گوگل مدل های Gemini 3.8 Live و Gemini 3.8 Live Extended را معرفی کرد

گوگل به‌تازگی Gemini 3.8 Live و Gemini 3.8 Live Extended Thinking را منتشر کرده که امکان استدلال تقریباً هم‌زمان، پردازش هم‌زمان گفتار و تفکر و اجرای ابزارها در پس‌زمینه را فراهم می‌کنند. این مدل‌ها از طریق APIهای توسعه‌دهندگان و پلتفرم‌های مخصوص کاربران عادی در دسترس هستند. عرضه این مدل‌ها از همین حالا آغاز شده است. برای مثال، Gemini 3.8 Live بلافاصله در Gemini API، Google AI Studio، نسخه پیش‌نمایش خصوصی سازمانی در Gemini Enterprise و Search Live در دسترس قرار گرفته است.

در مقابل، Gemini 3.8 Live Extended Thinking در Gemini API، Google AI Studio، نسخه پیش‌نمایش سازمانی و برای مشترکان سرویس‌های Google Workspace شامل Docs، Gmail و Keep و همچنین Gemini Live ارائه می‌شود. این مدل در بنچمارک‌های مختلف نیز نتایج بسیار خوبی به دست آورده که از جمله آنها می‌توان به امتیاز ۸۲٫۶ در شاخص کیفیت تبدیل گفتار به گفتار (Speech to Speech Quality Index) شرکت Artificial Analysis اشاره کرد.

Gemini 3.8 Live همچنین در Speech Agent Arena رتبه دوم را به دست آورده است. مدل Gemini 3.8 Live Extended Thinking نیز در آزمون T-Voice امتیاز 68.6 درصد، در بنچمارک بانکی T-Voice شرکت Sierra امتیاز 35.1 درصد و در Big Bench Audio امتیاز 97.7 درصد کسب کرده است. یکی از قابلیت‌های مهم این مدل‌ها، اجرای ابزارها و فراخوانی APIها در پس‌زمینه، هم‌زمان با ادامه مکالمه است. این قابلیت به مدل‌ها اجازه می‌دهد در حالیکه کارهای موردنظر کاربر را در پس‌زمینه تکمیل می‌کنند، به گفتگو با او ادامه دهند.

در نتیجه، تجربه مکالمه طبیعی‌تر می‌شود و هنگام خروج مدل از محیط گفتگو برای جست‌وجوی وب، نیازی به وقفه‌های مداوم نخواهد بود. این مدل‌ها قابلیت‌های پیشرفته‌ای مانند تشخیص خودکار زبان و جابه‌جایی حین مکالمه میان 97 زبان، درک بصری تقریباً هم‌زمان و ارائه نشانه‌های کلامی اولیه مانند “بگذارید آن را بررسی کنم…” هنگام انجام وظایف مبتنی بر تفکر طولانی‌تر را ارائه می‌دهند. توسعه‌دهندگان اکنون می‌توانند مدل‌های جدید را از طریق پلتفرم‌های شرکای گوگل نیز یکپارچه کنند.

گوگل همچنین تأیید کرده است که تمام صداهای تولیدشده با این مدل‌ها دارای واترمارک نامرئی SynthID هستند تا امکان شناسایی آنها در محتوای حاوی اطلاعات نادرست فراهم شود؛ مشکلی که با گسترش استفاده از هوش مصنوعی رو به افزایش است.