LONDON (IT BOLTWISE) – Google hat Gemini 3.8 Live sowie Gemini 3.8 Live Extended Thinking veröffentlicht und positioniert beide als seine bislang fortschrittlichsten Audio-Modelle. In einem Speech-to-Speech-Index von Artificial Analysis erreicht Extended Thinking 82,6 Punkte und landet auf Platz 1. Gleichzeitig liegen Latenz und Preiswerte im Vergleich zu älteren Varianten deutlich besser. In Blindtests der Speech Agent Arena bleibt jedoch ein älteres Gemini-Modell vorn.
Googles neues Audio-Portfolio zielt auf genau die Schnittstelle, die in der Praxis häufig der Flaschenhals ist: Sprachmodelle sollen nicht nur Text generieren, sondern in einem durchgängigen Prozess sprechen, zuhören und dabei Aufgaben logisch strukturieren. Mit Gemini 3.8 Live und der Variante Gemini 3.8 Live Extended Thinking liefert der Konzern zwei Schwerpunkte aus. Beide Modelle können laut den vorliegenden Benchmarks sprechen, Aufgaben ausführen und dabei „logisch denken“ – allerdings unterscheiden sich die gemessenen Stärken spürbar je nachdem, ob man eher auf reine Sprach- und Agentenleistung oder auf Nutzerpräferenzen achtet. Genau diese Trennung wird in den Ergebnissen sichtbar, denn die besten Werte in der einen Skala bedeuten nicht automatisch das angenehmste Nutzungserlebnis in der anderen.
Besonders auffällig ist, wie stark Extended Thinking in einem Speech-to-Speech-Index abschneidet. Der Index von Artificial Analysis verdichtet mehrere Dimensionen wie Sprachverständnis, agentische Leistung, Arena-Präferenz und eine Erfolgsquote bei Aufgaben zu einer Gesamtbewertung. In diesem Raster landet Gemini 3.8 Live Extended Thinking mit 82,6 Punkten auf dem ersten Platz – noch vor GPT-Live-1 und Grok Voice. Das Standardmodell Gemini 3.8 Live folgt mit 76,0 Punkten auf Rang 5, während die vorherige Generation Gemini 3.1 Flash Live High auf 71,5 Punkte kommt. Technisch lässt sich dahinter eine klare Richtung erkennen: Während sich „Live“ vor allem über flüssige Unterhaltung und verlässliche Ausgaben profilieren dürfte, setzt „Extended Thinking“ auf anspruchsvollere Aufgabenbearbeitung und verbessert die Logikkonsistenz entlang des Speech-to-Speech-Flows.
Auch bei den Messpunkten für Agentenfähigkeiten wird der Unterschied zwischen den beiden Varianten deutlicher als in der reinen Rangfolge. Extended Thinking erreicht im Tau Voice Benchmark 68,6 %, die vorherige Generation kommt hier nur auf 37,7 %. Beim Sprachverständnis-Benchmark erzielt Extended Thinking 97,7 % und liegt damit knapp vor Grok Voice (97,2 %). Allerdings bleibt Qwen Audio 3.0 Realtime Plus mit 99,2 % vorn – ein Hinweis darauf, dass die absolute Spitzenposition bei einzelnen Teilfähigkeiten nicht automatisch identisch ist mit der besten Gesamtleistung. Damit zeigt sich auch ein typischer Benchmark-Effekt: Wer besonders stark in komplexen Aufgaben oder in der Auswertung mehrerer Kriterien ist, kann trotz leicht schwächerer Einzelkomponenten vorne landen.
Während Benchmarks vor allem die „Maschine“ bewerten, spiegeln Blindtests meist die Perspektive der Nutzer auf den konkreten Sprechstil wider. Genau hier kommt es laut den beschriebenen Ergebnissen zu einer gewissen Ernüchterung: In der Speech Agent Arena führt weiterhin Gemini 3.1 Flash Live das Pr äferenz-Ranking in Blindtests an, mit einem Elo-Wert von 1096. Gemini 3.8 Live liegt mit 1083 knapp dahinter auf Platz 2, und die Extended-Thinking-Variante folgt mit 990, obwohl sie 89,1 % ihrer Aufgaben erfüllt. Für Produkt- und Engineering-Teams ist das relevant, weil es zwei getrennte Optimierungsziele erfordert: Modelle, die in Logik- und Erfolgsmetriken dominieren, können im Höreindruck dennoch hinter dem „weicheren“ oder „natürlicheren“ Sprechverhalten zurückbleiben. Für die KI-Entwicklung heißt das, dass Training und Evaluation nicht nur auf Output-Qualität, sondern auch auf wahrgenommene Interaktionsqualität ausgerichtet sein müssen.
Ökonomisch positioniert Google die neuen Modelle ebenfalls deutlich. Das Standardmodell Gemini 3.8 Live kostet 0,84 USD pro Stunde Audiomaterial, also ungefähr die Hälfte des Vorgängers mit 1,75 USD und zugleich günstiger als der niedrigste Satz im Index für andere Anbieter. Extended Thinking ist allerdings deutlich teurer, aber noch in einem wettbewerbsfähigen Rahmen: 3,50 USD pro Stunde. Zum Vergleich: GPT-Live-1 Sol kostet 4,47 USD, Grok Voice Think Fast 2.0 High liegt bei 4,80 USD. Daneben sinkt auch die Latenzzeit spürbar: Für die erste Audio-Ausgabe vergehen im Durchschnitt 1,18 Sekunden, während das ältere Gemini-Modell im Schnitt 2,99 Sekunden braucht. Solche Werte wirken sich im Betrieb direkt auf wahrgenommene Geschwindigkeit aus – und damit auf die Gesprächsstimmung, die wiederum in Präferenztests indirekt eine Rolle spielen kann.
Für die Marktfolgen ist schließlich entscheidend, wie Anbieter ihre Audio-KI heute messen und ausrollen. Die vorliegenden Resultate deuten darauf hin, dass Unternehmen aktuell häufig entlang zweier Achsen entscheiden: technische Leistung in Logik- und Aufgabenmetriken versus „Wie angenehm klingt es wirklich?“ in Präferenzrankings. Genau deshalb fährt Google offenbar parallel mit unterschiedlichen Modellvarianten: Extended Thinking adressiert die anspruchsvollsten Use-Cases, während Gemini 3.8 Live eher den Einstieg und die Sprechqualität im Alltag stärkt. Für Entwickler von Sprachassistenten, Call-Center-Workflows oder In-Car-Interaktionen heißt das: Wenn ein System nicht nur richtige Antworten liefern, sondern auch zuverlässig „wie mit einem Menschen“ wirken soll, müssen Evaluation, Prompt-Strategien und gegebenenfalls Auswahlregeln pro Gesprächstyp eng zusammenpassen. Gerade im Wettbewerb mit anderen Audio-Modellen zeigt sich damit: Der Weg zur besten KI führt nicht nur über den Benchmark-Score, sondern über die Kombination aus Rechenleistung, Kostenkontrolle, Latenz und einem Sprechverhalten, das Nutzer wirklich bevorzugen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Googles Gemini 3.8 Live: Spitzenwerte im Speech-to-Speech, aber Blindtests drehen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Googles Gemini 3.8 Live: Spitzenwerte im Speech-to-Speech, aber Blindtests drehen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Googles Gemini 3.8 Live: Spitzenwerte im Speech-to-Speech, aber Blindtests drehen« bei Google Deutschland suchen, bei Bing oder Google News!