Google анонсировала Gemini 3.8 Live и Extended Thinking: ИИ способен воспринимать визуальную информацию и решать задачи прямо в ходе диалога

15 сентября Google анонсировала Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking — продукты для голосового управления ИИ. Обе модели способны участвовать в диалоге, распознавать объекты перед камерой и запускать сервисы параллельно, не прерывая общение с человеком.

Gemini 3.8 Live предназначена для оперативных и естественных голосовых диалогов. Она обрабатывает изображение с камеры практически мгновенно, определяет и переключает 97 доступных языков прямо в процессе разговора.

Качество звука не единственная главная особенность. Данная версия ИИ умеет вызывать инструменты и параллельно API, пока человек продолжает говорить. Приняв запрос, система активирует нужный сервис, сообщает о старте работы и вновь включается в диалог, так что пользователю не приходится ждать окончания операции.

Для решения более комплексных задач Google создала Gemini 3.8 Live Extended Thinking. Она предназначена для многоэтапных размышлений и способна параллельно общаясь, выполнять запрос, информируя о прогрессе, не разрывая диалог. Примеры: разработка бизнес-планов, анализ визуальных данных, работа с внешними сервисами — например, пошаговое бронирование столика в ресторане.

Еще одна отличительная черта новинок — работа с визуальным контекстом: Gemini 3.8 Live принимает картинку с камеры практически без задержки и совмещает ее с голосовым запросом. Это открывает путь к более естественным сценариям: человек может продемонстрировать объект, озвучить вопрос, услышать ответ и тут же уточнить нюансы, не переключаясь между разными режимами.

Компания делает новинки доступными не только для программистов, но и встраивает их в собственные сервисы, такие как Gemini Enterprise и приложение Gemini, а также Search Live. Среди внешних платформ числятся Vision Agents, LiveKit, Agora, Pipecat, Fishjam и Vercel.

Google связала непрерывный голосовой диалог, зрительное восприятие, логические рассуждения и выполнение действий через инструменты в рамках одной модели, при этом часть операций может выполняться в фоне, не прерывая беседу. В итоге голосовой ИИ постепенно перестает быть просто чат-ботом и становится интерфейсом для управления задачами.

Источник: Google