモデル
Gemini Diffusionは、Google DeepMindが発表したテキスト専用の拡散モデルです。画像生成AI（Stable DiffusionやImagenなど）で使われてきた「ノイズから徐々に完成形を作り出す」アプローチを、文章やプログラムコードの生成に転用した点が最大の特徴です。
位置づけとしては、普段私たちが使うGemini 2.5 Flashのような通常のチャットAIとは別枠の、実験的・研究的なモデルです。現時点ではウェイトリスト制のパブリックデモとして公開されており、本番の業務システムに組み込むための正式なAPIはまだ提供段階にあります。
📚 用語解説
拡散モデル（Diffusion Model）：ランダムなノイズ（乱れた情報）から出発し、少しずつノイズを除去しながら目的の出力（画像や文章）を完成させていくAIの生成手法。画像生成AIの主流技術として広く使われており、Gemini Diffusionはこれを文章生成に応用したものです。
1-1. なぜGoogleは「拡散モデル」を文章に持ち込んだのか
ChatGPTやGemini、Claudeなど現在主流のAIは、すべて自己回帰型（Autoregressive）という方式を採用しています。これは「次の1語を予測する」という処理を何百回も繰り返して文章を完成させる仕組みで、精度は高い一方、生成に時間がかかるという構造的な制約を抱えています。
Gemini Diffusionは、この「逐次生成の遅さ」を解決する実験として設計されました。文章をブロック単位で並列的に生成することで、理論上は従来モデルの数倍から十数倍の速度を達成できる可能性があります。Googleとしては、将来的なレイテンシ（応答の遅延）課題を解決する手段の一つとして、この技術の実用化を探っている段階だと考えられます。
📚 用語解説
自己回帰型モデル（Autoregressive Model）：それまでに生成した単語を参照しながら、次の1語を順番に予測・生成していく方式。ChatGPT・Claude・通常のGeminiはすべてこの方式です。精度は高いが、文章が長くなるほど生成時間がかかるという特性があります。
1-2. 通常のGeminiとの違いを一覧で整理
| 項目 | 通常のGemini (2.5 Flash等) | Gemini Diffusion |
|---|---|---|
| 生成方式 | 自己回帰型（1語ずつ逐次生成） | 拡散型（ブロック単位で並列生成） |
| 生成速度 | 標準的 | 約1,479トークン/秒（高速） |
| 提供形態 | 一般公開・本番利用可 | ウェイトリスト制デモ（実験段階） |
| 商用利用 | 可能 | API正式版待ち・現状は制限あり |
| 位置づけ | メインの業務利用モデル | 速度特化の技術検証モデル |
代表菅澤
1-3. 画像生成AIの歴史から見る「拡散モデル」の信頼性
拡散モデルという技術自体は、実は目新しいものではありません。Stable DiffusionやMidjourney、Google自身のImagenといった画像生成AIは、すでに数年にわたって拡散モデルを使い続けており、その安定性と表現力は画像分野で広く実証されています。Gemini Diffusionは、この「すでに実績のある技術」を文章・コード生成という新しい領域に転用した点が重要です。
つまり、Gemini Diffusionは「まったく未知の危うい技術」ではなく、「別の領域で実績を積んだ技術の応用」という見方ができます。この違いは、経営者がリスクを判断する上で意味を持ちます。全く新しい原理のAIであれば不確実性は極めて高いですが、応用技術である場合は、既存分野での実績をある程度の参考情報として評価に組み込むことができます。
📚 用語解説
Stable Diffusion / Imagen：テキストから画像を生成するAIサービスの代表例。いずれも拡散モデルを採用しており、ランダムなノイズ画像から徐々にノイズを除去して目的の画像を完成させる仕組みを持っています。Gemini Diffusionは、この技術をテキスト生成向けに転用したものです。
02 HOW IT WORKS 仕組み：拡散モデルと従来LLMの違い 「ノイズ除去」でテキストを作るという発想の転換
Gemini Diffusionの仕組みをもう少し具体的に見ていきます。結論から言えば、文章を「何もない状態から1文字ずつ書き足す」のではなく「乱雑な文字列から徐々に整えていく」という、彫刻にも似た発想で生成している点が核心です。
2-1. 生成プロセスの4ステップ
Gemini Diffusionがテキストを生成する流れを単純化すると、以下のような段階を踏みます。
ランダムな
ノイズ状態を
用意する
文脈を見ながら
ノイズを
少しずつ除去
ブロック単位で
複数トークンを
同時に整形
構文エラーを
検知し
自動で巻き戻し修正
特に注目すべきは、4番目の「エラー回復」機構です。従来の自己回帰型モデルは、一度誤った単語を生成してしまうと、それ以降の文章がその誤りに引っ張られて崩れていく傾向があります。Gemini Diffusionは生成途中で構文エラーを検知すると、該当ブロックだけを巻き戻して再整形できるため、コード生成のような「1文字のミスが全体を壊す」領域で強みを発揮しやすい構造になっています。
📚 用語解説
トークン：AIが文章を処理する最小単位。日本語では1文字がおおよそ1トークンに近く、英語では1単語が1.3トークン程度に相当します。生成速度や料金は、このトークン数を基準に計算されるのが一般的です。
2-2. 「速い」ことが意味する業務上のインパクト
生成速度が速いというのは、単に「待ち時間が減る」だけの話ではありません。チャットボットのようなリアルタイム性が求められる用途では、応答速度がユーザー体験そのものを左右します。また、大量のテキストを一括処理するバッチ処理のような用途でも、処理時間の短縮はそのままコスト削減につながります。
生成が速いモデルは、裏を返せば「1トークンあたりにかける計算量」を削っている場合が多く、複雑な推論や長文の一貫性では従来型のモデルに劣る可能性があります。「速い＝常に優れている」ではなく、用途によって向き不向きがある点を忘れないようにしましょう。
AI鬼管理山崎
2-3. コーディング用途における「並列生成」の意味
プログラムコードの生成という用途に限定すると、拡散モデルの「ブロック単位の並列生成」はもう一つの利点を持っています。コードは「関数の冒頭」「引数の定義」「処理本体」のように、構造的に意味のあるブロックへ分割しやすい性質があります。従来の自己回帰型モデルが1行ずつ順番に書き進めるのに対し、拡散モデルは複数のブロックを同時に整形しながら、全体の整合性を後から調整するという書き方に近く、関数同士の依存関係が複雑なコードほど恩恵が大きくなる可能性があります。
もちろん、これは理論上の利点であり、実際の開発現場で複数ファイルにまたがる大規模なリファクタリングに耐えられるかどうかは、今後の実証データを見るまで判断できません。「速く書けること」と「正しく保守できる形で書けること」は、必ずしも同じ指標では測れないという点は留意しておくべきです。
03 PERFORMANCE 性能・精度の実力を数字で見る 速度と精度、両方のベンチマークを確認する
Gemini Diffusionの実力を、公表されているベンチマーク数値で確認していきます。「速いけど精度が低いのでは？」という疑問を持つ方は多いはずですが、現時点で公開されている数字は意外にも悪くない水準です。
3-1. 生成速度：1,479トークン/秒
Gemini Diffusionの生成速度は約1,479トークン/秒と報告されています。これは日本語に換算するとおおよそ1秒間に1,400〜1,500字前後を生成できる水準で、通常の自己回帰型モデルと比べて数倍の速度に相当します。長文のレポートや複数ファイルのコードを一気に出力するような場面では、この速度差が体感として大きく現れます。
3-2. 精度：HumanEval 89.6% pass@1
コード生成の精度を測る代表的な指標であるHumanEvalでは、89.6%（pass@1）というスコアが報告されています。これは「1回の生成で正しく動くコードをどれだけ書けるか」を示す指標で、同クラスの高速モデルとしては高水準の精度と言えます。
📚 用語解説
HumanEval：OpenAIが公開した、AIのコード生成能力を測定するための代表的なベンチマーク（評価基準）。164問のプログラミング問題に対し、AIが生成したコードが実際に正しく動作するかを機械的に採点します。「pass@1」は1回の生成だけで正解できた割合を示します。
| 指標 | Gemini Diffusion | 一般的な自己回帰型モデル（中位〜上位クラス） |
|---|---|---|
| 生成速度 | 約1,479 tokens/秒 | 数百 tokens/秒前後（モデル依存） |
| HumanEval (pass@1) | 89.6% | 70〜90%台（モデル・バージョン依存） |
| 推論コスト | Flash系と比べ約3割削減（報告値） | 基準値 |
| 長文の一貫性 | 検証段階・情報限定的 | 実績が蓄積されている |
ベンチマークはあくまで特定条件下でのテスト結果です。実際の業務文書や複雑な長文タスクでの挙動は、ベンチマークのスコアだけでは判断できません。導入検討時は必ず自社のユースケースに近いテストを行うことを推奨します。
代表菅澤
3-3. 推論コスト削減が意味する「運用側」のメリット
Gemini Diffusionは、Flash系モデルと比べて推論コストを約3割削減できると報告されています。これは主にサービス提供者（AIを使ってアプリやサービスを作る側）にとってのメリットで、同じ予算でより多くの処理を回せる、あるいは同じ処理量であればより安く運用できることを意味します。エンドユーザーとして直接AIを使う立場では実感しにくい指標ですが、将来的にGemini系サービスの料金やレスポンス速度が改善される背景技術として位置づけられます。
経営者としてこの数字を見る際は、「自社がAIを使う側」なのか「AIを組み込んだサービスを提供する側」なのかで受け止め方が変わる点を意識してください。前者であれば料金プランの変化を待つだけで十分ですが、後者であれば自社サービスのコスト構造に直結する重要な技術動向として追う価値があります。
04 PRICING & USAGE 料金プランと使い方3ステップ 現時点では「無料デモ＋API予定」という段階
Gemini Diffusionの料金体系は、他の成熟したAIサービスと比べるとまだシンプルです。本格的な業務利用を想定した正式な料金プランは、記事執筆時点ではまだ確定情報が限られています。
| 提供形態 | 料金 | 補足 |
|---|---|---|
| パブリックデモ | 無料（ウェイトリスト制） | 申請後、順次アクセス権が付与される |
| API（正式版予定） | 推定 $0.019 / 100万トークン | 発表時点の推定値。正式発表で変動の可能性あり |
📚 用語解説
ウェイトリスト：利用希望者が事前に登録し、順番にアクセス権が付与される仕組み。新しいAIモデルや限定機能では、サーバー負荷やデータ収集の都合からウェイトリスト制が採用されることが多くあります。
4-1. 使い方3ステップ
現時点でGemini Diffusionを試すまでの流れは、以下の3ステップで完結します。
ウェイトリストに
登録し
承認メールを待つ
Gemini AI Studio
内でプロジェクトを
作成する
プロンプトを入力し
数秒で
生成結果を確認
本番導入を即決する必要はありません。まずは無料のパブリックデモで「自社の業務にどの程度速度メリットがあるか」を体感してから、API正式版の情報を待つのが堅実な進め方です。
4-2. API正式版が出た後、何を確認すべきか
現時点では推定値に留まっているAPI料金ですが、正式版が発表された際には、以下の3点を必ず確認することを推奨します。まずトークン単価が、自社が想定する処理量でどの程度のコストになるかをシミュレーションすること。次にレート制限（一定時間内に送信できる回数の上限）が業務のピーク時の利用量に耐えられるかどうか。最後にSLA（サービス品質保証）が、業務で求める可用性の基準を満たしているかどうかです。
これらの情報は、プレスリリースの見出しだけでは判断できません。必ず公式ドキュメントの料金ページと利用規約を確認し、可能であれば小規模な検証プロジェクトで実測してから本番導入の判断を下すべきです。
05 LICENSE ライセンス・商用利用の制約 「無料で使える」と「自由に使える」は違う
新しいAIモデルを検討する際、見落とされがちなのがライセンス（利用規約）の確認です。Gemini Diffusionは実験的モデルという位置づけのため、通常のGeminiや他の商用AIサービスと比べて利用条件が限定的に設定されています。
| 項目 | 内容 |
|---|---|
| 改変・再配布 | 禁止 |
| 商用利用 | API経由のみ可能（パブリックデモでの商用利用は想定外） |
| 出力結果の扱い | Googleの利用規約に準拠。詳細は正式版発表時に要確認 |
| データの取り扱い | 実験段階のため、入力データの扱いに関する情報は限定的 |
正式なSLA（サービス品質保証）やデータ取り扱いポリシーが確定していない段階のモデルを、顧客データや機密情報を含む業務フローにそのまま組み込むのはリスクが高い判断です。検証目的での利用に留め、本番導入は正式版の発表後に判断するのが安全です。
AI鬼管理山崎
5-1. 「無料で試せる」と「安心して使える」の間にあるギャップ
多くの方が誤解しやすいポイントとして、「無料で公開されている＝自由に何にでも使える」という思い込みがあります。実際には、無料のパブリックデモは多くの場合、Google側がモデルの挙動データを収集し改善するための実験の一環として提供されています。入力した内容がどのように扱われるかは利用規約の細部に依存するため、顧客の個人情報や未公開の事業計画など、機密性の高い情報を試験的に入力することは避けるべきです。
06 DECISION FRAMEWORK 【独自】経営者が見るべき「使うべきか」の判断軸 新しいAIニュースに振り回されないための3つの質問
ここからは、弊社GENAIが日々AI導入支援を行う中で培った視点を共有します。Gemini Diffusionのような新しいAIモデルのニュースが出るたびに、「うちも使うべきか」と悩む経営者・管理職の方は少なくありません。しかし、すべての新技術を試す必要はありません。判断を簡略化するための3つの質問を紹介します。
6-1. 質問1：自社のボトルネックは「速度」か「精度」か
Gemini Diffusionの強みは明確に「速度」です。もし自社の業務課題が「AIの処理が遅くて業務フローが詰まる」というものであれば検討価値があります。逆に、課題が「AIの出力精度が低くて人間のチェックに時間がかかる」というものであれば、速度特化のモデルを選ぶ優先度は下がります。
6-2. 質問2：検証段階のリスクを許容できる業務か
ライセンスやデータ取り扱いポリシーが確定していない段階の技術を、顧客情報や契約に関わる業務にそのまま使うのは避けるべきです。社内の試作・検証用途、あるいは個人的な学習目的であれば、リスクは限定的です。この線引きを事前に決めておくことが重要です。
6-3. 質問3：乗り換えコストに対して得られる効果はどれくらいか
新しいツールへの移行には、必ず「学習コスト」「既存フローの見直しコスト」が発生します。速度が2倍になったとしても、移行に要する時間・労力がその効果を上回るなら、今は見送るという判断も合理的です。
①自社のボトルネックに合致するか ②検証段階のリスクを許容できる業務か ③乗り換えコストに対して効果が十分か
この3つに「はい」と答えられない限り、今すぐ本番導入を急ぐ必要はありません。
代表菅澤
6-4. 「様子見」も立派な経営判断である
新技術に対して「今は様子見する」という判断は、決して消極的な姿勢ではありません。実験段階のモデルは、数ヶ月後にライセンスや料金、提供範囲が大きく変わることが珍しくありません。拡散モデルという技術分野自体もまだ発展途上にあり、半年後には性能・安定性ともに大きく改善した正式版が登場する可能性も十分にあります。重要なのは「様子見」を選んだ場合でも、どのタイミングで再評価するかをあらかじめ決めておくことです。例えば「API正式版が発表されたら再検討する」「HumanEvalが95%を超えたら検証する」といった具体的な再評価のトリガーを決めておけば、情報を追い続ける負担を減らしながら、重要な変化を見逃さずに済みます。
07 GENAI PERSPECTIVE 【独自データ】GENAIが新AIをどう評価し業務に取り込むか 「話題のツール」より「業務の軸になるツール」を選ぶ理由
弊社（株式会社GENAI）では、業務を実際に動かす軸としてClaude（Claude Code）のMax 20xプラン（月額$200・約30,000円）を全社で契約し、経営・営業・広告・開発・経理・秘書業務まで幅広く活用しています。Gemini Diffusionのような新技術のニュースに触れるたびに、「乗り換えるべきか」を検討しますが、結論として軸となるツールはむやみに変えていません。
理由は明快です。業務AIの価値は「速い」「精度が高い」という単機能の優劣だけでなく、「複数ファイルを横断して編集できる」「ターミナル上で自律的にタスクを完遂できる」といったエージェント的な実行力に大きく依存します。Gemini Diffusionは生成速度という一点では優れていますが、2026年10月時点では、業務を横断的に自律実行する機能までは実験段階に留まっています。
| 評価軸 | Gemini Diffusion（現時点） | Claude Code（弊社の実運用） |
|---|---|---|
| 得意な点 | 生成速度・コード生成の俊速性 | 複数ファイル横断・自律的なタスク実行 |
| 提供段階 | ウェイトリスト制のデモ・実験段階 | 商用提供済み・プラン契約で即日利用可 |
| 業務への組み込みやすさ | 現時点では限定的 | 経営〜現場まで横断導入済み |
| 弊社での位置づけ | 技術動向として定期的にウォッチ | 業務の軸として全社運用 |
弊社の業務領域別の削減時間（肌感ベース）を見ると、営業資料作成は週20時間→週2時間、経理処理は月40時間→月5時間、秘書業務は日2時間→日15分まで圧縮できています。これらはいずれも「生成が速い」から実現したのではなく、複数ステップのタスクをAIが自律的に完遂できるからこそ生まれた効果です。
📚 用語解説
レイテンシ：システムが処理要求を受けてから応答するまでの遅延時間。AIの文脈では「プロンプトを送ってから回答が返ってくるまでの時間」を指すことが多く、Gemini Diffusionのような高速モデルはこのレイテンシの短縮を主眼としています。
AI鬼管理山崎
もちろん、Gemini Diffusionの技術が今後成熟し、エージェント的な実行力まで備えた正式版が登場すれば、評価は変わる可能性があります。重要なのは「新しい技術が出た瞬間に飛びつく」のではなく、自社の業務の軸を明確に持ちながら、技術動向を定点観測するという姿勢です。
7-1. ツールを増やすほど、意思決定コストも増える
見落とされがちなポイントとして、業務で使うAIツールの数を増やすこと自体にコストが発生します。複数のAIサービスを併用すると、「どの業務にどのツールを使うか」を社内で判断・共有する手間、各ツールの料金プランを管理する手間、新しいツールが出るたびに評価し直す手間が積み重なっていきます。弊社がClaude Codeを業務の軸に固定しているのは、速度や精度で最強のモデルを常に追い続けるよりも、一つの軸に業務知識とノウハウを蓄積していくほうが、長期的な生産性では優位になるという判断があるからです。
この考え方は、非エンジニアの経営者にとって特に重要です。エンジニアであれば複数のAIモデルを使い分ける技術的な負担は比較的小さく済みますが、現場の担当者が複数のツールを覚え直すコストは、売上に直結する実務時間を奪います。新しいAIが話題になるたびに全社で乗り換えを検討するのではなく、軸となるツールを決めて、そこに業務知識を積み上げていく方針を、弊社では強く推奨しています。
08 CONCLUSION まとめ ── 速さに飛びつく前に見るべきもの Gemini Diffusionは「要注目の実験」であり「即導入の対象」ではない
この記事では、Gemini Diffusionの仕組み、従来LLMとの違い、性能、料金、ライセンス、そして経営者としての評価軸までを整理しました。最後にポイントを振り返ります。
最も重要なメッセージは、「速い」というニュースだけで導入を判断しないことです。AIの価値は単機能のベンチマークだけでなく、業務をどこまで自律的に回せるかという実行力に表れます。弊社では、この「業務を回す実行力」を軸にClaude Codeを選び、月30,000円の投資で複数業務の省力化を実現しています。
代表菅澤
新しいAI技術に振り回されず、業務の軸を定めたい方へ
次々と登場するAIニュースのすべてを追いかける必要はありません。
弊社の実運用ノウハウをベースに、貴社の業務に合った「軸となるAI」の選び方をご提案します。
AI鬼管理山崎
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
よくある質問
Q. Gemini DiffusionはGoogle検索やGemini本体にすぐ統合されますか？
A. 記事執筆時点では、Gemini Diffusionは実験的なデモ提供の段階であり、Gemini本体や検索サービスへの統合についての正式発表はありません。あくまで技術検証用のモデルという位置づけです。
Q. Gemini DiffusionとChatGPT、どちらが速いですか？
A. Gemini Diffusionは拡散モデルという生成方式そのものが高速化を狙った設計のため、一般的な自己回帰型モデル（ChatGPTを含む）より生成速度で優位に立つ可能性があります。ただし公平な比較には同条件でのベンチマークが必要で、現時点では限定的な情報しかありません。
Q. 今すぐGemini Diffusionを業務で使うべきですか？
A. 機密性の高い業務データを扱う本番用途での利用は、現時点では推奨しません。ライセンスやデータ取り扱いポリシーが確定していない実験段階のため、検証目的での利用に留めるのが安全です。
Q. 拡散モデルは今後、文章生成AIの主流になりますか？
A. 可能性はありますが、現時点で判断するのは早計です。自己回帰型モデルは長年の実績と最適化が積み重ねられており、拡散モデルが同等の精度・安定性を本番環境で示せるかどうかは、今後の実証を待つ必要があります。画像生成分野では拡散モデルが主流になった実績があるため、文章・コード生成分野でも一定のシェアを取る可能性は十分にありますが、既存の自己回帰型モデルを完全に置き換えるというより、用途に応じて両方が併存する未来の方が現実的だと考えられます。
Q. Claude CodeもGemini Diffusionのような高速モデルに対応しますか？
A. Claude Codeは自己回帰型モデル（Claude Opus / Sonnet / Haiku）を基盤にしたエージェントツールです。生成方式そのものを拡散モデルに切り替えるかどうかはAnthropic社の技術方針次第ですが、現状は複数ファイル横断・自律実行力を強みとした設計です。
Q. 非エンジニアの経営者が新しいAIモデルのニュースを追う必要はありますか？
A. 全てを追う必要はありません。本記事で紹介した「ボトルネックへの合致」「検証リスクの許容度」「乗り換えコスト」の3つの質問に当てはまるニュースだけ深く検討し、それ以外は定点観測程度で十分です。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
