Google hat am 15. September 2026 zwei neue KI-Modelle für Sprachdialoge vorgestellt: Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking. Das größere Modell kann komplexe Aufgaben durchdenken, während es weiterspricht, statt wie bisher erst zu pausieren. Der Rollout in Gemini-App, Google-Suche und mehreren Workspace-Diensten hat laut offizieller Ankündigung im Google-Blog bereits begonnen.
Das Wichtigste in Kürze
- Zwei neue Audio-Modelle: das schlanke Gemini 3.8 Live und das reasoning-fähige Gemini 3.8 Live Extended Thinking
- Extended Thinking denkt und spricht gleichzeitig und meldet sich zwischendurch mit Sätzen wie „Lass mich das kurz prüfen“
- Gemini 3.8 Live wechselt mitten im Gespräch zwischen 97 Sprachen und verarbeitet Bild- und Videoeingaben nahezu verzögerungsfrei
- Ab sofort verfügbar in der Gemini-App, im AI Mode der Google-Suche, in Gmail, Docs und Keep sowie über API, AI Studio und Vertex AI
- Jede Audioausgabe trägt das SynthID-Wasserzeichen von Google
Was die beiden neuen Modelle unterscheidet
Beide Modelle bauen laut der Model Card von Google DeepMind auf dem Fundament von Gemini 3 Pro auf, sind aber gezielt für Audio-Dialoge in Echtzeit zugeschnitten. Sie verarbeiten Text, Bild, Video und Audio als Eingabe und antworten in Sprache und Text.
Gemini 3.8 Live: schnell und für den Alltag gedacht
Das Basismodell richtet sich an Anwendungen, bei denen Tempo und Kosten zählen. Es erkennt automatisch, wenn jemand die Sprache wechselt, und deckt insgesamt 97 Sprachen ab, ohne dass die Unterhaltung neu gestartet werden muss. Visuelle Eingaben über die Kamera verarbeitet es nach Angaben von Google nahezu in Echtzeit. Tool-Aufrufe und API-Anfragen laufen im Hintergrund weiter, während das Gespräch normal fortgesetzt wird, ein Automatisierungsgedanke, den Google zuletzt auch bei Smart-Home-Geräten über das Model Context Protocol verfolgt hat.
Gemini 3.8 Live Extended Thinking: Reasoning ohne Gesprächspause
Die größere Variante übernimmt Aufgaben mit mehreren Schritten, etwa das Durchsuchen von E-Mails, das Verfassen von Dokumenten oder das Anlegen von Notizen. Neu daran: Das Modell denkt nicht erst nach und antwortet dann, sondern führt Reasoning und Sprachausgabe parallel aus. Läuft im Hintergrund eine Suche, meldet sich Extended Thinking mit Zwischenständen wie „Ich schaue mir das kurz an“, statt die Unterhaltung stumm zu unterbrechen.
Benchmarks: Wo Gemini 3.8 Live gemessen an der Konkurrenz steht
Laut Angaben von Google und einer Auswertung von 9to5Google erreicht Extended Thinking Platz eins im Speech-to-Speech-Quality-Index von Artificial Analysis. Das Basismodell Gemini 3.8 Live liegt im Speech-Agent-Arena-Ranking auf Platz zwei.
| Benchmark | Modell | Ergebnis |
|---|---|---|
| Speech to Speech Quality Index (Artificial Analysis) | Extended Thinking | 82,6 Punkte (Platz 1) |
| Big Bench Audio (Reasoning) | Extended Thinking | 97,7 % |
| τ-Voice (agentische Aufgaben) | Extended Thinking | 68,6 % |
| τ-Voice-Banking (Sierra) | Extended Thinking | 35,1 % |
| Speech Agent Arena | Gemini 3.8 Live | Platz 2 |
Mit 82,6 Punkten liegt Extended Thinking nur knapp vor OpenAIs GPT-Live-1 Astra (81,5) und xAIs Grok Voice Think Fast 2.0 (81,3). Der Autor weist darauf hin, dass sich die Spitzenposition bei Sprach-KI-Benchmarks im vergangenen Jahr mehrfach verschoben hat, teils im Abstand von wenigen Wochen. Wie lange Google vorn bleibt, hängt seiner Einschätzung nach eher davon ab, wie gut sich das Modell in echten Anwendungen wie Gmail oder Docs bewährt, als von einem einzelnen Benchmark-Wert.
Technische Daten im Überblick
| Spezifikation | Wert |
|---|---|
| Basis | Gemini 3 Pro |
| Eingabe-Kontext | 131.072 Token |
| Ausgabe | 65.536 Token |
| Eingabeformate | Text, Bild, Video, Audio |
| Ausgabeformate | Audio, Text |
| Sprachen | 97, inklusive automatischem Wechsel mitten im Gespräch |
| Wasserzeichen | SynthID auf allen Audioausgaben |
Zur Sicherheitseinstufung schreibt Google DeepMind, Extended Thinking sei auf Basis der Bewertung von Gemini 3.7 Flash im Frontier Safety Framework geprüft worden und erreiche dabei keine der kritischen Fähigkeitsstufen.
Wo ihr Gemini 3.8 Live schon nutzen könnt
Google rollt beide Modelle stufenweise aus. Entwickler erreichen sie über die Gemini API und Google AI Studio, Unternehmen bekommen über Gemini Enterprise zunächst eine private Vorschau. Für Privatnutzer landet die Technik in der Gemini-App für Abonnenten von Google AI Pro und Ultra, im AI Mode der Google-Suche sowie künftig in Gmail, Google Docs und Google Keep.
Sprachsteuerung für Gmail, Docs und Keep hatte Google in Grundzügen bereits Anfang September mit einem Funktionsupdate für seine KI-Abos angekündigt. Auf dem Desktop lässt sich Gemini seit Kurzem außerdem über die eigenständige Windows-App per Alt+Leertaste öffnen, die von den neuen Live-Modellen ebenfalls profitieren dürfte.
Was Gemini 3.8 Live über die API kostet
Für Entwickler nennt Google auf seiner Preisseite konkrete Zahlen pro einer Million Token in der bezahlten Stufe.
| Kategorie | Eingabe | Ausgabe |
|---|---|---|
| Text | 0,75 $ | 4,50 $ |
| Audio | 3,00 $ (bzw. 0,005 $/Minute) | 12,00 $ (bzw. 0,018 $/Minute) |
| Bild/Video | 1,00 $ (bzw. 0,002 $/Minute) | entfällt |
In der kostenlosen Testphase sind Text- und Audio-Ein- und -Ausgaben laut Google vorerst gebührenfrei. Für die Websuche als Grounding-Quelle gewährt Google 5.000 kostenlose Anfragen im Monat, geteilt über alle Modelle der Gemini-3.x-Reihe, danach werden 14 $ pro 1.000 Anfragen fällig.
Einordnung
Mit Gemini 3.8 Live reagiert Google auf einen Trend, der sich seit den ersten Echtzeit-Sprachmodellen von OpenAI abzeichnet: Sprachassistenten sollen nicht mehr wie ein Frage-Antwort-Automat wirken, sondern wie ein Gesprächspartner, der mitdenkt, während er redet. Google treibt diesen Ansatz gerade auf mehreren Feldern parallel voran, etwa mit dem Familienassistenten Google CC, der seit Kurzem den Alltag für ganze Haushalte organisiert. Ob Extended Thinking den Eindruck eines mitdenkenden Gesprächspartners im Alltag wirklich hält, zeigt sich erst, wenn die Funktion außerhalb kontrollierter Benchmarks in Gmail und der Google-Suche läuft. Für Nutzer in Deutschland dürfte vor allem interessant sein, wie schnell Google die Workspace-Integration hierzulande freischaltet, denn frühere KI-Funktionen wie Gemini Spark waren zum Start zunächst nur in den USA verfügbar.
