Google a lansat Gemini 3.8 Live și Gemini 3.8 Live Extended Thinking, două modele audio-to-audio dezvoltate pentru interacțiuni vocale în timp real. Cele două variante sunt gândite pentru tipuri diferite de sarcini: Gemini 3.8 Live pune accent pe răspuns rapid și dialog fluent, în timp ce Extended Thinking este destinat solicitărilor care necesită mai mult reasoning și mai mulți pași de procesare.
Care este diferența dintre cele două modele
Gemini 3.8 Live este orientat către interacțiuni vocale cu latență redusă. Modelul poate procesa text, imagini, audio și video și poate genera răspunsuri text sau audio. Google îl poziționează pentru situațiile în care conversația trebuie să rămână rapidă și naturală.
Gemini 3.8 Live Extended Thinking este destinat sarcinilor mai complexe. Potrivit documentației Google pentru Gemini Live API, modelul poate continua procesul de reasoning în fundal în timpul conversației și poate gestiona solicitări care presupun mai multe etape sau utilizarea mai multor instrumente.
Pentru Extended Thinking, Google permite și configurarea nivelului de reasoning în trei trepte – low, medium și high – în funcție de complexitatea operațiunii.
Conversația poate continua în timp ce sunt folosite alte instrumente
Una dintre funcțiile evidențiate odată cu lansarea este posibilitatea ca modelele să utilizeze instrumente și apeluri API fără ca întreaga conversație să fie oprită până la finalizarea operațiunii.
În cazul Gemini 3.8 Live, modelul poate continua dialogul în timp ce așteaptă rezultatul unei operațiuni executate în fundal. Extended Thinking adaugă posibilitatea de a continua și procesul de analiză în timpul unei astfel de interacțiuni și de a oferi utilizatorului actualizări intermediare.
Gemini 3.8 Live poate utiliza și informații vizuale aproape în timp real drept context pentru conversație. Google spune că modelul poate detecta automat și poate trece între 97 de limbi acceptate, inclusiv româna, în cadrul aceleiași interacțiuni.
Agenții AI apar tot mai des în lansările recente din industrie, chiar dacă aplicațiile diferă. Un alt exemplu este Anthropic, care a prezentat recent instrumente pentru construirea agenților AI de comerț, destinate unor procese specifice din comerțul online.
Google prezintă mai multe exemple de utilizare
În anunțul oficial al lansării, Google arată mai multe demonstrații ale celor două modele.
Într-unul dintre exemple, Gemini 3.8 Live utilizează informații vizuale pentru a răspunde la întrebări în timpul procesului de onboarding al unui angajat. Într-o altă demonstrație, modelul combină contextul vizual cu interacțiunea vocală în timpul unei partide de șah.
Pentru Gemini 3.8 Live Extended Thinking, Google prezintă un scenariu în care modelul coordonează rezervări în mai mulți pași și apeluri asincrone către funcții externe, menținând în același timp conversația. O altă demonstrație arată utilizarea schițelor și a feedbackului vocal pentru realizarea unor componente React.
Aceste exemple sunt demonstrații prezentate de Google pentru a ilustra capabilitățile celor două modele.
Ce spun companiile care au testat modelele
Materialul Google include și declarații ale unor companii care au lucrat cu noile modele.
11Sight, companie care dezvoltă agenți vocali AI, afirmă că integrarea Gemini 3.8 Live a îmbunătățit naturalețea și viteza de răspuns a sistemelor sale. Compania spune că folosește astfel de agenți în customer service, vânzări și operațiuni de front desk și susține că a observat și o creștere a ratei de rezolvare a apelurilor.
Equal AI afirmă că sistemele sale gestionează peste un milion de apeluri live pe zi, în nouă limbi din India. Potrivit companiei, utilizarea Gemini 3.8 Live a adus îmbunătățiri în ceea ce privește latența, gestionarea întreruperilor, conversațiile multilingve și fiabilitatea apelării instrumentelor.
Aceste afirmații provin de la companiile citate de Google în materialul de lansare și nu reprezintă evaluări independente ale performanței modelelor.
Cum pot fi accesate noile modele
Potrivit notelor oficiale de lansare pentru Gemini API, cele două modele au devenit disponibile pentru utilizare generală pe 15 septembrie 2026.
Pentru dezvoltatori, Gemini 3.8 Live și Gemini 3.8 Live Extended Thinking sunt disponibile prin Gemini API și Google AI Studio. Pentru companii, Google oferă acces în private preview prin Gemini Enterprise și a anunțat integrarea modelelor în Gemini Enterprise for Customer Experience.
Extended Thinking este anunțat și pentru clienții business Google Workspace. În produsele proprii ale companiei, Gemini 3.8 Live este introdus în Search Live, iar Extended Thinking ajunge în Gemini Live și, în funcție de abonament, în anumite funcții din Docs, Gmail și Keep.
Google precizează, de asemenea, că audio-ul generat de produsele sale AI este marcat cu SynthID, tehnologia companiei pentru identificarea conținutului generat cu inteligență artificială.
Prin cele două lansări, Google diferențiază mai clar modelele destinate conversațiilor vocale rapide de cele dezvoltate pentru interacțiuni în care este necesar un proces mai amplu de reasoning și utilizarea unor instrumente în fundal.
