Google ha introdotto Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, due nuovi modelli dedicati alle interazioni vocali in tempo reale e distribuiti attraverso Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live e Google Workspace. I modelli sono stati presentati dal Gemini Audio Team e vengono descritti da Google come la generazione più avanzata sviluppata finora per il dialogo live, con miglioramenti nell’intelligenza conversazionale, nel reasoning parallelo e nella capacità di collaborare con l’utente durante attività complesse eseguite tramite voce. Gemini 3.8 Live è orientato soprattutto alla scalabilità e all’efficienza economica, combinando dialogo fluido, comprensione conversazionale e grounding visivo, mentre Gemini 3.8 Live Extended Thinking è destinato a richieste che richiedono maggiore capacità di ragionamento e gestione di processi articolati su più passaggi.
Secondo i risultati comunicati da Google, Gemini 3.8 Live Extended Thinking ha raggiunto un punteggio di 82,6 nell’Artificial Analysis Speech to Speech Quality Index, ottenendo la prima posizione complessiva, e ha registrato il 68,6% nel benchmark τ-Voice e il 35,1% in Sierra τ-Voice-banking per il completamento di attività agentiche tramite voce. Google indica inoltre un risultato del 97,7% su Big Bench Audio, sostenendo che il modello mantenga un rapporto competitivo tra capacità e costo rispetto agli altri modelli di frontiera. Gemini 3.8 Live si è invece classificato al secondo posto nell’Artificial Analysis Speech Agent Arena ed è stato progettato per offrire un’elevata qualità conversazionale con costi compatibili con implementazioni su larga scala. Nei test ServiceNow EVA-Bench dedicati alla valutazione degli agenti vocali, entrambi i modelli vengono collocati da Google sulla frontiera di Pareto tra accuratezza e qualità della conversazione nei workflow complessi.
Gemini 3.8 Live può elaborare input visivi quasi in tempo reale e utilizzare queste informazioni come contesto durante la conversazione. Il modello riconosce automaticamente 97 lingue e può passare da una lingua all’altra durante lo stesso dialogo senza richiedere una selezione manuale. Durante l’interazione può inoltre eseguire strumenti e chiamate API in background continuando contemporaneamente a conversare con l’utente, confermando la richiesta e mantenendo attivo il dialogo mentre le operazioni vengono completate. Extended Thinking estende questo comportamento ai compiti che richiedono un reasoning più approfondito: il modello può ragionare e parlare nello stesso momento, fornendo segnali verbali iniziali per confermare la richiesta e descrivendo progressivamente le diverse fasi di un’attività multi-step senza interrompere il flusso della conversazione.
Le dimostrazioni realizzate da Google mostrano Gemini 3.8 Live utilizzato per guidare in tempo reale una sessione di onboarding aziendale sfruttando informazioni visive, giocare a scacchi con interazione quasi immediata, costruire attraverso il dialogo vocale un business plan completo e un toolkit di marketing personalizzato e fornire assistenza passo-passo all’interno di Search Live. Extended Thinking viene invece mostrato mentre trasforma schizzi e feedback vocali quasi in tempo reale in componenti React funzionanti, coordina prenotazioni di ristoranti articolate attraverso chiamate di funzione asincrone senza interrompere la conversazione e opera all’interno di Docs Live, Gmail Live e Keep Live in Google Workspace.
Per gli sviluppatori, i modelli vengono resi disponibili attraverso Gemini Live API, progettata per gestire interazioni vocali e visive bidirezionali a bassa latenza. L’interfaccia può elaborare stream continui di audio, immagini e testo e generare risposte vocali immediate utilizzando una connessione WebSocket persistente. La documentazione tecnica specifica input audio PCM raw a 16 bit e 16 kHz, immagini JPEG con frequenza fino a un fotogramma al secondo e input testuale, mentre l’audio in uscita viene prodotto in formato PCM raw a 16 bit e 24 kHz. Gli sviluppatori possono adottare un’architettura server-to-server, in cui il backend applicativo inoltra i flussi provenienti dal client verso la Live API, oppure una configurazione client-to-server con collegamento WebSocket diretto dal frontend.
Tra le piattaforme che utilizzano Gemini Live API per costruire interfacce vocali figurano Agora, Fishjam, LiveKit, Pipecat, Vercel e Vision Agents, che possono gestire la parte relativa allo streaming multimediale in tempo reale mentre Gemini si occupa dell’elaborazione conversazionale. Google sta inoltre collaborando con Salesforce, Genspark e Lumeris sui nuovi modelli, con particolare attenzione a latenza, fluidità del dialogo ed esecuzione di strumenti attraverso chiamate di funzione. I casi d’uso indicati per la Live API comprendono assistenti per lo shopping e il customer support, personaggi interattivi nei videogiochi, sistemi vocali e video per robotica, smart glasses e veicoli, assistenti sanitari, strumenti di consulenza finanziaria, tutor educativi, traduzione in tempo reale e sistemi live di trascrizione e sottotitolazione.
L’audio generato dai prodotti AI di Google viene marcato attraverso SynthID, il sistema di watermarking impercettibile integrato direttamente nell’output audio per permettere l’identificazione dei contenuti generati artificialmente. Il watermark viene applicato senza modificare in modo percepibile l’esperienza di ascolto e fa parte delle misure adottate da Google per rendere rilevabile l’origine artificiale dei contenuti audio.
Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking hanno iniziato il rollout il 15 settembre 2026. Per gli sviluppatori sono disponibili tramite Gemini API e Google AI Studio, mentre in Gemini Enterprise vengono inizialmente distribuiti in private preview. Gemini 3.8 Live è disponibile per tutti gli utenti di Search Live. Extended Thinking è invece disponibile in Gemini Live, in Docs per gli abbonati Google AI Pro e Ultra attraverso Workspace e in Gmail e Keep per tutti gli abbonati Google AI. Google prevede inoltre di estendere prossimamente entrambi i modelli a Gemini Enterprise for Customer Experience e di portare Extended Thinking anche ai clienti business di Google Workspace.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)