Google stellt Gemini 3.8 Live für Sprachassistenten vor

Google bringt mit Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking zwei neue KI-Modelle für gesprochene Gespräche, Sprachassistenten und Aufgaben mit Bildverständnis und Werkzeugaufrufen auf den Markt. Tom Ouyang und Malini Jaganathan stellen die Modelle im offiziellen Blog von Google vor.

Gemini 3.8 Live richtet sich laut Google an Anwendungen, die viele Gespräche effizient abwickeln müssen. Das Modell kann Bildinhalte während eines Dialogs auswerten, mitten im Gespräch zwischen 97 Sprachen wechseln und parallel Werkzeuge oder API-Aufrufe ausführen. So könnte ein Assistent eine Anfrage bereits bestätigen, während er etwa einen Termin prüft oder Daten abruft.

Die Variante Extended Thinking ist für anspruchsvollere Aufgaben mit mehreren Schritten gedacht. Google zufolge kann sie während der Antwort weiter planen und den Fortschritt sprachlich begleiten. Kurze Rückmeldungen sollen vermeiden, dass Nutzende warten müssen, ohne zu wissen, ob das System noch arbeitet. Als mögliche Einsatzfelder nennt Google unter anderem Fehlersuche, Buchungen und die Entwicklung von Software-Komponenten aus Skizzen und Sprachfeedback.

Benchmarks und Zugang

Google verweist für Extended Thinking auf Spitzenwerte in mehreren Vergleichstests für Sprachmodelle, darunter den Speech to Speech Quality Index von Artificial Analysis. Die Angaben stammen von Google und werden in der Ankündigung nicht unabhängig überprüft.

Entwickler erhalten beide Modelle über die Gemini API und Google AI Studio. Gemini 3.8 Live wird zudem für Search Live und als private Vorschau für Gemini Enterprise bereitgestellt. Extended Thinking soll in Gemini Live, ausgewählten Funktionen von Google Workspace und Unternehmensangeboten verfügbar werden. Der Zugang hängt vom Tarif und vom jeweiligen Rollout ab.

Nach Angaben von Google versieht das Unternehmen alle von seinen KI-Produkten erzeugten Audios mit SynthID. Das nicht hörbare Wasserzeichen soll helfen, KI-generierte Inhalte später zu erkennen.