Google ने Gemini 3.8 Live और Extended Thinking वॉयस मॉडल लॉन्च किए

Google घोषित किया Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking 15 सितंबर, 2026 को, Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live, और Google Workspace में जारी किए जा रहे दो लाइव संवाद मॉडल की एक जोड़ी।

इन मॉडलों का परिचय टॉम ओउयांग, मुख्य अभियंता, और मालिनी जगरनाथन, तकनीकी स्टाफ सदस्य, ने Gemini Audio Team की ओर से किया। Google इस जोड़े को अब तक का अपना सबसे उन्नत लाइव संवाद मॉडल बताता है, जो प्राकृतिक बातचीत के लिए निर्मित है, और कहता है कि बुद्धिमत्ता और समानांतर तर्क में सुधार उन्हें आवाज़ द्वारा किए जाने वाले जटिल कार्यों में सहयोग के लिए अधिक सहज बनाते हैं। कंपनी Gemini 3.8 Live को स्केलेबिलिटी और लागत दक्षता के लिए स्थान देती है, जिसमें संवादात्मक बुद्धिमत्ता को सहज वार्ता और दृश्य आधार के साथ जोड़ा गया है, जबकि Gemini 3.8 Live Extended Thinking को उच्च जटिलता वाले कार्यों के लिए तैयार किया गया है, जिनमें अधिक बुद्धिमत्ता और बहु-चरणीय तर्क की आवश्यकता होती है। Google के अनुसार, ये मॉडल डेवलपर्स और उद्यमों को विश्वसनीय, उत्पादन-तैयार वॉयस एजेंट बनाने के लिए आधार प्रदान करते हैं, साथ ही Gemini ऐप, Workspace, और Search में Gemini के साथ वार्तालाप को अधिक सहज बनाते हैं।

रिपोर्ट किए गए बेंचमार्क परिणाम

Google रिपोर्ट करता है कि Gemini 3.8 Live Extended Thinking ने Artificial Analysis के Speech to Speech Quality Index में कुल मिलाकर शीर्ष स्थान हासिल किया, 82.6 अंक के साथ, और τ-Voice पर 68.6% तथा Sierra के τ-Voice-banking बेंचमार्क पर 35.1% के साथ एजेंटिक कार्य पूर्णता में अग्रणी रहा। कंपनी यह भी रिपोर्ट करती है कि Big Bench Audio में 97.7% अंक प्राप्त हुए और कहती है कि Extended Thinking अन्य अग्रणी मॉडलों की तुलना में अत्यधिक प्रतिस्पर्धी मूल्य बिंदु बनाए रखता है। Google बताता है कि Gemini 3.8 Live ने Artificial Analysis के Speech Agent Arena में दूसरा स्थान प्राप्त किया, उपयोगकर्ताओं की उच्च प्राथमिकता का उल्लेख करते हुए, और इसे अत्यधिक लागत-प्रभावी और स्केलेबिलिटी के लिए निर्मित बताया गया। ServiceNow के EVA-Bench, जो वॉयस एजेंटों का मूल्यांकन करने वाला बेंचमार्क है, पर Google कहता है कि उसके मॉडल जटिल कार्यप्रवाहों के लिए Pareto Frontier को आगे बढ़ाते हैं, सटीकता को संवादात्मक गुणवत्ता के साथ सफलतापूर्वक संतुलित करके; पोस्ट में उल्लेख है कि यह मूल्यांकन Live API पर Gemini Enterprise एजेंट प्लेटफ़ॉर्म पर चलाया गया था।

रियल-टाइम वार्तालाप क्षमताएँ

Google के अनुसार, Gemini 3.8 Live दृश्य इनपुट को लगभग वास्तविक समय में प्रोसेस करता है, संदर्भ जोड़ता है जिसे कंपनी अधिक सहायक प्रतिक्रियाएँ उत्पन्न करने वाला बताती है। यह मॉडल स्वचालित रूप से 97 समर्थित भाषाओं के बीच वार्तालाप के मध्य में पहचान और परिवर्तन करता है, और वार्तालाप जारी रहने के दौरान पृष्ठभूमि में टूल्स और API कॉल्स निष्पादित करता है, अनुरोधों को स्वीकार करता है और कार्यों के पूर्ण होने तक संवाद को जारी रखता है। गहरी तर्कशीलता की आवश्यकता वाले कार्यों के लिए, Google कहता है कि Extended Thinking एक साथ तर्क करता है और बोलता है, शुरुआती मौखिक संकेतों का उपयोग करके प्रॉम्प्ट को स्वाभाविक रूप से स्वीकार करता है और लाइव प्रगति वर्णन के माध्यम से उपयोगकर्ताओं को बहु-चरणीय पृष्ठभूमि कार्यों के माध्यम से ले जाता है, बिना वार्तालाप प्रवाह को तोड़े।

घोषणा के साथ प्रकाशित डेमो वीडियो दर्शाते हैं कि Gemini 3.8 Live दृश्य संदर्भ का उपयोग करके वास्तविक समय में कर्मचारी ऑनबोर्डिंग सत्र का मार्गदर्शन करता है, लाइव प्रश्नों के उत्तर देता है, लगभग वास्तविक समय में शतरंज खेलता है, प्राकृतिक भाषा के माध्यम से पूर्ण व्यवसाय योजनाएँ और कस्टम मार्केटिंग टूलकिट बनाता है, और Search Live के भीतर चरण-दर-चरण समस्या निवारण सहायता प्रदान करता है। Extended Thinking के डेमो दिखाते हैं कि मॉडल कच्चे स्केच और लगभग वास्तविक समय की आवाज़ प्रतिक्रिया को कार्यात्मक React घटकों में बदलता है, असिंक्रोनस फ़ंक्शन कॉल्स के माध्यम से बहु-चरणीय रेस्तरां बुकिंग को समन्वयित करता है बिना वार्तालाप बाधित किए, और Google Workspace में Docs Live, Gmail Live, और Keep Live के बीच काम करता है।

Live API और डेवलपर इकोसिस्टम

Google ने Agora, Fishjam, LiveKit, Pipecat, Vercel, और Vision Agents को डेवलपर प्लेटफ़ॉर्म के रूप में नामित किया है जो Gemini Live API का उपयोग करके डेवलपर्स को वॉयस-ड्रिवन इंटरफ़ेस बनाने और तैनात करने की अनुमति देते हैं, जबकि ये प्लेटफ़ॉर्म अंतर्निहित रियल-टाइम मीडिया स्ट्रीमिंग इन्फ्रास्ट्रक्चर का प्रबंधन करते हैं। कंपनी कहती है कि वह नई मॉडलों पर Salesforce, Genspark, और Lumeris के साथ भी साझेदारी कर रही है, जो मॉडलों की लेटेंसी, सहजता, और टूल-कॉलिंग क्षमताओं में उनकी रुचि को दर्शाता है।

आधिकारिक Live API दस्तावेज़ इंटरफ़ेस को इस प्रकार वर्णित करता है कि यह Gemini के साथ कम लेटेंसी, रियल-टाइम आवाज़ और विज़न इंटरैक्शन को सक्षम करता है, ऑडियो, इमेज और टेक्स्ट की निरंतर स्ट्रीम को प्रोसेस करके स्टेटफ़ुल WebSocket कनेक्शन के माध्यम से तुरंत बोले गए उत्तर प्रदान करता है। दस्तावेज़ित इनपुट में 16kHz पर कच्चा 16-बिट PCM ऑडियो, प्रति सेकंड एक फ्रेम तक JPEG इमेज, और टेक्स्ट शामिल हैं, जबकि ऑडियो आउटपुट 24kHz पर कच्चा 16-बिट PCM होता है। डेवलपर्स सर्वर-टू-सर्वर इम्प्लीमेंटेशन चुन सकते हैं, जिसमें बैकएंड क्लाइंट स्ट्रीम डेटा को Live API को फॉरवर्ड करता है, या क्लाइंट-टू-सर्वर इम्प्लीमेंटेशन, जिसमें फ्रंटएंड कोड सीधे WebSockets के माध्यम से कनेक्ट होता है। दस्तावेज़ में उपयोग मामलों की सूची में रिटेल शॉपिंग असिस्टेंट और सपोर्ट एजेंट, इंटरैक्टिव गेम कैरेक्टर, रोबोटिक्स, स्मार्ट ग्लासेस और वाहनों में आवाज़ और वीडियो-सक्षम अनुभव, स्वास्थ्य साथी, वित्तीय सलाह उपकरण, शैक्षणिक मेंटर, रियल-टाइम अनुवाद, तथा लाइव ट्रांसक्रिप्शन और कैप्शनिंग शामिल हैं।

Google कहता है कि उसके AI उत्पादों द्वारा उत्पन्न सभी ऑडियो को SynthID के साथ वॉटरमार्क किया जाता है, जो एक अदृश्य वॉटरमार्क है जो सीधे ऑडियो आउटपुट में बुना जाता है, ताकि AI-जनित सामग्री का पता लगाया जा सके और misinformation को रोकने में मदद मिल सके। पोस्ट पाठकों को मॉडल कार्ड की ओर निर्देशित करती है जहाँ कंपनी की सुरक्षा और जिम्मेदारी के दृष्टिकोण के विवरण उपलब्ध हैं।

उपलब्धता और रोलआउट

दोनों मॉडलों की रोल‑आउट 15 सितंबर से शुरू हुई। डेवलपर्स के लिए ये Gemini API और Google AI Studio में उपलब्ध हैं, और एंटरप्राइज़ के लिए Gemini Enterprise में प्राइवेट प्रीव्यू के रूप में हैं। Gemini 3.8 Live सभी के लिए Search Live में उपलब्ध है, जबकि Extended Thinking Gemini Live में, Google AI Pro और Ultra सब्सक्राइबर्स के लिए Workspace में Docs में, और सभी Google AI सब्सक्राइबर्स के लिए Gmail और Keep में उपलब्ध है। Google का कहना है कि Gemini Enterprise, जो दोनों मॉडलों के लिए Customer Experience समर्थन प्रदान करेगा, जल्द ही आएगा, और Extended Thinking भी Google Workspace के बिजनेस ग्राहकों के लिए जल्द ही उपलब्ध होगा।