Google julkaisi Gemini 3.8 Live -puheälymallit

Google Alphabet Inc. ↗ 0.78% julkaisi tiistaina Gemini 3.8 Live ja Gemini 3.8 Live Extended Thinking -mallit, jotka on suunniteltu reaaliaikaiseen keskusteluun, visuaaliseen ymmärrykseen ja taustatehtävien suorittamiseen. Yhtiö kutsuu niitä tähän asti edistyneimmiksi live-keskustelumalleikseen.blog+1

Julkaisu asettaa Googlen suoraan kilpailuun OpenAI:n GPT-Live-1:n kanssa nousevilla puheagenttimarkkinoilla, ja vieläpä murto-osalla hinnasta. The Decoderin mukaan Gemini 3.8 Live Extended Thinking maksaa noin 1,38 dollaria puhekeskustelutunnilta, mikä on noin 13 kertaa halvempi kuin OpenAI:n tarjous. Artificial Analysisin Speech to Speech Quality Indexissä Extended Thinking sai 82,6 pistettä, nousten kärkeen GPT-Live-1:n 79,4 pisteen edelle.autointerviewai+1

Mitä mallit tekevät

Gemini 3.8 Live on rakennettu skaalautuvuutta ja kustannustehokkuutta ajatellen. Se käsittelee visuaalista syötettä lähes reaaliajassa ja vaihtaa automaattisesti 97 kielen välillä kesken keskustelun. Se voi suorittaa työkalu- ja API-pyyntöjä taustalla samalla kun se jatkaa puhumista, vahvistaen käyttäjän pyynnön suullisesti ja palaten keskusteluun tehtävän valmistuttua.unite+1

Extended Thinking lisää keskustelukerroksen päälle syvempää päättelykykyä. Googlen mukaan malli päättelee ja puhuu samanaikaisesti käyttäen verbaalisia vihjeitä, kuten "Anna kun tarkistan sen…", säilyttääkseen luonnollisen kulun monivaiheisia ongelmia ratkoessaan. Se sai 68,6 % tuloksen τ-Voice-agenttitehtävien vertailussa ja 97,7 % Big Bench Audio -testissä.blog+1

Esittelyvideot näyttävät, kuinka mallit ohjaavat työntekijöiden perehdytystä live-visuaalisella kontekstilla, muuntavat käsinpiirrettyjä luonnoksia toimiviksi React-komponenteiksi puhepalautteen avulla ja koordinoivat monivaiheisia ravintolavarauksia asynkronisten funktiokutsujen kautta.unite

Kenellä on pääsy

Molemmat mallit tulivat saataville tiistaina. Kehittäjät voivat käyttää niitä Gemini API:n ja Google AI Studion kautta. Yritykset saavat yksityisen esikatselun Gemini Enterprisessa, ja asiakaspalvelutuki on tulossa myöhemmin. Kuluttajille Gemini 3.8 Live toimii Google Search Liven taustalla, kun taas Extended Thinking on saatavilla Gemini Live -sovelluksessa, Docsissa Google AI Pro- ja Ultra-tilaajille sekä Gmailissa ja Keepissä kaikille Google AI -tilaajille.sqmagazine+1

Google nimesi Agoran, LiveKitin, Pipecatin, Vercelin ja Salesforcen ↘ 3.94% varhaisiksi alusta- ja yrityskumppaneiksi, jotka hyödyntävät mallien matalan latenssin työkaluominaisuuksia. Kaikki äänilähtö on vesileimattu Googlen SynthID-järjestelmällä tekoälyllä tuotetun puheen tunnistamiseksi.blog+1

Kilpailutilanne

Julkaisu kiristää kilpailua puheälymarkkinoilla. OpenAI:n GPT-Live-1 säilyttää arkkitehtuuriedun – aidon full-duplex-keskustelun, jossa tekoäly kuuntelee puhuessaan – mutta Google luottaa siihen, että paremmat vertailutulokset ja aggressiivinen hinnoittelu houkuttelevat kehittäjiä, jotka rakentavat tuotantotason puheagentteja laajassa mittakaavassa. ServiceNow'n ↘ 0.38% EVA-Bench-testissä Google kertoo malliensa siirtävän tarkkuuden ja keskustelun laadun rajaa monimutkaisissa puhetyönkuluissa.orcarouter+3