DeepMind lancia Gemini 3.8 Live per agenti vocali e una versione potenziata

Agenti vocali più rapidi da mettere in produzione, con costi e scala sotto controllo: è la promessa di Gemini 3.8 Live e della variante Gemini 3.8 Live Extended Thinking presentate da Google DeepMind per conversazioni voce‑a‑voce in tempo quasi reale¹.

Live punta su dialogo fluido, intelligenza conversazionale e visual grounding. Si propone come base per agenti vocali orientati all’esecuzione di compiti, con attenzione al rapporto prestazioni/costi¹. Extended Thinking alza l’asticella su compiti che richiedono più passaggi. Introduce ragionamento multi‑step e capacità mirate al completamento dei task complessi¹.

Il collegamento con i prodotti è diretto. Parlare con Gemini diventa più collaborativo nell’app Gemini, in Google Workspace e in Search. L’obiettivo: usare la voce come interfaccia principale per gestire attività articolate senza cambiare flusso di lavoro¹.

Il nodo tecnico è il “near real‑time reasoning”. Il sistema riconosce e genera parlato mentre ragiona durante la conversazione. La promessa è mantenere la qualità del dialogo e l’esecuzione dei compiti riducendo la latenza percepita¹.

I dati arrivano da benchmark terzi citati da DeepMind. Gemini 3.8 Live Extended Thinking ottiene 82,6 nell’Artificial Analysis’ Speech to Speech Quality Index, un indice che misura la qualità delle interazioni voce‑a‑voce. Lo stesso modello guida nei test di completamento dei compiti in scenari vocali: 68,6% su τ‑Voice e 35,1% su τ‑Voice‑banking di Sierra, suite che valuta la capacità di portare a termine task tramite dialogo parlato. DeepMind presenta queste metriche come indicatori di qualità dell’interazione e di successo nel completamento dei task in conversazioni voce‑a‑voce¹.

La proposta è duale, per coprire esigenze diverse. Live privilegia scala ed efficienza per casi d’uso conversazionali ad alta frequenza. Extended Thinking mira a contesti con più passaggi e maggiore complessità operativa. L’ambizione è fornire “building blocks” per agenti vocali pronti per la produzione, utili a sviluppatori e imprese che cercano interazioni naturali e capacità di portare a termine compiti con tempi di risposta contenuti¹.

L’integrazione trasversale in app Gemini, Workspace e Search amplia la disponibilità delle funzioni annunciate. Le stesse capacità si attivano dove già si lavora e si cerca, senza introdurre nuove interfacce o gesti. Il valore, nelle intenzioni, sta nel ridurre attriti e passaggi quando si usano la voce e l’agente come strumento di lavoro quotidiano¹.

Resta un punto da verificare sul campo: quanto i punteggi di qualità e completamento riflettano prestazioni in contesti reali. Distribuzione ampia, turn‑taking, rumore e vincoli di latenza metteranno alla prova la tenuta del “near real‑time reasoning” nelle app Gemini, in Workspace e in Search. I prossimi rollout diranno se i numeri dei benchmark si traducono in benefici misurabili per utenti e team che lavorano a voce¹.