Google Gemini 3.8 Live ve 3.8 Live Extended Thinking ile sesli etkileşimlerde dev adım

Google Gemini ekibi, Gemini 3.8 Live ve Gemini 3.8 Live Extended Thinking modellerini "en gelişmiş canlı diyalog modelleri" olarak tanıttı. Bu modeller, sesli komutlarla karmaşık görevleri yürütürken aynı anda görsel girdileri işleyebiliyor ve kullanıcı konuşmasını kesintiye uğratmadan arka planda API çağrıları yapabiliyor. Özellikle 97 desteklenen dil arasında anlık geçiş yapabilme yeteneği, çok‑dilli ortamlarda sorunsuz bir deneyim sunuyor.

Gemini 3.8 Live, ölçeklenebilirlik ve maliyet verimliliği üzerine inşa edildi; akıcı diyalog, görsel yerleştirme ve anlık görsel bağlam desteği sağlıyor. Uzantılı sürüm olan Gemini 3.8 Live Extended Thinking ise yüksek karmaşıklıkta görevler için artırılmış zekâ ve çok adımlı akıl yürütme yetenekleri sunuyor. Model, "Let me check that..." gibi erken sözel ipuçlarıyla kullanıcıyı bilgilendirirken, arka planda gerçekleşen işlemleri sesli olarak anlatıyor.

Performans açısından modeller, bir dizi bağımsız benchmarkta çığır açtı. Artificial Analysis'ın Speech to Speech Quality Index'inde %82.6 puan alarak birinciliği elde etti, τ-Voice benchmarkında %68.6, Sierra’nın τ-Voice‑banking benchmarkında %35.1 başarı gösterdi ve Big Bench Audio testinde %97.7 oranında doğru yanıt verdi. Ayrıca ServiceNow’un EVA‑Bench’inde karmaşık iş akışlarını dengeleyerek Pareto sınırını zorladı.

Geliştiriciler ve işletmeler, Gemini Live API sayesinde Agora, LangChain, Vercel gibi platformlarda yüksek performanslı sesli arayüzler oluşturabiliyor. Google, Salesforce, Genspark ve Lumeris gibi iş ortaklarıyla entegrasyonları vurgularken, tüm sesli çıktılara SynthID su işareti ekleyerek sahte içeriklerin tespitini kolaylaştırıyor. Modeller, Google Workspace, Search ve Gemini uygulamasında kullanılmaya başlandı ve özel ön izleme programlarıyla kurumsal müşterilere sunuluyor.