DeepMind представила голосові моделі Gemini 3.8 Live
DeepMind представила Gemini 3.8 Live і Gemini 3.8 Live Extended Thinking — дві моделі для голосової взаємодії майже в реальному часі. За даними компанії, перша поєднує розмовні можливості, візуальний контекст і економічність, тоді як версія Extended Thinking розрахована на складні завдання та багатокрокове міркування.
Gemini 3.8 Live Extended Thinking посіла перше місце в Speech to Speech Quality Index від Artificial Analysis із результатом 82.6. Вона отримала 68.6% у τ-Voice, 35.1% у банківському бенчмарку τ-Voice від Sierra та 97.7% у Big Bench Audio. DeepMind повідомляє, що Gemini 3.8 Live посіла друге місце в Speech Agent Arena.
Моделі обробляють візуальні дані, автоматично перемикаються між 97 підтримуваними мовами та виконують інструменти або API-виклики, не перериваючи розмову. Extended Thinking може озвучувати перебіг тривалих завдань. Аудіо, створене продуктами компанії на основі ШІ, містить непомітний водяний знак SynthID.
Gemini 3.8 Live починає розгортатися через Gemini API, Google AI Studio та Search Live, а корпоративний доступ надано в закритому попередньому перегляді. Extended Thinking запускається в цих каналах і Gemini Live; додаткові можливості для Workspace та корпоративних клієнтів з’являтимуться поетапно.
Текст підготовлено ШІ Sakhanda Wire за матеріалом DeepMind. Факти, цитати та повний контекст — в оригінальній статті нижче.