Google представила Gemini 3.8 Live и Extended Thinking для голосового ИИ
Google представила две диалоговые голосовые модели — Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. Они рассчитаны на работу в реальном времени: могут поддерживать разговор, анализировать видеопоток с камеры и выполнять действия через внешние инструменты, не прерывая диалог длительными паузами.
Базовая Gemini 3.8 Live ориентирована на массовое использование и отличается повышенной энергоэффективностью. Модель умеет обрабатывать изображение с камеры практически без задержки, а также переключаться между 97 поддерживаемыми языками прямо во время разговора. Вызовы внешних сервисов через API выполняются в фоновом режиме, поэтому пользователю не приходится ждать завершения каждой операции в тишине.
Модель рассуждает во время разговора
Gemini 3.8 Live Extended Thinking предназначена для сложных многоэтапных задач. Её ключевая особенность — возможность одновременно рассуждать и продолжать говорить с пользователем. Модель может использовать естественные речевые связки вроде «Дай-ка я проверю», объяснять ход действий вслух и координировать фоновые процессы без эффекта «мёртвой тишины».
В бенчмарке Speech to Speech Quality Index от исследовательской платформы Artificial Analysis версия Extended Thinking заняла первое место среди указанных моделей. Её результат составил 82,6%. Для сравнения, GPT-Live-1 Astra от OpenAI набрала 81,5%, а Grok Voice Think Fast 2.0 от xAI — 81,3%. Базовая Gemini 3.8 Live получила 76,0%.
В тесте агентных сценариев τ-Voice Extended Thinking также опередила конкурентов, показав 68,6% против 67,9% у GPT-Live-1 Astra и 56,5% у Grok Voice. В финансовом бенчмарке τ³-Banking от Sierra модель Google достигла 35,1%, тогда как OpenAI получила 32,0%, а xAI-Realtime — 16,5%. В логическом тесте Big Bench Audio результат Gemini 3.8 Live Extended Thinking составил 97,7%.
Стоимость и доступность
По данным Artificial Analysis, час входящего аудио для Gemini 3.8 Live стоит $0,84, а для Extended Thinking — $3,50. Для сравнения, аналогичный объём у Grok Voice Think Fast 2.0 оценивается в $4,80, а у GPT-Live-1 Astra — в $5,83. Таким образом, обе модели Google в указанных расчётах обходятся дешевле сопоставимых решений конкурентов.
Все сгенерированные голосовые ответы получают невидимый цифровой водяной знак SynthID. Google связывает эту функцию с защитой от распространения дезинформации и возможностью отличать синтетический голосовой контент.
Модели уже доступны разработчикам в Google AI Studio и через Gemini Live API. Базовая версия также появилась в Search Live. Gemini 3.8 Live Extended Thinking начала развёртываться в приложении Gemini Live и корпоративных сервисах Google Workspace — Docs Live, Gmail Live и Keep Live. Доступ к этим функциям получают подписчики тарифов Google AI.
