شرکت گوگل در ۱۵ سپتامبر ۲۰۲۶ اعلام کرد که دو مدل گفت‌وگوی زنده با نام‌های جمینای ۳٫۸ لایو (Gemini 3.8 Live) و جمینای ۳٫۸ لایو Extended Thinking را عرضه می‌کند. بر اساس مطلب رسمی بلاگ گوگل، این مدل‌ها با ارتقای هوش و استدلال موازی، همکاری صوتی با هوش مصنوعی را روان‌تر می‌کنند و برای ساخت ایجنت‌های صوتی تولیدی نیز به‌کار می‌روند.
طبق اعلام گوگل، جمینای ۳٫۸ لایو برای مقیاس و کارایی هزینه ساخته شده و گفت‌وگوی روان را با زمینه‌سازی بصری ترکیب می‌کند؛ در حالی که نسخهٔ Extended Thinking برای کارهای پیچیده‌تر و استدلال چندمرحله‌ای طراحی شده‌است. هر دو مدل از همان روز انتشار در مسیر عرضه به توسعه‌دهندگان، سازمان‌ها و کاربران عمومی قرار گرفته‌اند.
قابلیت‌های جمینای ۳٫۸ لایو در گفت‌وگوی صوتی
گوگل می‌گوید جمینای ۳٫۸ لایو ورودی‌های بصری را نزدیک به بلادرنگ پردازش می‌کند تا پاسخ‌ها با زمینهٔ دیداری غنی‌تر شوند. این مدل می‌تواند میان ۹۷ زبان پشتیبانی‌شده در میانهٔ گفت‌وگو تشخیص دهد و جابه‌جا شود. همچنین فراخوانی ابزار و API را در پس‌زمینه اجرا می‌کند تا هم‌زمان با ادامهٔ مکالمه، کارها بدون قطع گفت‌وگو پیش بروند.
در نسخهٔ Extended Thinking، مدل هم‌زمان استدلال می‌کند و صحبت می‌کند. گوگل اشاره کرده‌است که این نسخه با نشانه‌های کلامی زودهنگام مانند «بگذارید بررسی کنم…» درخواست را تأیید می‌کند و با روایت پیشرفت زنده، کاربر را در جریان کارهای چندمرحلهٔ پس‌زمینه نگه می‌دارد. نمونه‌های رسمی شامل راهنمایی ورود کارکنان با زمینهٔ بصری، بازی شطرنج نزدیک به بلادرنگ، تبدیل طرح خام به مؤلفهٔ React و هماهنگی رزروهای چندمرحله‌ای بدون قطع گفت‌وگو است.
اگر تجربهٔ استفاده از جمینای لایو یا مقایسهٔ آن با ایجنت‌های صوتی دیگر را داشته‌اید، می‌توانید دیدگاه خود را در بخش نظرات بنویسید.
ارزیابی‌ها و رقم‌های اعلام‌شده گوگل
بر اساس اعلام رسمی، جمینای ۳٫۸ لایو Extended Thinking در شاخص کیفیت گفتاربه‌گفتار Artificial Analysis با امتیاز ۸۲٫۶ رتبهٔ نخست کلی را گرفته‌است. در تکمیل کار ایجنتی نیز نرخ ۶۸٫۶٪ روی معیار τ-Voice و ۳۵٫۱٪ روی τ-Voice-banking سیرا گزارش شده‌است. امتیاز استدلال صوتی این مدل روی Big Bench Audio برابر ۹۷٫۷٪ اعلام شده‌است.
گوگل همچنین نوشته‌است که جمینای ۳٫۸ لایو در Speech Agent Arena رتبهٔ دوم ترجیح کاربران را کسب کرده‌است و هم‌زمان برای مقیاس‌پذیری با هزینهٔ پایین طراحی شده‌است. در معیار EVA-Bench شرکت ServiceNow نیز مدل‌های لایو در مرز پارتو برای جریان‌های کاری پیچیده، تعادل میان دقت و کیفیت مکالمه را بهبود داده‌اند.
دسترسی، قیمت توسعه‌دهنده و واترمارک SynthID
طبق اعلام گوگل، جمینای ۳٫۸ لایو از همان روز انتشار برای توسعه‌دهندگان در Gemini API و Google AI Studio، برای سازمان‌ها در پیش‌نمایش خصوصی Gemini Enterprise، و برای عموم در Search Live عرضه می‌شود. نسخهٔ Extended Thinking نیز در API و AI Studio در دسترس است؛ برای سازمان‌ها در پیش‌نمایش خصوصی Gemini Enterprise قرار دارد و برای کاربران در Gemini Live و برای مشترکان Google AI Pro و Ultra در Docs، و برای همهٔ مشترکان Google AI در جیمیل و Keep عرضه می‌شود.
در مطلب جداگانهٔ توسعه‌دهندگان در بلاگ گوگل، قیمت لایهٔ صوتی از طریق Live API حدود ۰٫۰۰۵ دلار در دقیقه برای ورودی صوت و ۰٫۰۱۸ دلار در دقیقه برای خروجی صوت اعلام شده‌است. پلتفرم‌هایی مانند Agora، LiveKit، LangChain، Pipecat، Vercel و Vision Agents نیز به‌عنوان شرکای یکپارچه‌سازی Live API نام برده شده‌اند. شرکت‌هایی مانند Salesforce، Genspark و Lumeris نیز در مطلب رسمی به‌عنوان شرکای علاقه‌مند به تأخیر کم و فراخوانی ابزار ذکر شده‌اند.
گوگل تأکید کرده‌است که همهٔ صوت تولیدشده توسط محصولات هوش مصنوعی این شرکت با واترمارک نامحسوس SynthID علامت‌گذاری می‌شود تا محتوای تولیدشده با هوش مصنوعی قابل تشخیص بماند. جزئیات ایمنی در کارت مدل مرتبط منتشر شده‌است.
آیا برای کار روزمره بیشتر به گفت‌وگوی سریع جمینای ۳٫۸ لایو نیاز دارید یا به استدلال چندمرحلهٔ Extended Thinking؟
بعد از خواندن مطلب بپرسید؛ پاسخ فقط از همین مقاله است.
این مطلب برایتان مفید بود؟
فرهاد محمدی خبرنگار فناوری و هوش مصنوعی فیسیت است. کار روزانه‌اش این است که خبر مدل‌های زبانی، ابزارهای جدید و ادعاهای پرزرق‌وبرق شرکت‌ها را به زبان قابل‌استفاده برای مخاطب ایرانی برگرداند؛ بدون هیجان کاذب و بدون ترساندن بی‌دلیل.
میز کارش دو بخش است: هوش مصنوعی، و فناوری و تکنولوژی روز — نرم‌افزار، اینترنت و تغییراتی که روی کار و زندگی دیجیتال اثر می‌گذارند. قبل از نوشتن معمولاً می‌پرسد «برای کاربر چه فرقی می‌کند؟» و همان را محور مطلب می‌گذارد.
گسترش جهانی خلاصه‌های هوش مصنوعی جستجوی جیمیل برای کاربران پولی
پیکسل دراپ سپتامبر ۲۰۲۶: ویجت VIP، Scam Detection و Pixel Watch
گوگل درک ویدیویی عامل‌محور جمینای را با کاهش تا ۸۸٪ توکن معرفی کرد
نظرات کاربران