Gemini 3.8 & 3.8 Live Extended Thinking
Google DeepMind · Stimme & Sprache · Chatbot
Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking sind zwei Echtzeit-Sprach-KI-Modelle von Google DeepMind, beide am 15. September 2026 veröffentlicht. Das Standardmodell 3.8 Live ist ein Speech-to-Speech-Modell, das auf schnelle, günstige Sprachschnittstellen abgestimmt ist, während 3.8 Live Extended Thinking ein mehrstufiges Reasoning im Hintergrund ergänzt, sodass es weiterreden kann, während es ein schwieriges Problem durcharbeitet. Entwickler erreichen beide über die Gemini API, Google AI Studio und die Gemini Live API. Kein zusätzliches Setup. Normale Nutzer begegnen ihnen schon in Gemini Live und Search Live, und Google sagt, dass beide Modelle auch in der Gemini App und in Google Workspace ausgerollt werden.
Über Gemini 3.8 & 3.8 Live Extended Thinking
Was ist Gemini 3.8 und 3.8 Live Extended Thinking
Laut dem Unternehmen sind dies Googles bislang fortgeschrittenste Echtzeit-Konversationsmodelle. Beide arbeiten nativ Speech-to-Speech, das heißt, sie hören Audio und antworten mit Audio, statt Ihre Worte durch ein separates Transkriptionsmodell, dann ein Textmodell und dann einen Stimmengenerator zu schicken. Genau diese ältere Kette war die Quelle eines Großteils der Verzögerung und des Tonverlusts.
Der Unterschied zwischen beiden läuft darauf hinaus, wie sie eine schwierige Frage behandeln, und genau diese eine Designentscheidung bestimmt, auf welchem Sie aufbauen sollten. Gemini 3.8 Live antwortet schnell und ruft Werkzeuge im Hintergrund auf, was zu Kunden-Support-Routing, Sprachsuche und Sprachpraxis passt. Gemini 3.8 Live Extended Thinking hält einen "Denk"-Prozess am Laufen, während es spricht, sodass es den Fortschritt bei mehrstufigen Aufgaben wie Reiseplanung oder Code-Debugging erzählen kann, ohne verstummen zu müssen.
Die wichtigsten Grenzen sind praktischer Natur. Extended Thinking unterstützt nur nicht blockierende asynchrone Werkzeugaufrufe. Außerdem müssen Sie auf ein ausdrückliches Inaktivitätssignal warten, bevor Sie eine Sitzung beenden. Und die höchsten Denkstufen kosten mehr pro Minute Audio. Abgerechnet wird nach Audiominuten, nicht nach Tokens, deshalb brauchen dauerhaft laufende Sprach-Apps von Anfang an eine Budgetrechnung.
Erste Schritte
- Öffnen Sie Google AI Studio oder die Konsole der Gemini API und wählen Sie
gemini-3.8-liveodergemini-3.8-live-extended-thinking. - Für Live-Sprach-Apps verbinden Sie sich über die Gemini Live API per zustandsbehaftetem WebSocket statt mit einer einzelnen Anfrage.
- Senden Sie das Eingabe-Audio als 16-Bit-PCM mit 16 kHz little-endian und erwarten Sie Ausgabe-Audio als 16-Bit-PCM mit 24 kHz.
- Wenn Sie Extended Thinking nutzen, legen Sie eine Denkstufe fest (low, medium oder high) und verwenden Sie nur nicht blockierende Werkzeugaufrufe.
- Beenden Sie die Sitzung erst, nachdem Sie einen Inaktivitätsstatus vom Modell gesehen haben.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Gemini 3.8 & 3.8 Live Extended Thinking.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die Voice-Agents bauen
- Kunden-Support-Teams
- Normale Nutzer der Gemini App
Aufgaben
- Fehlersuche in Echtzeit
- Live-Sprachpraxis
- Buchung und Terminplanung
Szenarien
- Einen freihändigen Assistenten beim Fahren oder Kochen nutzen, wo das stille Warten auf eine Antwort wie ein Fehler wirkt.
- Jemanden durch eine Whiteboard-Skizze begleiten, da 3.8 Live die visuelle Eingabe nahezu in Echtzeit liest.
- Mehrere asynchrone Funktionen in einer gesprochenen Sitzung koordinieren, etwa Bestand prüfen, dann Preis, dann Lieferzeit.
Wichtigste Funktionen
Speech-to-Speech-Konversation
Beide Modelle überspringen die alte Kette aus Transkribieren und dann Generieren. Audio geht rein. Audio kommt zurück. Der Gewinn sind weniger verlorene Tonhinweise und weniger Verzögerung zwischen dem, was Sie sagen, und dem, was zurückkommt. Für eine Sprach-App ist genau diese Lücke das ganze Erlebnis.
Laut denken, ohne zu verstummen
Extended Thinking führt sein Reasoning parallel zur Sprache aus. Statt Totenstille bei einer schwierigen Frage beginnt es mit einer kurzen verbalen Überbrückung wie "Lassen Sie mich das prüfen" und erzählt dann den Fortschritt, während es arbeitet. Googles Demos umfassen Live-Schachanleitung und die Umwandlung von Whiteboard-Skizzen plus gesprochenem Feedback in eine funktionierende React-Komponente.
Werkzeug- und API-Aufrufe im Hintergrund
Sie können weiterreden, während das Modell eine Websuche ausführt oder ein Werkzeug aufruft. In Extended Thinking werden nur nicht blockierende asynchrone Werkzeuge unterstützt. Dieses letzte Detail zählt. Ein blockierender Aufruf würde genau den Ablauf stocken lassen, den das Modell schützen will.
Wechsel zwischen 97 Sprachen in einem Aufruf
Gemini 3.8 Live erkennt und wechselt zwischen 97 unterstützten Sprachen, ohne dass Sie die Sitzung neu starten. Mehrsprachige Haushalte und Support-Schalter, die gemischtsprachige Anrufe annehmen, profitieren am meisten, und niemand muss sich vorab auf eine Sprache festlegen.
Visuelle Eingabe nahezu in Echtzeit
Das Standardmodell versteht Bilder und Videoframes, wenn sie eintreffen, ungefähr ein Frame pro Sekunde. So kann es kommentieren, was eine Kamera sieht.
SynthID-Audio-Wasserzeichen
Jeder Audioclip, den diese Modelle erzeugen, trägt ein unsichtbares SynthID-Wasserzeichen. Es gibt keinen Schalter zum Abschalten. Es ändert nichts am Klang, gibt Plattformen aber eine Möglichkeit, KI-generierte Sprache zu markieren.
Vor- und Nachteile
Vorteile
- Das Speech-to-Speech-Design senkt die Verzögerung, die ältere Sprachassistenten roboterhaft wirken ließ.
- Extended Thinking hält ein Gespräch am Leben, während es arbeitet, sodass komplexe Anfragen keine stille Totenstille auslösen.
- Die Abrechnung pro Audiominute mit $0.005 für die Eingabe und $0.018 für die Ausgabe bleibt für Apps mit hohem Volumen planbar.
- Der native Wechsel zwischen 97 Sprachen passt zu mehrsprachigen Produkten ohne zusätzliches Setup.
- Das unsichtbare SynthID-Wasserzeichen ist bereits eingebaut, für alle, die erzeugtes Audio öffentlich veröffentlichen.
Nachteile
- Extended Thinking erlaubt nur nicht blockierende asynchrone Werkzeugaufrufe, deshalb erzwingen synchrone Werkzeuge eine andere Architektur.
- Sie müssen auf einen ausdrücklichen Inaktivitätsstatus warten, um eine Sitzung zu beenden, was einen Zustand hinzufügt, den Ihr Code verfolgen muss.
- Die Abrechnung nach Audiominuten kann bei dauerhaft laufenden Assistenten schnell steigen, da es keine feste Obergrenze gibt.
- Die stärksten Denkstufen erhöhen die Kosten pro Minute, das tiefste Reasoning ist also nicht gratis.
Häufige Fragen
Gemini 3.8 Live ist auf schnelle, günstige Echtzeit-Konversation abgestimmt, während 3.8 Live Extended Thinking mehrstufiges Reasoning im Hintergrund ergänzt und gleichzeitig sprechen und denken kann. Beide teilen dieselbe Speech-to-Speech-Basis, wählen Sie also je nach Latenz oder Tiefe.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Gemini 3.8 & 3.8 Live Extended Thinking.
Alternativen zu Gemini 3.8 & 3.8 Live Extended Thinking
Off the Record
Weird Machines · Stimme & Sprache · ProduktivitätOff the Record ist eine macOS-App von Weird Machines. Sie verändert Ihre Stimme in Echtzeit und blockiert so die KI-Transkription: Menschen hören Sie normal, Notiztools bekommen nichts Verwertbares.
Cekura Bench
Cekura · Stimme & Sprache · BusinessCekura Bench ist ein öffentlicher Benchmark, der Speech-to-Speech-Modelle und eingesetzte Voice-Agents durch 82 simulierte Telefonate schickt, jedes dreimal, und Erfolgsquote, Latenz und Kosten pro Minute veröffentlicht.
Griffin by Tavus
Tavus · Stimme & Sprache · Video · ChatbotGriffin by Tavus ist das erste Modell für menschliche Interaktion: ein Full-Duplex-System von Video zu Video, das in einem KI-Videoanruf in Echtzeit beobachtet, zuhört und antwortet.