Google ra mắt mô hình đối thoại thời gian thực Gemini 3.8 Live và Extended Thinking

Vào ngày 15 tháng 9 theo giờ địa phương, Google chính thức thông báo ra mắt hai sản phẩm mới là Gemini 3.8 Live và Gemini 3.8 Live Extended Thinking. Google cho biết đây là mô hình đối thoại thời gian thực tiên tiến nhất mà họ từng có, nhằm mục đích giúp cuộc trò chuyện AI trở nên trực quan và thông minh hơn thông qua những nâng cấp đáng kể về trí tuệ và suy luận song song. Hai mô hình này được tối ưu hóa cho các kịch bản ứng dụng khác nhau: Gemini 3.8 Live tập trung vào việc triển khai ở quy mô lớn và hiệu quả chi phí, trong khi Gemini 3.8 Live Extended Thinking chuyên sâu vào các nhiệm vụ phức tạp cao và tăng cường khả năng suy luận đa bước.

Về hiệu suất, Gemini 3.8 Live Extended Thinking đạt kết quả dẫn đầu trong nhiều bài kiểm tra chuẩn. Nó đứng thứ nhất về tổng điểm chỉ số chất lượng giọng nói sang giọng nói của Artificial Analysis với 82,6%, và đạt tỷ lệ hoàn thành nhiệm vụ tác nhân τ-Voice là 68,6%. Đồng thời, mô hình này đạt 97,7% trong bài kiểm tra Big Bench Audio, đáng kể nâng cao mức độ thông minh cho các quy trình làm việc phức tạp dựa trên mức giá cạnh tranh.

Gemini 3.8 Live nhận được sự đánh giá cao về trải nghiệm người dùng và lợi ích chi phí, xếp thứ hai trong bảng xếp hạng Speech Agent Arena. Mô hình này có khả năng hiểu hình ảnh xuất sắc, có thể xử lý đầu vào hình ảnh gần như thời gian thực và tự động phát hiện cũng như chuyển đổi giữa 97 ngôn ngữ được hỗ trợ trong quá trình hội thoại. Ngoài ra, nó có thể thực hiện các lệnh gọi công cụ và API trong nền trong khi vẫn duy trì cuộc trò chuyện mượt mà không bị gián đoạn, thành công trong việc cân bằng độ chính xác và chất lượng hội thoại, qua đó đẩy đường giới hạn Pareto cho các quy trình làm việc phức tạp lên cao hơn.

Đối với nhu cầu suy luận sâu, Gemini 3.8 Live Extended Thinking cho phép suy luận và phát lời diễn ra đồng thời. Trong khi không làm gián đoạn độ mượt mà của cuộc trò chuyện, nó phản hồi bằng các gợi ý ngôn ngữ tự nhiên như "Để tôi xác nhận lại..." và có thể giải thích theo thời gian thực tiến độ xử lý các nhiệm vụ nền đa bước. Thiết kế này cho phép mô hình cung cấp suy luận logic chính xác khi xử lý các nhiệm vụ phức tạp cao, đồng thời duy trì trải nghiệm tương tác tự nhiên.

Về mặt xây dựng hệ sinh thái, nhà phát triển có thể dễ dàng xây dựng giao diện điều khiển giọng nói hiệu suất cao trên các nền tảng như Agora, Fishjam, LiveKit, Pipecat, Vercel, Vision Agents thông qua Gemini Live API. Google cũng đang hợp tác với các doanh nghiệp như Salesforce, Genspark, Lumeris để cùng thúc đẩy sự phát triển của hệ sinh thái liên quan, nhằm mục đích áp dụng rộng rãi hơn các khả năng đối thoại thời gian thực tiên tiến vào nhiều kịch cảnh thương mại khác nhau.

An ninh và tuân thủ là một phần quan trọng của lần ra mắt này. Google đã thêm nhãn chìm vô hình SynthID vào tất cả âm thanh do AI tạo ra, nhúng trực tiếp vào đầu ra âm thanh. Công nghệ này nhằm mục đích giúp phát hiện và ngăn chặn sự lan truyền thông tin sai lệch, đảm bảo khả năng truy xuất nguồn gốc của nội dung do AI tạo ra, mang lại môi trường tương tác AI an toàn hơn cho người dùng và doanh nghiệp.

Hiện tại, Gemini 3.8 Live đã bắt đầu được phân phối. Nhà phát triển có thể sử dụng trên Gemini API và Google AI Studio; người dùng doanh nghiệp có thể trải nghiệm sớm trên Gemini Enterprise và sắp ra mắt trên Gemini Enterprise for Customer Experience; người dùng phổ thông có thể trải nghiệm trên Search Live. Việc phổ biến mô hình này đánh dấu sự áp dụng thực tế của công nghệ đối thoại thời gian thực trong nhiều kịch cảnh hơn.

Gemini 3.8 Live Extended Thinking cũng đã bắt đầu được phân phối. Nhà phát triển cũng có thể sử dụng trên Gemini API và Google AI Studio; người dùng doanh nghiệp có thể trải nghiệm sớm trên Gemini Enterprise, sắp ra mắt trên Gemini Enterprise for Customer Experience và dành cho khách hàng doanh nghiệp Google Workspace; người dùng phổ thông có thể trải nghiệm trên Gemini Live, người đăng ký Google AI Pro và Ultra có thể sử dụng trên Docs của Google Workspace, và tất cả người đăng ký Google AI có thể trải nghiệm trên Gmail và Keep.