Google выпустила голосовые модели Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking

Google представила две live-модели для голосового диалога в реальном времени. Gemini 3.8 Live Extended Thinking рассчитана на сложные задачи с многошаговыми рассуждениями, базовая Gemini 3.8 Live сделана для масштаба и экономичности. Развёртывание обеих началось 15 сентября.

Extended Thinking заняла первое место в Speech to Speech Quality Index от Artificial Analysis с результатом 82,6. В τ-Voice модель набрала 68,6%, в τ-Voice-banking от Sierra 35,1%, в Big Bench Audio 97,7%. Базовая 3.8 Live стала второй в Speech Agent Arena. Google описывает работу старшей модели формулой «рассуждает и говорит одновременно»: она подаёт короткие голосовые сигналы вроде «Let me check that…» и вслух комментирует ход многошаговых фоновых задач.

3.8 Live обрабатывает визуальный вход почти в реальном времени, распознаёт и переключается между 97 языками по ходу разговора, выполняет вызовы инструментов и API в фоне, пока диалог продолжается. Extended Thinking идёт в Gemini Live, для подписчиков Google AI Pro и Ultra в Docs, а в Gmail и Keep — для всех подписчиков Google AI.

Разработчикам обе модели доступны в Gemini API и Google AI Studio, компаниям в приватном превью Gemini Enterprise. 3.8 Live работает в Search Live. Весь генерируемый звук помечается водяным знаком SynthID, невоспринимаемым на слух. Предыдущая live-модель, 3.1 Flash Live, вышла в марте.