Google lanserar Gemini 3.8 Live röst-AI

Google Alphabet Inc. ↗ 0.78% släppte på tisdagen Gemini 3.8 Live och Gemini 3.8 Live Extended Thinking, ett par röstfokuserade AI-modeller utformade för realtidskonversation, visuell förståelse och utförande av bakgrundsuppgifter. Företaget kallar dem sina mest avancerade live-dialogmodeller hittills.blog+1

Lanseringen positionerar Google för att konkurrera direkt med OpenAIs GPT-Live-1 på den framväxande marknaden för röstagenter, till en bråkdel av priset. Enligt The Decoder kostar Gemini 3.8 Live Extended Thinking ungefär 1,38 dollar per timme röstkonversation, vilket understiger OpenAIs erbjudande med cirka 13 gånger. På Artificial Analysis Speech to Speech Quality Index fick Extended Thinking 82,6 poäng, vilket tog förstaplatsen, jämfört med GPT-Live-1:s 79,4.autointerviewai+1

Vad modellerna gör

Gemini 3.8 Live är byggd för skalbarhet och kostnadseffektivitet, bearbetar visuella indata i nära realtid och växlar automatiskt mellan 97 språk mitt i en konversation. Den kan utföra verktygsanrop och API-förfrågningar i bakgrunden samtidigt som den fortsätter prata, genom att verbalt bekräfta användarens förfrågan och återuppta konversationen när uppgiften är klar.unite+1

Extended Thinking lägger till djupare resonemang ovanpå det konversationella lagret. Google säger att modellen resonerar och talar samtidigt, genom att använda verbala ledtrådar som "Låt mig kontrollera det…" för att bibehålla ett naturligt flöde medan den arbetar med problem i flera steg. Den fick 68,6 % på τ-Voice agentic task-benchmarken och 97,7 % på Big Bench Audio.blog+1

Demonstrationsvideor visar hur modellerna guidar nyanställda med live visuell kontext, konverterar handritade skisser till funktionella React-komponenter via röstfeedback och koordinerar restaurangbokningar i flera steg genom asynkrona funktionsanrop.unite

Vem får tillgång

Båda modellerna började rullas ut på tisdagen. Utvecklare kan få tillgång via Gemini API och Google AI Studio. Företag får en privat förhandsvisning i Gemini Enterprise, med kundsupport som kommer senare. För konsumenter driver Gemini 3.8 Live Google Search Live, medan Extended Thinking finns tillgängligt i Gemini Live-appen, i Docs för Google AI Pro- och Ultra-prenumeranter, samt i Gmail och Keep för alla Google AI-prenumeranter.sqmagazine+1

Google nämnde Agora, LiveKit, Pipecat, Vercel och Salesforce ↘ 3.94% bland de tidiga plattforms- och företagspartnerna som bygger på modellernas verktygsanropskapacitet med låg latens. Allt ljudutdata är vattenmärkt med Googles SynthID-system för att flagga AI-genererat tal.blog+1

Konkurrensbilden

Släppet skärper rivaliteten inom röst-AI. OpenAIs GPT-Live-1 behåller en arkitektonisk fördel, äkta full-duplex konversation där den lyssnar medan den pratar, men Google satsar på att överlägsna benchmarks och aggressiv prissättning kommer att vinna över utvecklare som bygger röstagenter i stor skala. På ServiceNows ↘ 0.38% EVA-Bench säger Google att deras modeller flyttar gränsen för noggrannhet kontra konversationskvalitet för komplexa röstarbetsflöden.orcarouter+3