Gemini 3.8 Live zielt auf produktive Sprachagenten

Google hat Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking am 15. September 2026 als zwei native Speech to Speech Modelle fuer Voice Agents im Produktivbetrieb vorgestellt. Die Trennung ist vor allem praktisch. Gemini 3.8 Live soll Skalierung und wirtschaftliche Effizienz abdecken, also viele laufende Gespraeche zu kontrollierbaren Kosten. Gemini 3.8 Live Extended Thinking richtet sich an komplexe Aufgaben und mehrstufiges Schlussfolgern, wenn ein Agent vor der Antwort, vor einem Tool Aufruf oder vor einem Kurswechsel mehrere Schritte abwaegen muss. Beide Modelle sind ueber die Gemini Live API und Google AI Studio verfuegbar. Sie werden gehostet, sind keine Open Weights und lassen sich deshalb nicht selbst betreiben.

Zwei gehostete Modelle fuer Live Sprache

Die Ankuendigung ist wichtig, weil Voice Agents anders scheitern als Text Chatbots. In einem Chat kann eine sichtbare Pause fuer Datenabruf akzeptabel sein. In einem Telefonat oder Meeting muss das System Stille, Unterbrechungen, Sprecherwechsel und Tool Ergebnisse verarbeiten, ohne dass das Gespraech abbricht. Google stellt dafuer asynchrones Function Calling heraus. Das Modell kann Tools und APIs im Hintergrund starten und waehrenddessen die Unterhaltung fortsetzen, statt den Nutzer bei jeder externen Aktion warten zu lassen. Fuer Support, Terminbuchung, interne Helpdesks und andere stimmgesteuerte Prozesse ist genau diese Entkopplung ein Kernpunkt.

• Gemini 3.8 Live zielt auf Skalierung und Kostenkontrolle fuer produktive Voice Agents.
• Gemini 3.8 Live Extended Thinking zielt auf komplexe Aufgaben und mehrstufiges Reasoning.
• Beide Modelle sind native Speech to Speech Modelle und seit dem 15. September 2026 ueber Gemini Live API und Google AI Studio verfuegbar.
• Google sagt, dass asynchrones Function Calling Tools und APIs im Hintergrund ausfuehrt, waehrend die Konversation weiterlaeuft.
• Die Modelle sind gehostete Dienste, keine Open Weights, daher ist kein Self Hosting vorgesehen.

Welche Live Faehigkeiten Google betont

Google beschreibt die Modelle ausserdem als multimodale Live Systeme und nicht nur als Sprachmaschinen. Sie koennen visuelle Eingaben nahezu in Echtzeit verarbeiten, was fuer Agenten relevant ist, die beim Sprechen einen Bildschirm, ein Produkt, ein Dokument oder eine Arbeitsumgebung beruecksichtigen muessen. Google nennt auch automatische Erkennung und Wechsel zwischen 97 Sprachen. Das adressiert mehrsprachige Anrufe, in denen Nutzer nicht sauber bei einer Sprache bleiben. Zusaetzlich hebt Google bessere Genauigkeit bei Codes und alphanumerischen Daten hervor. Fuer Bestellnummern, Kontokennungen, Buchungsreferenzen oder kurze Pruefzeichenfolgen ist das oft der Unterschied zwischen Demo und belastbarem Betrieb.

Benchmarks bleiben angekuendigte Werte

Google meldet fuer Gemini 3.8 Live Extended Thinking mehrere Ergebnisse: 82,6 im Speech to Speech Quality Index, 68,6 Prozent bei tau-Voice, 35,1 Prozent bei Sierra tau-Voice-banking und 97,7 Prozent bei Big Bench Audio. Zudem sagt Google, Gemini 3.8 Live liege in der Speech Agent Arena auf Platz zwei. Diese Zahlen sind relevante Hinweise auf Googles beanspruchte Fortschritte, aber sie sind angekuendigte Resultate und keine allgemeine unabhaengige Validierung fuer jede Produktionsumgebung. Die Qualitaet eines Voice Agents haengt auch von Latenz, Akustik, Telefonie, Unterbrechungen, Tool Stabilitaet und menschlicher Aufsicht ab.

MarkTechPost berichtet Preise von 0,005 Dollar pro Minute Audioeingabe und 0,018 Dollar pro Minute Audioausgabe. Die Schaetzung basiert laut Bericht auf 3 Dollar pro Million Eingabetoken und 12 Dollar pro Million Ausgabetoken. Fuer Einkaeufer ist diese Zahl ein Ausgangspunkt, aber nicht die Gesamtrechnung. Produktive Agenten verursachen Kosten fuer Begruessungen, Wiederholungen, abgebrochene Sitzungen, Weiterleitungen, Fehlversuche und Monitoring. Ob der von Gemini 3.8 Live angestrebte Kostenvorteil real wird, zeigt sich erst im gemessenen Ende zu Ende Ablauf.

Partner und Wege in die Bereitstellung

Google nennt Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel und Vision Agents als Partner fuer Echtzeit Infrastruktur. Der Rollout erfolgt ueber mehrere Wege. API und Google AI Studio sind sofort verfuegbar; private Previews sind in Gemini Enterprise vorgesehen; und Search Live, Gemini Live sowie ausgewaehlte Workspace Erfahrungen erhalten die Modelle je nach Angebot. Google sagt ausserdem, dass alle von seinen KI Produkten erzeugten Klaenge das unmerkliche SynthID Wasserzeichen tragen. Das ersetzt keine Offenlegung und keine Audit Logs, kann aber Teil der Governance Checkliste werden.

Vor einem Produktivstart sollten Unternehmen Ende zu Ende Latenz, Unterbrechungen, Fehlererholung, reale Kosten, Nachvollziehbarkeit von Tool Aufrufen und menschliche Aufsicht testen. Das ist Analyse, keine von Google angekuendigte Tatsache. Fuer deutschsprachige Unternehmen bedeutet die Ankuendigung, dass eine gehostete, sprach native Gemini Linie nun als Produktionsbaustein geprueft werden kann. Ein sinnvoller Pilot ist deshalb kein glattes Skript, sondern ein echter Call Flow mit Dialekten, Stoergeraeuschen, alphanumerischen Daten, API Ausfaellen, Eskalationsregeln und klarer menschlicher Uebernahme.