Google встроила голосовую Gemini 3.8 Live в Gmail, Docs и поиск. Кому это доступно
Версия 3.8 Live Extended Thinking появилась в Gemini Live для всех пользователей, а в Gmail и Keep — у подписчиков Google AI. По данным Google, в индексе качества речи Artificial Analysis она на первом месте.
Голосовые модели Gemini 3.8 Live и 3.8 Live Extended Thinking доступны не только в API для разработчиков, но и в потребительских продуктах Google, сообщила Google DeepMind. Версию Extended Thinking уже подключили к голосовому режиму Gemini Live для всех пользователей. В Gmail и Keep она работает у всех подписчиков Google AI, в Docs — только на тарифах Pro и Ultra. Базовая Gemini 3.8 Live встроена в голосовой поиск Search Live и там по шагам помогает разобраться с неполадками.
Модели рассчитаны на разные задачи. Gemini 3.8 Live рассчитана на массовое применение: она дешевле, отвечает быстро и понимает, что видит камера. Extended Thinking предназначена для сложных многошаговых задач: она рассуждает и одновременно говорит. Сначала модель отвечает что-нибудь вроде «Сейчас проверю…», а затем по ходу работы рассказывает, что уже сделано.
По данным Google, Extended Thinking заняла первое место в индексе Speech to Speech Quality Index от Artificial Analysis1 с 82,6 балла. В бенчмарке τ-Voice2 она выполнила 68,6% заданий, в его банковской версии от Sierra — 35,1%. Обе цифры компания называет лучшими среди конкурентов. Gemini 3.8 Live заняла второе место в рейтинге Speech Agent Arena, где модели сравнивают сами пользователи.
Модели распознают 97 языков и переключаются с одного на другой прямо посреди разговора. Картинку с камеры они обрабатывают почти в реальном времени. Инструменты и запросы к внешним сервисам модели вызывают в фоне, не прерывая беседы. В демонстрациях Google модель играет в шахматы, глядя на доску, и превращает рисунки от руки в работающие компоненты интерфейса на React.
Корпоративные клиенты могут опробовать обе модели в закрытой предварительной версии Gemini Enterprise. Позже модели появятся в Gemini Enterprise for Customer Experience, а Extended Thinking — ещё и у бизнес-клиентов Workspace. Сроки компания не уточняет. Весь звук, который генерируют модели, помечается невидимым водяным знаком SynthID3.
В тот же день, 15 сентября, Google открыла модели разработчикам в Gemini API. Минута входящего звука там стоит около 0,5 цента, минута ответа — около 1,8 цента. Ранее, 2 сентября, компания выпустила текстовую модель Gemini 3.8 Flash.