Viedie asistenti un mākslīgā intelekta (AI) modeļi kļūst par ikdienas neatņemamu sastāvdaļu, un tagad tie ir soli tuvāk patiesi dabiskai sarunai. Uzņēmums Google ir laidis klajā divus jaunus, uzlabotus dialoga modeļus - Gemini 3.8 Live un Gemini 3.8 Live Extended Thinking. Šie modeļi sola padarīt balss mijiedarbību ar AI daudz intuitīvāku un spējīgāku veikt sarežģītus uzdevumus, izmantojot tikai balss komandas.
Gemini 3.8 Live: Plūstošas sarunas un vizuālā konteksta izpratne
Gemini 3.8 Live ist izstrādāts, lai nodrošinātu plaša mēroga un izmaksu efektīvu sarunvalodas inteliģenci, apvienojot plūstošu dialogu ar vizuālo kontekstu. Tas spēj apstrādāt vizuālo informāciju gandrīz reāllaikā, bagātinot sarunas ar papildu kontekstu, kas ļauj sniegt precīzākas un noderīgākas atbildes. Turklāt modelis automātiski atpazīst un pārslēdzas starp 97 atbalstītajām valodām sarunas vidū. Viena no tā galvenajām priekšrocībām ir spēja izpildīt rīkus un API izsaukumus fonā, kamēr saruna turpinās, tādējādi AI var atzīt pieprasījumus un turpināt tērzēt, kamēr uzdevumi tiek pabeigti.
Lietotāju atsauksmēs Gemini 3.8 Live ir novērtēts atzinīgi, iegūstot otro vietu Artificial Analysis Speech Agent Arena. Tā augstā veiktspēja un izmaksu efektivitāte padara to par vērtīgu rīku izstrādātājiem un uzņēmumiem, kas vēlas veidot jaudīgas un mērogojamas balss vadītas saskarnes.
Gemini 3.8 Live Extended Thinking: Padziļināta domāšana un daudzpakāpju uzdevumi
Gemini 3.8 Live Extended Thinking ir paredzēts augstas sarežģītības uzdevumiem, piedāvājot palielinātu inteliģenci un daudzpakāpju spriešanas spējas. Šis modelis spriež un runā vienlaicīgi, nodrošinot nepārtrauktu sarunu plūsmu pat tad, ja tiek veikti sarežģīti uzdevumi. Tas izmanto agrīnas verbālās norādes, piemēram, "Atļaujiet man to pārbaudīt…", lai dabiski atzītu norādes, un reāllaika progresa stāstījumu, lai iepazīstinātu lietotājus ar daudzpakāpju fonā veicamiem uzdevumiem.
Veiktspējas testos Gemini 3.8 Live Extended Thinking uzrāda iespaidīgus rezultātus, ieņemot 1. vietu Artificial Analysis Speech to Speech Quality Index ar 82.6 punktiem. Tas arī uzrāda augstu aģenta uzdevumu izpildi ar 68.6% τ-Voice testā un 35.1% Sierra τ-Voice-banking etalonuzdevumā. Modeļa spēcīgās spriešanas spējas apliecina 97.7% rezultāts Big Bench Audio testā, vienlaikus saglabājot konkurētspējīgu cenu, salīdzinot ar citiem vadošajiem modeļiem.
Pielietojums un pieejamība
Šie Live modeļi sniegs intuitīvāku un sadarbīgāku pieredzi Google Workspace un Google meklētājā, īpaši risinot sarežģītus uzdevumus. Tie ļauj izstrādātāju platformām, piemēram, Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel un Vision Agents, viegli veidot un izvietot augstas veiktspējas balss vadītas saskarnes. Tiek ziņots, ka tādi uzņēmumi kā Salesforce, Genspark un Lumeris ir sajūsmā par jauno modeļu zemo latentumu, plūstamību un rīku izsaukšanas iespējām.
Visai AI radītajai audio informācijai, ko veido Google produkti, tiek pievienota SynthID ūdenszīme. Šī uztveramā ūdenszīme ir ieausta tieši audio izvadē, nodrošinot, ka ar AI ģenerētais saturs paliek atklājams, palīdzot novērst dezinformāciju.
Gemini 3.8 Live un 3.8 Live Extended Thinking modeļu ieviešana sākas šodien, 2026. gada 15. septembrī:
- Izstrādātājiem: Pieejami Gemini API un Google AI Studio.
- Uzņēmumiem: Privātā priekšskatījumā Gemini Enterprise un drīzumā Gemini Enterprise for Customer Experience. Extended Thinking versija būs pieejama arī Google Workspace biznesa klientiem.
- Visiem lietotājiem: Gemini 3.8 Live būs pieejams Search Live. Gemini 3.8 Live Extended Thinking būs pieejams Gemini Live un Google AI Pro/Ultra abonentiem Workspace (Docs, Gmail un Keep).
Kādu lomu, Jūsuprāt, šie jaunie AI modeļi spēlēs nākotnes digitālajā komunikācijā?
Iezīmē tekstu un spied ziņot par kļūdu.
