גוגל משיקה את ג'מיני 3.8 לייב ו-3.8 לייב אקסטנדד ת'ינקינג למודלי קול בייצור

גוגל דוחפת את מודלי הדיבור-לדיבור שלה לייצור עם שני דגמים חדשים שמבטיחים לסגור את הפער בין שיחה טבעית לביצוע משימות מורכבות. ג'מיני 3.8 לייב ו-3.8 לייב אקסטנדד ת'ינקינג זמינים כבר עכשיו ב-Live API וב-Google AI Studio כמודלים מאוחסנים, אין אופציה להרצה עצמית, ואין משקולות פתוחות.

מה שמאחורי המודלים

ההשקה מכסה שני תפקידים נפרדים. ג'מיני 3.8 לייב מכוון לסקייל ויעילות עלות, ומשלב אינטליגנציה שיחתית עם דיאלוג זורם וקרקוע ויזואלי. ג'מיני 3.8 לייב אקסטנדד ת'ינקינג מיועד למשימות מורכבות יותר, ומוסיף חשיבה מרובת-שלבים שמתרחשת תוך כדי דיבור. בגוגל ממקמים את שניהם כחלופה יעילה לצנרת מדורגת (cascaded) שמשרשרת ASR, LLM ו-TTS, ארכיטקטורה שמוסיפה השהייה ונקודות כשל.

בנצ'מרקים ומספרים

לפי נתוני גוגל, אקסטנדד ת'ינקינג תופס את המקום הראשון במדד איכות דיבור-לדיבור של Artificial Analysis עם ציון 82.6. הוא מוביל בהשלמת משימות סוכניות עם 68.6% ב-τ-Voice ו-35.1% בבנצ'מרק τ-Voice-banking של סיירה, ומגיע ל-97.7% ב-Big Bench Audio, מבחן חשיבה למודלי אודיו. ג'מיני 3.8 לייב הרגיל הגיע למקום שני בזירת ההעדפה האנושית Speech Agent Arena. ב-EVA-Bench של ServiceNow, גוגל מדווחת שהמודלים דוחפים את חזית פארטו לתהליכים מורכבים, ומאזנים דיוק משימה עם איכות שיחה.

יכולות למפתחים

ה-Live API חושף חמש יכולות ליבה בדגמים החדשים: קריאות פונקציה אסינכרוניות שמאפשרות למודל להריץ API וכלים ברקע בזמן שתגובות האודיו ממשיכות לזרום למשתמש; הקשר ויזואלי לעיבוד קלט חזותי בזמן אמת; דיוק אלפאנומרי לפענוח קודי אימות, מספרי תביעה ונתונים טכניים, נקודת כשל נפוצה במערכות קול; תמיכה רב-לשונית עם זיהוי ומעבר אוטומטי בין 97 שפות באמצע שיחה תוך שמירה על עקביות מבטא; ועדכוני תוכן הדרגתיים שממזגים אודיו בזמן אמת עם נתונים מובנים. אקסטנדד ת'ינקינג מוסיף חשיבה ניתנת לקונפיגורציה ברקע: המודל מנמק ומדבר בו-זמנית, משתמש ברמזים מילוליים מוקדמים כמו "תן לי לבדוק את זה" לאישור הבקשה, ואז מקריין התקדמות שלב-שלב בזמן שמשימות ארוכות רצות. הדגמות של גוגל מראות המרת סקיצות ומשוב קולי לרכיבי React עובדים, ותיאום הזמנות מרובות-שלבים.

תמחור ואקוסיסטם

שני המודלים מתומחרים ב-0.005 דולר לדקת קלט אודיו ו-0.018 דולר לדקת פלט אודיו, הערכה שמבוססת על 3 דולר למיליון טוקני קלט ו-12 דולר למיליון טוקני פלט (כ-11 ו-44 שקל בהתאמה). מפתחים יכולים לבנות גם דרך שותפי אינטגרציה שמטפלים בתשתית סטרימינג בזמן אמת: Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel ו-Vision Agents. גוגל משתפת פעולה גם עם Salesforce, Genspark ו-Lumeris, שמציינות את ההשהיה, הזרימה וקריאות הכלים כיתרונות. אפליקציות דוגמה זמינות בגיטהאב.