Gemini 3.8 Live ve 3.8 Live Extended Thinking Tanıtıldı: Google'dan Sesli Yapay Zekada Dev Atılım

Google DeepMind, yapay zeka ile sesli etkileşimlerin geleceğine yönelik önemli bir adım atarak Gemini 3.8 Live ve Gemini 3.8 Live Extended Thinking modellerini tanıttı. Bu modeller, bugüne kadarki en gelişmiş canlı diyalog yeteneklerini sunarak, kullanıcıların yapay zeka ile iş birliği yapmasını ve karmaşık görevleri sesli komutlarla yürütmesini daha sezgisel ve verimli hale getirmeyi hedefliyor. Gemini 3.8 Live, ölçeklenebilirlik ve maliyet etkinliği göz önünde bulundurularak tasarlanmış olup, akıcı diyalog ve görsel bağlamlandırmayı sohbet zekasıyla birleştirirken; Gemini 3.8 Live Extended Thinking ise yüksek karmaşıklıktaki görevler, artırılmış zeka ve çok adımlı akıl yürütme için optimize edildi.

Özellikle Gemini 3.8 Live Extended Thinking, kurumsal düzeyde görev tamamlama ve akıl yürütme yetenekleriyle dikkat çekiyor. Model, Artificial Analysis'ın Konuşmadan Konuşmaya Kalite Endeksi'nde 82.6 puanla genel birinciliği elde etti. Ayrıca, ajan yeteneğine dayalı görev tamamlama alanında τ-Voice benchmark'ında %68.6 ve Sierra'nın τ-Voice-banking benchmark'ında %35.1'lik oranlarla lider konumda bulunuyor. Model, karmaşık akıl yürütme kabiliyetlerini Big Bench Audio üzerinde %97.7'lik etkileyici bir skorla sergilerken, aynı zamanda diğer öncü modellere kıyasla rekabetçi bir fiyat noktası sunuyor. Bu model, “Let me check that…” gibi erken sözel ipuçlarıyla doğal etkileşimi sürdürürken, çok adımlı arka plan görevlerini canlı ilerleme anlatımıyla kullanıcılara aktarabiliyor.

Gemini 3.8 Live ise kullanıcılar arasında yüksek tercih oranıyla Speech Agent Arena'da ikincilik elde etti. Bu performansının yanı sıra, oldukça maliyet etkin bir yapıya sahip olması, geliştiricilere ve işletmelere ölçeklenebilir ve verimli bir model sunuyor. Model, yakın gerçek zamanlı görsel girdileri işleyerek konuşmaları bağlamsal olarak zenginleştiriyor ve daha yararlı yanıtlar sağlıyor. Sohbet sırasında 97 farklı dil arasında otomatik olarak geçiş yapabiliyor ve arka planda araçları ve API çağrılarını yürüterek, görevler tamamlanırken bile kesintisiz bir diyalog akışı sunuyor. ServiceNow'ın EVA-Bench'inde, modellerin doğruluk ile konuşma kalitesi arasında başarılı bir denge kurarak karmaşık iş akışları için Pareto Sınırı'nı ileri taşıdığı belirtiliyor.

Bu yeni modeller, Google Workspace, Search ve Gemini uygulamasında daha sezgisel ve işbirlikçi deneyimler sunuyor. Docs Live, Gmail Live ve Keep Live gibi Workspace entegrasyonları ile kullanıcılar, gerçek zamanlı sorun gidermeden iş planları oluşturmaya kadar çeşitli karmaşık görevleri sesli olarak halledebiliyor. Ayrıca, Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel ve Vision Agents gibi geliştirici platformları, Gemini Live API'sini kullanarak yüksek performanslı ses odaklı arayüzler oluşturabiliyor. Salesforce, Genspark ve Lumeris gibi şirketler de bu modellerin düşük gecikme süresi, akıcılığı ve araç çağırma yeteneklerinden etkilendiklerini belirtiyorlar.

Google, yapay zeka tarafından üretilen tüm seslerin SynthID ile filigranlandığını belirterek şeffaflık ve yanlış bilgi yayılımını önleme konusundaki taahhüdünü vurguluyor. Bu algılanamaz filigran, ses çıkışına doğrudan işlenerek, yapay zeka tarafından oluşturulan içeriğin tespit edilebilir kalmasını sağlıyor. Gemini 3.8 Live ve 3.8 Live Extended Thinking modelleri, geliştiriciler için Gemini API ve Google AI Studio'da, işletmeler için özel önizlemeyle Gemini Enterprise'da ve genel kullanıcılar için Search Live ve Gemini uygulaması gibi platformlarda kademeli olarak kullanıma sunuluyor.