Google представила две модели для голосовых агентов — Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. Первая рассчитана на массовые сервисы и экономичную работу. Вторая предназначена для сложных задач, где требуется рассуждение в несколько шагов.
Обе модели поддерживают разговор почти в реальном времени. Gemini 3.8 Live также обрабатывает изображение и автоматически переключается между 97 языками прямо во время диалога.
Главное изменение касается работы с инструментами. Модель может запустить API-вызов или другую задачу в фоне и продолжить беседу, пока ждет результат. Пользователь не остается перед молчащим ассистентом: система подтверждает запрос и сообщает о ходе выполнения.
Версия Extended Thinking умеет одновременно рассуждать и говорить. Она может начать с короткой реплики вроде «Сейчас проверю», а затем вслух сопровождать многоэтапную операцию. Такой режим рассчитан на поддержку клиентов, банковские сценарии и другие процессы, где одного быстрого ответа недостаточно.
По данным Google, Extended Thinking получила 82,6 балла и первое место в рейтинге Speech to Speech Quality Index от Artificial Analysis. Результат модели на тесте агентных голосовых задач τ-Voice составил 68,6%, на банковской версии теста Sierra — 35,1%, а на Big Bench Audio — 97,7%. Обычная Gemini 3.8 Live заняла второе место в Speech Agent Arena.
Gemini 3.8 Live уже появляется в Gemini API, Google AI Studio и Search Live. Для корпоративных клиентов она пока доступна в закрытом предварительном режиме. Extended Thinking выходит через те же инструменты для разработчиков, а также в Gemini Live, Gmail, Keep и Docs — доступ зависит от подписки.
С Gemini Live API уже работают Agora, LangChain, LiveKit, Pipecat и Vercel. Все аудио, созданное моделями в продуктах Google, получает невидимую маркировку SynthID, по которой можно определить искусственное происхождение записи.
