Zum Inhalt springen
  • BTC $58.108 −7,3%
  • ETH $1.594 −10,4%
  • SOL $67,87 −8,1%
  • BNB $531,75 −9,2%
  • XRP $0,8948 −7,7%
  • DOGE $0,0531 −9,8%
  • ADA $0,1389 −9,5%

Gemini 3.8 Live Extended Thinking übertrifft Sprach-Benchmarks mit einer Begründungsbewertung von 97,7 %

Google hat mit der Einführung von zwei neuen Gemini-3.8-KI-Modellen begonnen, die speziell für Sprachinteraktion entwickelt wurden. Das Unternehmen sagt, sie stellten einen echten Sprung darin dar, wie natürlich Maschinen gleichzeitig denken und sprechen können. Angekündigt am 15. September 2026, sind Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking darauf ausgelegt,…

Gemini 3.8 AI models
Gemini 3.8 AI Models Drive Next-Gen Voice Interaction

Google hat mit der Einführung von zwei neuen Gemini 3.8 KI-Modellen begonnen, die speziell für Sprachinteraktion entwickelt wurden. Laut dem Unternehmen markieren sie einen echten Sprung darin, wie natürlich Maschinen gleichzeitig schlussfolgern und sprechen können. Angekündigt am 15. September 2026 sind Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking darauf ausgelegt, Gespräche mit einer KI weniger wie das Erteilen von Befehlen und mehr wie ein echtes Gespräch wirken zu lassen, so Google. Der Start, erläutert von Tom Ouyang, Principal Engineer bei Google, und Malini Jaganathan vom Gemini Audio Team, positioniert die beiden Modelle als Grundlage für eine neue Generation von Sprachagenten, die von Entwicklern, Unternehmen und alltäglichen Nutzern eingesetzt werden.

Wichtigste Erkenntnisse

  • Google stellte am 15. September 2026 Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking vor, zwei neue KI-Audiomodelle, die für Sprachagenten entwickelt wurden.
  • Gemini 3.8 Live Extended Thinking belegte mit einer Punktzahl von 82,6 den ersten Platz im Speech to Speech Quality Index von Artificial Analysis und erzielte 97,7 % im Big Bench Audio für Schlussfolgerungsfähigkeit.
  • Gemini 3.8 Live erreichte den zweiten Platz im Nutzerpräferenz-Ranking der Speech Agent Arena und blieb dabei kosteneffizient im großen Maßstab.
  • Beide Modelle unterstützen 97 Sprachen mit automatischem Sprachwechsel während des Gesprächs und können Hintergrundaufgaben ausführen, ohne die Unterhaltung zu unterbrechen.
  • Alle von diesen Modellen erzeugten Audios sind mit SynthID gekennzeichnet, und Unternehmenskunden wie Salesforce, Genspark und Lumeris testen die Technologie bereits.

Google bringt die KI-Modelle Gemini 3.8 Live und 3.8 Live Extended Thinking auf den Markt

Die beiden Modelle teilen sich die Arbeit zwischen Geschwindigkeit und Tiefe auf. Gemini 3.8 Live ist auf Skalierung und Kosteneffizienz ausgelegt und verbindet konversationelle Intelligenz mit flüssigem Dialog und visueller Verankerung – das bedeutet, es kann das, was es durch eine Kamera oder einen Bildschirm „sieht“, verarbeiten und diesen Kontext nahezu sofort in eine Antwort einfließen lassen. Gemini 3.8 Live Extended Thinking hingegen zielt auf hochkomplexe Aufgaben ab, die mehrstufiges Schlussfolgern erfordern, und bietet dafür mehr Intelligenz auf Kosten einer etwas höheren Rechenlast.

Überblick über Gemini 3.8 Live und Extended Thinking

Google stellt das Duo als komplementär statt konkurrierend dar. Gemini 3.8 Live übernimmt alltägliche, hochvolumige Interaktionen, bei denen Geschwindigkeit und Kosten am wichtigsten sind, während Extended Thinking für Szenarien reserviert ist, in denen Genauigkeit und Tiefe der Schlussfolgerungen Vorrang vor der reinen Antwortzeit haben. Beide Modelle gehören zu der breiteren Entwicklung hin zu Echtzeit-Schlussfolgerungs-KI, einer Kategorie, die laut Google zentral dafür ist, Sprach-KI-Agenten in Produktionsumgebungen wirklich nützlich zu machen, statt sie nur als neuartige Demos einzusetzen.

Vorgesehene Anwendungsfälle und Bereitstellungskanäle

Für Entwickler und Unternehmen liefern die beiden Modelle laut Google die Bausteine für zuverlässige, produktionsreife Sprachagenten. Die Modelle treiben bereits Sprachinteraktionen in der Gemini-App, in Google Workspace und in der Suche an und ermöglichen es Nutzern, komplexe Aufgaben ausschließlich mit ihrer Stimme zu bewältigen. Besonders Search Live bietet nun schrittweise Echtzeit-Fehlerbehebung, unterstützt von Gemini 3.8 Live.

Leistungsbenchmarks und Fähigkeiten

Googles Benchmark-Daten platzieren Gemini 3.8 Live Extended Thinking an der Spitze mehrerer unabhängiger Sprach- und Schlussfolgerungstests. Das Modell erreichte mit einer Punktzahl von 82,6 den ersten Platz im Speech to Speech Quality Index von Artificial Analysis und führt bei der agentenbasierten Aufgabenerfüllung mit 68,6 % im τ-Voice-Benchmark und 35,1 % im τ-Voice-banking-Benchmark von Sierra. Speziell beim Schlussfolgern erzielte es 97,7 % im Big Bench Audio, während es laut Google preislich mit anderen Spitzenmodellen konkurrieren kann.

Gemini 3.8 Live, das leichtere der beiden Modelle, sicherte sich den zweiten Platz in den Nutzerpräferenz-Rankings der Speech Agent Arena – ein Hinweis darauf, dass Nutzer seine Antworten auch ohne die zusätzliche Schlussfolgerungstiefe des Schwestermodells überzeugend fanden. Google verweist außerdem auf EVA-Bench von ServiceNow, einen Benchmark zur Bewertung von Sprachagenten, bei dem die Modelle laut Google die sogenannte Pareto-Grenze für komplexe Workflows verschoben haben, indem sie Genauigkeit und Gesprächsqualität ausbalancierten. Dieser Test lief über die Live-API innerhalb der Gemini Enterprise Agent Platform.

Warum das wichtig ist: Führungspositionen in Benchmarks garantieren allein noch keine breite Nutzung in der Praxis, liefern Unternehmen aber einen Datenpunkt, um sie mit konkurrierenden Sprachassistenten zu vergleichen, während der Wettbewerb im Bereich konversationeller KI zunimmt. Googles eigene Einordnung des Starts als Teil eines größeren Vorstoßes zur Stärkung seiner Position in einem dicht besetzten KI-Markt deutet darauf hin, dass das Unternehmen diese Werte eher als Wettbewerbsmarker denn als rein internen Meilenstein betrachtet.

Kernfunktionen und mehrsprachige Unterstützung

Über die reinen Benchmark-Zahlen hinaus unterscheiden sich diese Gemini 3.8 KI-Modelle vor allem durch ihre praktischen Funktionen von typischen Sprachassistenten. Gemini 3.8 Live verarbeitet visuelle Eingaben nahezu in Echtzeit, erkennt automatisch 97 unterstützte Sprachen und wechselt während eines Gesprächs zwischen ihnen, und kann Tools und API-Aufrufe im Hintergrund ausführen, ohne den Gesprächsfluss zu unterbrechen – es bestätigt eine Anfrage, während die Aufgabe im Hintergrund leise abgeschlossen wird.

Extended Thinking treibt diese Idee noch weiter. Es kann gleichzeitig schlussfolgern und sprechen, indem es frühe verbale Hinweise wie „Lass mich das überprüfen …“ nutzt, um eine Eingabe natürlich zu bestätigen, und dann einen Live-Fortschrittskommentar liefert, während es mehrstufige Hintergrundaufgaben bearbeitet. Dies soll dafür sorgen, dass sich ein Gespräch kontinuierlich anfühlt, selbst wenn das Modell im Hintergrund etwas Komplexes verarbeitet.

Das ist relevant für alle, die schon einmal mit einem holprigen Sprachassistenten zu tun hatten, der mitten im Satz ins Stocken gerät oder einen harten Neustart erzwingt, wenn die Sprache gewechselt wird. Wenn Googles Beschreibung sich in der Praxis bewahrheitet, verringert sich der Abstand zwischen skriptbasierten Sprachmenüs und etwas, das einem echten Assistenten näherkommt, erheblich – ein Wandel mit Auswirkungen auf den Kundenservice, auf Barrierefreiheits-Tools und auf freihändige Produktivitäts-Apps.

Entwickler-Ökosystem und Unternehmenspartnerschaften

Die Einführung neuer KI-Modelle hängt oft davon ab, wie einfach sie sich in bestehende Produkte integrieren lassen, und Google stützt sich dabei auf sein Entwickler-Ökosystem, um diese Arbeit zu leisten. Über die Gemini Live API ermöglichen Plattformen wie Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel und Vision Agents Entwicklern den Aufbau sprachgesteuerter Schnittstellen, während die Plattformen selbst die komplexe Echtzeit-Medien-Streaming-Infrastruktur im Hintergrund verwalten.

Auf Unternehmensseite nennt Google Salesforce, Genspark und Lumeris als Firmen, die bereits mit 3.8 Live und 3.8 Live Extended Thinking zusammenarbeiten, und verweist auf deren Interesse an Latenz, Flüssigkeit und Tool-Aufruf-Fähigkeiten der Modelle. Diese Kombination aus Entwickler-Tools und Unternehmensakzeptanz entscheidet typischerweise darüber, ob ein neues KI-Modell zur Infrastruktur wird, auf der andere Produkte aufbauen, oder eine isolierte Funktion bleibt.

Sicherstellung von Transparenz mit SynthID-Audio-Wasserzeichen

Jedes von diesen Modellen erzeugte Audio trägt ein SynthID-Wasserzeichen, ein Signal, das laut Google für das menschliche Ohr nicht wahrnehmbar ist, aber direkt in die Ausgabe eingewoben wird. Ziel ist es laut Google, KI-generierte Inhalte erkennbar zu halten, um so zur Verhinderung von Fehlinformationen beizutragen. Je fähiger Sprachagenten werden, flüssige, menschenähnliche Gespräche zu führen, desto wichtiger wird diese Art von Rückverfolgbarkeit – sie gibt Plattformen und Regulierungsbehörden eine Möglichkeit, synthetische Sprache von einer echten menschlichen Stimme zu unterscheiden, ohne sich auf Vermutungen verlassen zu müssen.

SynthID-Wasserzeichen verändern weder den Klang noch die Leistung der Modelle; sie arbeiten leise im Hintergrund, was gewissermaßen der Punkt ist. Google verweist alle, die mehr Details zu seinem Sicherheitsansatz wünschen, auf die zusammen mit der Veröffentlichung bereitgestellte Model Card.

Einführungszeitplan und wo man die Modelle ausprobieren kann

Beide Modelle wurden ab dem 15. September 2026 ausgerollt, wobei der Zugang je nach Zielgruppe variiert. Entwickler können ab sofort über die Gemini API und Google AI Studio auf 3.8 Live und 3.8 Live Extended Thinking zugreifen. Unternehmen erhalten im Rahmen einer privaten Vorschau Zugriff über Gemini Enterprise, wobei Gemini Enterprise for Customer Experience für beide Modelle bald folgen soll, und Geschäftskunden von Google Workspace erhalten speziell Zugriff auf Extended Thinking.

Für Alltagsnutzer ist Gemini 3.8 Live jetzt in Search Live verfügbar, während Extended Thinking in Gemini Live ausgerollt wird und für Google AI Pro- und Ultra-Abonnenten in Workspace-Apps wie Docs – sowie in Gmail und Keep für alle Google-AI-Abonnenten – zur Verfügung steht.

FAQ

Was sind die Hauptunterschiede zwischen Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking?

Gemini 3.8 Live konzentriert sich auf Skalierung, Kosteneffizienz, konversationelle Intelligenz und visuelle Verankerung, während Gemini 3.8 Live Extended Thinking auf hochkomplexe Aufgaben mit erweitertem mehrstufigem Schlussfolgern abzielt.

Wie gut schneiden die Gemini-3.8-Modelle im Vergleich zu Benchmarks ab?

Gemini 3.8 Live Extended Thinking erreichte die Spitzenbewertung von 82,6 im Speech to Speech Quality Index von Artificial Analysis, führt Benchmarks zur agentenbasierten Aufgabenerfüllung an und erzielte 97,7 % im Big Bench Audio für Schlussfolgerungsfähigkeit.

Welche Sprachen unterstützen die Gemini-3.8-Modelle?

Die Modelle unterstützen 97 Sprachen und können während eines Gesprächs automatisch die Sprache wechseln.

Wie stellt Google Transparenz bei KI-generiertem Audio mit Gemini 3.8 sicher?

Alles KI-generierte Audio wird mit SynthID gekennzeichnet, einem nicht wahrnehmbaren Wasserzeichen, das die Erkennung ermöglicht und so zur Verhinderung von Fehlinformationen beiträgt.

{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Was sind die Hauptunterschiede zwischen Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Gemini 3.8 Live konzentriert sich auf Skalierung, Kosteneffizienz, konversationelle Intelligenz und visuelle Verankerung, während Gemini 3.8 Live Extended Thinking auf hochkomplexe Aufgaben mit erweitertem mehrstufigem Schlussfolgern abzielt.“}},{„@type“:“Question“,“name“:“Wie gut schneiden die Gemini-3.8-Modelle im Vergleich zu Benchmarks ab?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Gemini 3.8 Live Extended Thinking erreichte die Spitzenbewertung von 82,6 im Speech to Speech Quality Index von Artificial Analysis, führt Benchmarks zur agentenbasierten Aufgabenerfüllung an und erzielte 97,7 % im Big Bench Audio für Schlussfolgerungsfähigkeit.“}},{„@type“:“Question“,“name“:“Welche Sprachen unterstützen die Gemini-3.8-Modelle?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die Modelle unterstützen 97 Sprachen und können während eines Gesprächs automatisch die Sprache wechseln.“}},{„@type“:“Question“,“name“:“Wie stellt Google Transparenz bei KI-generiertem Audio mit Gemini 3.8 sicher?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Alles KI-generierte Audio wird mit SynthID gekennzeichnet, einem nicht wahrnehmbaren Wasserzeichen, das die Erkennung ermöglicht und so zur Verhinderung von Fehlinformationen beiträgt.“}}]}

Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.

Francesco Antonio Russo

Alle Artikel von Francesco Antonio Russo