گوگل مدل‌های جمینای 3.8 لایو را برای مکالمه صوتی و استدلال هم‌زمان معرفی کرد

گوگل دو مدل هوش مصنوعی جدید با نام‌های جمینای 3.8 لایو و Gemini 3.8 Live Extended Thinking معرفی کرده است؛ مدل‌هایی که به گفته این شرکت، پیشرفته‌ترین مدل‌های مکالمه زنده گوگل محسوب می‌شوند و برای همکاری صوتی، پردازش هم‌زمان ورودی‌های تصویری و انجام وظایف پیچیده از طریق گفت‌وگو طراحی شده‌اند.

مدل Gemini 3.8 Live با تمرکز بر مقیاس‌پذیری و مدیریت هزینه توسعه یافته است و هوش مکالمه‌ای را با ادراک بصری و گفت‌وگویی روان ترکیب می‌کند. در مقابل، نسخه Gemini 3.8 Live Extended Thinking برای مسائل پیچیده‌تر ساخته شده و بر توان پردازشی بیشتر و استدلال چندمرحله‌ای تکیه دارد. گوگل این دو مدل را گزینه‌ای برای توسعه‌دهندگان و مشتریان سازمانی به‌منظور طراحی ایجنت‌های صوتی معرفی کرده است.

بر اساس بررسی‌های فنی گوگل، مدل Extended Thinking در شاخص کیفیت صدا‌به‌صدا در پایگاه Artificial Analysis، با امتیاز ۸۲.۶ رتبه نخست را کسب کرده است. این مدل همچنین در بنچمارک τ-Voice امتیاز ۶۸.۶ درصد، در آزمون τ-Voice-banking امتیاز ۳۵.۱ درصد و در آزمون استدلال صوتی Big Bench Audio امتیاز ۹۷.۷ درصد را ثبت کرده است.

از قابلیت‌های مهم این خانواده می‌توان به درک سریع ورودی‌های تصویری حین مکالمه، تشخیص خودکار و جابه‌جایی میان ۹۷ زبان و اجرای ابزارها و دستورهای نرم‌افزاری در پس‌زمینه، بدون قطع‌شدن گفت‌وگو، اشاره کرد. نسخه Extended نیز هنگام حل مسائل دشوار می‌تواند استدلال و مکالمه را هم‌زمان ادامه دهد و روند پیشرفت را به‌صورت صوتی گزارش کند.

گوگل اعلام کرده است که صداهای تولیدشده با این سیستم‌ها، با فناوری SynthID واترمارک می‌شوند تا امکان رهگیری اصالت محتوا فراهم شود. انتشار هر دو مدل نیز آغاز شده است؛ Gemini 3.8 Live از طریق Gemini API، Google AI Studio، پیش‌نمایش خصوصی Gemini Enterprise و Search Live ارائه می‌شود و نسخه Extended Thinking نیز در دسترس توسعه‌دهندگان، مشتریان تجاری Workspace، کاربران جمینای لایو و برخی سرویس‌های گوگل قرار گرفته است.