Google выпустила аудиомодели Gemini 3.8 Live для разработчиков
Google DeepMind выпустила Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking — две аудиомодели для разработчиков, доступные через Gemini API и Google AI Studio. Они предназначены для голосовых агентов, которые могут в фоновом режиме вызывать API, обрабатывать визуальные данные и одновременно продолжать разговор. По данным Google, модели поддерживают более 97 языков, а примеры приложений опубликованы на GitHub.
Версия Extended Thinking заняла первое место в рейтинге Artificial Analysis Speech-to-Speech Leaderboard с результатом 82,6%, опередив последние модели GPT-Live-1 от OpenAI. Google установила цену $0.005 за минуту аудиовхода и $0.018 за минуту вывода. Час голосового разговора обходится примерно в $1.38, тогда как для GPT-Live-1 он стоит не менее $3.00.
В сравнении отмечается, что модель OpenAI может обеспечивать более естественные диалоги благодаря полнодуплексному режиму, позволяющему одновременно слушать и говорить. По оценке материала, демонстрации OpenAI также звучали лучше, что указывает на компромисс между более низкой ценой Google и качеством общения.
Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.