Google DeepMind 15. septembra 2026 predstavil nový hlasový model Gemini 3.8 Live a jeho výkonnejšiu variantu Gemini 3.8 Live Extended Thinking. Ide o modely určené na tvorbu hlasových asistentov a agentov, ktoré podľa firmy vedú prirodzenejší rozhovor, rozumejú obrazu v reálnom čase a zvládajú úlohy na pozadí bez prerušenia konverzácie. Google tvrdí, že v testoch kvality reči predbehol konkurenčný model GPT-Live-1 od OpenAI, a to pri výrazne nižšej cene.
Súboj o hlasovú AI sa tak posúva o krok ďalej. Kým doteraz sa veľké jazykové modely merali najmä podľa toho, ako dobre píšu text alebo programujú, teraz čoraz viac záleží na tom, ako plynule vedia viesť hovorený rozhovor a vykonávať pri ňom reálne úlohy. Práve túto oblasť si OpenAI aj Google vybrali ako ďalšie bojisko po tom, čo sa im textové modely začali vzájomne podobať výkonom aj cenou.
Čo nové modely dokážu
Gemini 3.8 Live je podľa Googlu postavený na škálovateľnosť a nízke náklady, pričom kombinuje plynulý dialóg so schopnosťou vnímať vizuálny kontext. Model automaticky rozpoznáva a počas rozhovoru prepína medzi 97 jazykmi a dokáže spúšťať nástroje či volania API na pozadí, takže rozhovor sa neprerušuje ani vtedy, keď model niečo vybavuje. Náročnejšia varianta Extended Thinking pridáva viacstupňové uvažovanie a je určená na zložitejšie úlohy, napríklad viacstupňové objednávky alebo technickú podporu.
Výsledky v testoch aj cena oproti OpenAI
Podľa údajov, ktoré Google zverejnil na svojom blogu, obsadila Extended Thinking varianta prvé miesto v rebríčku Artificial Analysis Speech to Speech Quality Index so skóre 82,6 bodu, čím sa dostala pred najnovšie modely OpenAI. Na benchmarku agentových úloh τ-Voice dosiahla 68,6 percenta a na bankovom teste τ-Voice-banking od spoločnosti Sierra 35,1 percenta. Pri overovaní uvažovania na Big Bench Audio model skóroval 97,7 percenta. Základná verzia Gemini 3.8 Live skončila druhá v rebríčku Speech Agent Arena, ktorý meria preferencie používateľov.
Server The Decoder porovnal aj cenník: Google si za Gemini 3.8 Live účtuje 0,005 dolára za minútu vstupného zvuku a 0,018 dolára za minútu výstupu, zatiaľ čo OpenAI za GPT-Live-1 pýta minimálne 0,05 dolára za minútu. Hodina hlasového rozhovoru tak s modelom od Googlu vyjde približne na 1,38 dolára, kým u OpenAI je to najmenej 3 doláre. The Decoder zároveň upozornil, že model OpenAI vďaka plnému duplexu, teda súčasnému počúvaniu a hovoreniu, pôsobí v ukážkach prirodzenejšie a Google podľa všetkého znova uprednostnil cenu pred kvalitou zvuku.
Kde sa dá model už dnes použiť
Gemini 3.8 Live aj jeho náročnejšia verzia sú od spustenia dostupné cez Gemini API a Google AI Studio pre vývojárov, vo verejnom náhľade v Gemini Enterprise pre firmy a vo funkcii Search Live pre bežných používateľov. Extended Thinking pribúda aj do nástrojov Google Workspace, konkrétne do Docs Live, Gmail Live a Keep Live, pre predplatiteľov Google AI Pro a Ultra. Google zároveň spolupracuje s platformami ako LangChain, LiveKit, Pipecat, Vercel či Agora, ktoré vývojárom uľahčujú nasadenie hlasových rozhraní, a s firmami Salesforce, Genspark a Lumeris, ktoré modely testujú vo vlastných produktoch. Všetok generovaný zvuk je označený vodoznakom SynthID, ktorý má pomôcť odlíšiť ho od nahrávok skutočných ľudí.
Čo to znamená pre firmy
Nižšia cena za minútu rozhovoru môže rozhodnúť najmä pri nasadení hlasových agentov v zákazníckej podpore alebo v callcentrách, kde sa objem hovorov počíta v tisíckach hodín mesačne. Rozdiel medzi 1,38 dolára a 3 dolármi za hodinu sa pri väčšom objeme rýchlo prejaví na prevádzkových nákladoch. Na druhej strane si treba overiť, či je kvalita konverzácie dostatočná pre konkrétne použitie, pretože podľa dostupných ukážok OpenAI model zatiaľ pôsobí plynulejšie. Firmy, ktoré uvažujú o nasadení hlasových agentov, tak stoja pred bežným kompromisom medzi cenou a skúsenosťou zákazníka, podobne ako pri nedávnom spustení nového audio modelu od ElevenLabs. Podpora 97 jazykov navyše znamená, že aj menšie firmy mimo veľkých trhov môžu hlasového agenta nasadiť v slovenčine alebo v angličtine bez toho, aby museli objednávať samostatný jazykový model, hoci reálnu kvalitu prekladu a výslovnosti bude treba overiť až v praxi.
Google zároveň v posledných mesiacoch pravidelne aktualizuje aj ďalšie časti svojej AI ponuky, napríklad predpoveď počasia WeatherNext 3, čo naznačuje, že firma sa snaží zdôrazniť praktické nasadenie AI naprieč produktmi, nielen výkon v laboratórnych testoch.
