Gemini 3.8 Live يستهدف وكلاء الصوت في الإنتاج

أعلنت Google في 15 سبتمبر 2026 عن Gemini 3.8 Live و Gemini 3.8 Live Extended Thinking بوصفهما نموذجين أصليين من الكلام إلى الكلام لوكلاء الصوت في بيئات الإنتاج. الفارق بينهما تشغيلي بالدرجة الأولى. يستهدف Gemini 3.8 Live التوسع والكفاءة الاقتصادية، أي تشغيل عدد كبير من المحادثات الحية بتكلفة يمكن توقعها. أما Gemini 3.8 Live Extended Thinking فيستهدف المهام المعقدة والاستدلال متعدد الخطوات، عندما يحتاج الوكيل إلى التفكير قبل الرد أو استدعاء أداة أو تغيير المسار. النموذجان متاحان عبر Gemini Live API و Google AI Studio. وهما مستضافان وليسا open weights، لذلك لا يتاح تشغيلهما ذاتيا على بنية العميل.

نموذجان مستضافان للصوت الحي

أهمية الإعلان تأتي من أن وكيل الصوت يفشل بطريقة مختلفة عن روبوت الدردشة النصي. في النص يمكن أن تظهر وقفة لجلب البيانات من دون أن تكسر التجربة تماما. في مكالمة أو اجتماع، على النظام أن يتعامل مع الصمت والمقاطعات وتبادل الأدوار ونتائج الأدوات من دون أن يشعر المستخدم بأن الحوار توقف. تقول Google إن استدعاء الدوال غير المتزامن يعالج جزءا من هذه المشكلة. يستطيع النموذج تشغيل الأدوات وواجهات API في الخلفية مع استمرار المحادثة، بدلا من إجبار المستخدم على الانتظار حتى تنتهي كل عملية خارجية. هذا مهم للدعم والحجوزات ومكاتب المساعدة الداخلية وكل تدفق صوتي مرتبط بأنظمة حية.

• Gemini 3.8 Live يستهدف التوسع وكفاءة التكلفة لوكلاء الصوت في الإنتاج.
• Gemini 3.8 Live Extended Thinking يستهدف المهام المعقدة والاستدلال متعدد الخطوات.
• النموذجان أصليان من الكلام إلى الكلام ومتاحان منذ 15 سبتمبر 2026 عبر Gemini Live API و Google AI Studio.
• تقول Google إن استدعاء الدوال غير المتزامن يسمح بتشغيل الأدوات وواجهات API في الخلفية أثناء استمرار الحوار.
• النموذجان خدمتان مستضافتان وليسا open weights، لذلك لا يمكن تشغيلهما ذاتيا.

القدرات الحية التي تبرزها Google

تقدم Google النموذجين كنظامين متعددي الوسائط في الزمن شبه الحقيقي، لا كمحركي صوت فقط. يستطيعان معالجة المدخلات المرئية تقريبا في الوقت الحقيقي، وهو أمر مهم لوكيل يحتاج إلى النظر إلى شاشة أو منتج أو مستند أو بيئة عمل أثناء الكلام. وتقول Google إن النموذجين يكتشفان 97 لغة وينتقلان بينها تلقائيا، وهي قدرة موجهة للمكالمات متعددة اللغات حيث لا يلتزم المستخدم بلغة واحدة. كما تشير الشركة إلى دقة أفضل في الأكواد والبيانات الأبجدية الرقمية. في الإنتاج، سماع رقم طلب أو معرف حساب أو مرجع حجز أو سلسلة تحقق قصيرة بشكل صحيح قد يحدد ما إذا كانت المهمة ستحل أو ستتحول إلى تدخل بشري.

الأرقام المعلنة ليست تحققا عاما

تنسب Google إلى Gemini 3.8 Live Extended Thinking عدة نتائج: 82.6 في Speech to Speech Quality Index، و 68.6% في tau-Voice، و 35.1% في Sierra tau-Voice-banking، و 97.7% في Big Bench Audio. وتقول Google أيضا إن Gemini 3.8 Live جاء ثانيا في Speech Agent Arena. هذه الأرقام مؤشرات مفيدة إلى ما تقول Google إنها حسنته، لكنها نتائج معلنة وليست تحققا مستقلا عاما لكل بيئات الإنتاج. جودة وكيل الصوت تعتمد أيضا على زمن الاستجابة، والصوتيات، وشبكات الهاتف، والتعامل مع المقاطعات، وموثوقية الأدوات، والإشراف البشري.

ينقل MarkTechPost أسعارا قدرها 0.005 دولار لكل دقيقة إدخال صوتي و 0.018 دولار لكل دقيقة إخراج صوتي. ويصف التقرير هذا التقدير بأنه مبني على 3 دولارات لكل مليون رمز إدخال و 12 دولارا لكل مليون رمز إخراج. بالنسبة إلى المشترين، هذا السعر ليس الحساب الكامل. وكيل الإنتاج يستهلك أيضا التحيات، والإعادات، والجولات الفاشلة، والتحويلات، والجلسات المتروكة، وحركة المراقبة. لذلك يجب قياس كفاءة Gemini 3.8 Live على أساس التكلفة الفعلية لكل مهمة محلولة، لا على أساس محادثة مثالية فقط.

الشركاء ومسارات النشر

تذكر Google شركاء بنية تحتية للزمن الحقيقي هم Agora و Fishjam و LangChain و LiveKit و Pipecat و Vercel و Vision Agents. مسار النشر متعدد الطبقات. واجهة API و Google AI Studio متاحان فورا؛ وستظهر معاينات خاصة داخل Gemini Enterprise؛ أما التوفر في Search Live و Gemini Live وبعض تجارب Workspace فيعتمد على العروض المعنية. وتقول Google أيضا إن كل الأصوات التي تولدها منتجاتها للذكاء الاصطناعي تحمل علامة SynthID غير المحسوسة. هذا لا يغني عن الإفصاح أو سجلات التدقيق، لكنه عنصر إضافي في قائمة الحوكمة.

قبل الإنتاج، ينبغي للمشترين اختبار زمن الاستجابة من البداية إلى النهاية، والمقاطعات، والتعافي بعد الخطأ، والتكلفة الفعلية، وإمكانية تتبع استدعاءات الأدوات، والإشراف البشري. هذا تحليل وليس حقيقة أعلنتها Google. بالنسبة إلى الشركات الناطقة بالعربية، التغيير العملي هو إمكان تقييم خط Gemini صوتي أصلي ومستضاف كبنية إنتاجية. الاختبار الجيد يجب أن يشمل لهجات، وضجيجا، وانتقالا بين العربية ولغات أخرى، وأكوادا أبجدية رقمية، وفشل API، وقواعد تصعيد، وحدودا واضحة لتسليم المكالمة إلى موظف بشري.