Google випустила аудіомоделі Gemini 3.8 Live для розробників
Google DeepMind випустила Gemini 3.8 Live і Gemini 3.8 Live Extended Thinking — дві аудіомоделі для розробників, доступні через Gemini API та Google AI Studio. Вони призначені для голосових агентів, які можуть у фоновому режимі викликати API, обробляти візуальні дані й одночасно продовжувати розмову. За даними Google, моделі підтримують понад 97 мов, а приклади застосунків опубліковані на GitHub.
Версія Extended Thinking посіла перше місце в рейтингу Artificial Analysis Speech-to-Speech Leaderboard із результатом 82,6%, випередивши останні моделі GPT-Live-1 від OpenAI. Google встановила ціну $0.005 за хвилину аудіовходу та $0.018 за хвилину виходу. Година голосової розмови коштує близько $1.38, тоді як для GPT-Live-1 — щонайменше $3.00.
У порівнянні зазначається, що модель OpenAI може забезпечувати природніші діалоги завдяки повнодуплексному режиму, який дає змогу одночасно слухати й говорити. За оцінкою матеріалу, демонстрації OpenAI також звучали краще, що вказує на компроміс між нижчою ціною Google і якістю спілкування.
Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.