Hvad er nyheden
Ifølge MarkTechPost og Unite.ai har Google lanceret to live dialogmodeller til realtids stemmeagenter: Gemini 3.8 Live og Gemini 3.8 Live Extended Thinking. Begge kilder beskriver dem som native tale-til-tale modeller designet til realtidsbrug. Unite.ai daterer offentliggørelsen til 15. september 2026 og nævner udrulning på tværs af Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live og Google Workspace. MarkTechPost angiver, at modellerne er tilgængelige i dag via Gemini Live API og Google AI Studio til API-baseret produktion.
MarkTechPost skriver eksplicit, at modellerne er hosted og ikke udgives som åbne weights, hvilket betyder, at der ikke er selv-hostede muligheder. Samme artikel rammesætter lanceringen som et forsøg på at dække et specifikt hul for stemmeagenter, der kan ræsonnere og udføre værktøjskald uden at bryde samtaleflowet.
Tilgængelighed og positionering
Ifølge MarkTechPost er rollefordelingen, at Gemini 3.8 Live er bygget til skala og omkostningseffektivitet med vægt på samtaleintelligens, flydende dialog og visuel grounding. Samme kilde beskriver Gemini 3.8 Live Extended Thinking som målrettet opgaver med højere kompleksitet med øget intelligens og flertrins-reasoning, mens modellen taler.
Kilderne positionerer modellerne som et strømlinet alternativ til kaskader, hvor ASR, en tekst-LLM og TTS kædes. Det er en positionering gengivet af MarkTechPost, som refererer Googles egen rammesætning.
Kapabiliteter i Live API
MarkTechPost oplister fem centrale funktioner i Live API. I artiklens gennemgang fremhæves blandt andet asynkrone værktøjskald, hvor modellen kan udføre API- og tool-kald i baggrunden, mens lydsvar fortsætter mod brugeren. Derudover beskrives visuel kontekst, hvor modellen kan bearbejde live visuelle input sammen med samtalen.
Disse funktioner er refereret fra MarkTechPosts gennemgang af Live API. Artiklen fungerer her som formidling af Googles egen beskrivelse; der gives ikke selvstændig, uafhængig afprøvning i de to kilder.
Benchmarks ifølge kilderne
MarkTechPost gengiver en række benchmarktal. Ifølge artiklen topper Gemini 3.8 Live Extended Thinking Artificial Analysis’ Speech to Speech Quality Index med en score på 82,6. Samme artikel angiver, at modellen scorer 68,6 procent på τ-Voice, 35,1 procent på Sierras τ-Voice-banking samt 97,7 procent på Big Bench Audio. MarkTechPost skriver også, at Gemini 3.8 Live fik en andenplads i Speech Agent Arena, der beskrives som en menneskelig præferencevurdering.
På ServiceNows EVA-Bench refererer MarkTechPost, at Google rapporterer fremskridt, hvor Pareto-fronten for komplekse workflows skulle være rykket, målt på Live API på Gemini Enterprise Agent Platform. Tallene og vurderingerne i MarkTechPost fremstår overvejende som leverandør- eller benchmarkudbyder-rapporterede; kilderne linker ikke til uafhængige metodereferater, og der er ingen uafhængig journalistisk validering af testopsætningerne i de to artikler.
Hosted-only og åbne spørgsmål
MarkTechPost angiver, at modellerne er hosted af Google og ikke kan selv-hostes. De to artikler indeholder ikke dokumentation om driftsgarantier eller region- og databehandlingsmekanismer for Live API.
Kilderne giver heller ikke konkrete SLA- eller latency-garantier og leverer ikke udtømmende oplysninger om dataretention. Læsere, der har brug for sådanne detaljer, må derfor konsultere Googles officielle dokumentation, som ikke er inkluderet i de her anvendte artikler.
Introduktion og udrulningskanaler
Unite.ai oplyser, at introduktionen blev foretaget af Tom Ouyang og Malini Jaganathan på vegne af Gemini Audio-teamet. Samme artikel daterer offentliggørelsen til 15. september 2026 og beskriver udrulning på tværs af Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live og Google Workspace.
Disse rammer for udrulning og attribution er gengivet fra Unite.ai, der refererer Googles meddelelser. Artiklen leverer ikke yderligere tekniske detaljer ud over de nævnte kanaler og den overordnede karakteristik af modellerne som live dialogmodeller.
Alternative arkitekturer ifølge kilderne
MarkTechPost sammenfatter Googles position om, at 3.8 Live og 3.8 Live Extended Thinking er et alternativ til kaskader af ASR, LLM og TTS. Kilderne beskriver dog ikke konkrete retningslinjer for, hvornår en kaskadearkitektur bør foretrækkes i praksis. Her er der således et åbent spørgsmål, som ikke belyses nærmere i de anvendte artikler.
Det betyder, at læsere må se de to modeller i lyset af den overordnede positionering, mens implementeringsvalg og afvejninger mellem arkitekturer ikke kan udledes detaljeret af MarkTechPost eller Unite.ai alene.
Afklaringer som ikke fremgår af kilderne
Kilderne giver ingen detaljer om krav til datasuverænitet, regionplacering af processering eller standardiserede kontrolmekanismer for audit af samtaler. Der er heller ikke tekniske referencer i artiklerne til eventuelle reason traces eller detaljeret dokumentation for, hvordan flertrinsredegørelser eksponeres i drift.
Disse emner kan være centrale for udrulning i produktion, men de fremgår ikke af MarkTechPost eller Unite.ai og må derfor undersøges i anden, officiel dokumentation fra Google.
Opsummering af dokumenterede hovedpunkter
- Google har lanceret Gemini 3.8 Live og Gemini 3.8 Live Extended Thinking, som beskrives som native tale-til-tale live dialogmodeller (MarkTechPost, Unite.ai).
- Modellerne er tilgængelige via Gemini Live API og Google AI Studio til API-baseret produktion (MarkTechPost).
- Hosted-only uden åbne weights eller selv-host (MarkTechPost).
- Positionering: 3.8 Live til skala og omkostningseffektivitet; Extended Thinking til højere kompleksitet og flertrins-reasoning (MarkTechPost).
- Live API-funktioner inkluderer blandt andet asynkrone værktøjskald og visuel kontekst, som gengivet i MarkTechPost.
- Benchmarktal og placeringer er gengivet fra MarkTechPost og fremstår som leverandør- eller benchmarkudbyder-rapporterede uden uafhængig metodologivalidering i kilderne.
Sammenlagt tegner MarkTechPost og Unite.ai et billede af tilgængelighed, positionering, centrale funktioner og rapporterede benchmarks, mens flere drifts- og compliance-detaljer ikke fremgår og derfor må findes i officielle dokumenter fra Google.
