Google telah meluncurkan Gemini 3.8 Live dan Gemini 3.8 Live Extended Thinking, sepasang model dialog langsung yang digambarkan perusahaan sebagai model paling canggih untuk percakapan suara alami. Model ini mulai diluncurkan pada tanggal 15 September di Gemini API, Google AI Studio, Search Live, Gemini Live, dan Google Workspace, dengan akses perusahaan dalam pratinjau pribadi melalui Gemini Enterprise.
Pengumuman tersebut datang dari Tom Ouyang, seorang insinyur utama, dan Malini Jaganathan, seorang anggota staf teknis, yang menulis atas nama Tim Audio Gemini. Ini memperluas keluarga Gemini 3.8 yang memulai debutnya awal bulan ini dengan model Flash dan Flash Cyber, dan ini menandai dorongan Google yang paling agresif dalam bantuan suara multimodal real-time — sebuah pasar di mana mode suara OpenAI dan startup gelombang ucapan bersaing untuk kasus penggunaan sehari-hari yang sama.
Peluncuran ini cocok dengan rangkaian model Google yang sangat ramai; Cakupan perkembangan AI terkini menunjukkan bahwa perusahaan tersebut kini telah melakukan pengiriman berulang kali dalam kurun waktu beberapa minggu saat mereka bersaing dengan para pesaingnya dalam hal harga, pengkodean, dan kini suara.
Dibangun untuk Percakapan Waktu Nyata
Yang membedakan model Live dengan model obrolan standar dengan mikrofon terpasang adalah latensi dan status. Dokumentasi Live API Google menjelaskan antarmuka latensi rendah yang memproses aliran audio, gambar, dan teks secara terus-menerus melalui koneksi WebSocket yang stateful, menerima audio PCM mentah 16kHz, gambar JPEG hingga satu frame per detik, dan teks, serta mengembalikan audio lisan secara real time.
Model tersebut memproses masukan visual hampir secara real-time, sehingga asisten dapat melihat apa yang dilihat pengguna — video demonstrasi Google menunjukkan Gemini 3.8 Live memandu sesi orientasi karyawan menggunakan konteks visual, bermain catur hampir secara real-time, dan membuat rencana bisnis lengkap serta perangkat pemasaran khusus melalui ucapan alami. Model ini juga dapat mendeteksi dan melakukan transisi antara 97 bahasa yang didukung secara otomatis, di tengah percakapan, tanpa pengguna berpindah pengaturan.
Mungkin yang paling penting untuk penggunaan praktis: model menjalankan alat dan panggilan API di latar belakang saat percakapan berlanjut, menerima permintaan, dan menjaga dialog tetap berjalan saat tugas selesai. Hal ini mengubah asisten dari responden berbasis giliran menjadi sesuatu yang lebih mirip dengan agen yang kebetulan berbicara.
Angka-angka yang Digembar-gemborkan Google
Google melaporkan bahwa Gemini 3.8 Live Extended Thinking meraih posisi teratas secara keseluruhan pada Indeks Kualitas Speech-to-Speech Analisis Buatan dengan skor 82,6. Pada penyelesaian tugas agen, perusahaan mengutip 68,6% pada tolok ukur τ-Voice dan 35,1% pada evaluasi τ-Voice-banking Sierra, serta skor 97,7% pada Big Bench Audio.
Ini adalah angka yang dilaporkan oleh Google, dan verifikasi independen akan memakan waktu – namun klaim atas peringkat Analisis Buatan, jika berhasil, akan menempatkan Google di depan penawaran pengoptimalan ucapan dari OpenAI dan perusahaan AI suara khusus dalam hal kualitas percakapan secara keseluruhan. Google juga mengatakan Extended Thinking mempertahankan titik harga yang sangat kompetitif, sebuah gambaran tersirat terhadap tekanan harga yang telah menentukan generasi 3.8.
Semua audio yang dihasilkan oleh model diberi tanda air dengan SynthID, tanda air Google yang tidak terlihat, sehingga ucapan yang dihasilkan AI tetap dapat dideteksi — sebuah perlindungan kepatuhan dan misinformasi yang menjadi standar di seluruh produk generatif Google.
Dimana Anda Dapat Menggunakannya
Ketersediaan berbeda antara kedua model. Gemini 3.8 Live tersedia untuk semua orang di dalam Search Live, mode pencarian visual real-time Google. Extended Thinking tersedia di Gemini Live, di Dokumen untuk pelanggan Google AI Pro dan Ultra melalui Workspace, serta di Gmail dan Keep untuk semua pengguna Google.
Pengembang mendapatkan model melalui Gemini API dan Google AI Studio, dan Google mengatakan Live API sudah digunakan oleh platform termasuk Agora, Fishjam, LiveKit, Pipecat, Vercel dan Vision Agents untuk membangun antarmuka berbasis suara di atas infrastruktur real-time Google. Salesforce, Genspark, dan Lumeris ditunjuk sebagai mitra peluncuran untuk model baru ini.
Pasar AI Suara yang Ramai
Suara menjadi medan pertempuran antarmuka pada tahun 2026 karena di sinilah AI akhirnya lolos dari keyboard. Model yang dapat melihat, mendengarkan, mengganti bahasa, dan menjalankan alat sambil berbicara tidak bersaing dengan chatbot lain namun dengan panggilan telepon, saluran dukungan pelanggan, dan asisten pribadi.
Keunggulan Google adalah distribusi: Penelusuran, Android, Workspace, dan Chrome memberikan model Live basis terpasang yang tidak dapat ditandingi oleh pesaing. Perusahaan ini bertaruh bahwa hadir di setiap sudut keseharian pengguna — kini dengan model suara terbaiknya — akan lebih berarti daripada kemenangan benchmark mana pun. Pesaing akan mendapatkan kesempatan untuk merespons, namun Google telah menjelaskan bahwa suara, yang dulu merupakan fitur demo, kini menjadi lini produk kelas satu.
Bagi pengembang, pesannya juga bersifat langsung. Dengan memublikasikan format masukan yang tepat, mendokumentasikan eksekusi alat di latar belakang, dan menyemai ekosistem dengan platform Live API, Google mencoba menjadikan tumpukannya sebagai substrat default bagi siapa pun yang membangun antarmuka lisan — mulai dari bot dukungan pelanggan hingga asisten yang dapat dikenakan. Apakah klaim kualitas Gemini 3.8 Live bertahan dalam pengujian independen, ketersediaannya sudah mulai berjalan.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
