Google представила две новые модели: Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking, предназначенные для создания голосовых агентов. Модели доступны через Gemini Live API и Google AI Studio исключительно как облачные сервисы без возможности локального развертывания.
Gemini 3.8 Live ориентирована на масштабируемость и экономичность. Версия Extended Thinking предназначена для сложных задач: она поддерживает многошаговые рассуждения и может комментировать свои действия в процессе выполнения запроса, используя вербальные сигналы для подтверждения прогресса.
Модель Extended Thinking набрала 82,6 балла в индексе качества речи Artificial Analysis. В бенчмарке τ-Voice она показала результат 68,6%, а в Big Bench Audio — 97,7%. Google позиционирует эти решения как замену каскадным системам, объединяющим распознавание речи, LLM и синтез голоса.
Стоимость использования моделей составляет $0,005 в минуту за входящий аудиопоток и $0,018 в минуту за исходящий. Расценки основаны на стоимости $3 за 1 миллион входных токенов и $12 за 1 миллион выходных. Интеграция возможна через партнеров, включая Agora, LangChain и LiveKit.
