Google представил две новые модели: Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking. Эти модели призваны улучшить возможности рассуждения в реальном времени, делая голосовых агентов более эффективными, а общение с ИИ — более интуитивным и интеллектуальным. Gemini 3.8 Live оптимизирована для масштабируемости и экономической эффективности, сочетая разговорный интеллект с плавным диалогом и визуальным обоснованием. blog.google
Gemini 3.8 Live Extended Thinking, в свою очередь, разработана для высокосложных задач, предлагая повышенный интеллект и многоступенчатое рассуждение. Для разработчиков и предприятий эти модели служат основой для создания надежных, готовых к производству голосовых агентов. Они также делают общение с Gemini в приложении Gemini, Google Workspace и Поиске более плавным и совместным, позволяя решать сложные задачи с помощью голоса. blog.google
Gemini 3.8 Live Extended Thinking занимает первое место в общем зачете по индексу качества речи в речь (Speech to Speech Quality Index) от Artificial Analysis (82.6) и лидирует в выполнении агентских задач с показателями 68.6% на τ-Voice и 35.1% на бенчмарке Sierra τ-Voice-banking. Модель также демонстрирует сильные способности к рассуждению, набирая 97.7% на Big Bench Audio, при этом сохраняя конкурентоспособную цену по сравнению с другими передовыми моделями. Через Gemini Live API платформы, такие как Agora, Fishjam, LiveKit, Pipecat, Vercel и Vision Agents, позволяют разработчикам легко создавать и развертывать высокопроизводительные голосовые интерфейсы. blog.google
Почему это важно
Выпуск Gemini 3.8 Live и Extended Thinking от Google является значимым шагом в развитии голосовых интерфейсов и агентских систем. Улучшения в рассуждении в реальном времени и многоступенчатом мышлении напрямую влияют на качество взаимодействия с ИИ, делая его более естественным и продуктивным. Для бизнеса это означает возможность создавать голосовых ассистентов и агентов, которые не просто отвечают на запросы, но и способны понимать сложный контекст, выполнять многошаговые задачи и интегрироваться в рабочие процессы.
Модель Extended Thinking, демонстрирующая лидирующие показатели в бенчмарках по качеству речи и выполнению агентских задач, устанавливает новый стандарт для корпоративных решений. Высокая точность и способность к рассуждению при сохранении конкурентной цены делают ее привлекательной для компаний, стремящихся внедрить передовые голосовые технологии без чрезмерных затрат. Это открывает двери для инноваций в таких областях, как клиентская поддержка, автоматизация бизнес-процессов и голосовое управление сложными системами.
Доступность через Gemini Live API и поддержка со стороны ведущих платформ (Agora, LiveKit и др.) упрощает интеграцию этих моделей в существующие и новые продукты. Это снижает барьеры для разработчиков, позволяя им сосредоточиться на создании уникальных пользовательских сценариев, а не на низкоуровневой реализации голосовых технологий. В конечном итоге, это ускорит появление более умных и функциональных голосовых ИИ-продуктов на рынке.
Что это значит на практике
- Создавайте продвинутых голосовых агентов: Используйте Gemini 3.8 Live Extended Thinking для разработки голосовых ассистентов, способных выполнять сложные многоступенчатые задачи и вести более естественный диалог.
- Оптимизируйте затраты: Gemini 3.8 Live предлагает баланс между производительностью и экономической эффективностью, что позволяет создавать масштабируемые голосовые решения с контролируемыми расходами.
- Интегрируйте в существующие платформы: Воспользуйтесь Gemini Live API и поддержкой сторонних платформ для быстрой и бесшовной интеграции голосовых функций в ваши приложения и сервисы.
- Повышайте качество взаимодействия: Улучшенное рассуждение в реальном времени делает голосовых агентов более полезными и интуитивными, что повышает удовлетворенность пользователей.
- Развивайте корпоративные решения: Применяйте Gemini 3.8 Live Extended Thinking для автоматизации сложных бизнес-процессов, требующих высокой точности и интеллектуального анализа голосовых запросов.