Gemini 3.8 Live: Google lancia i modelli vocali che ragionano mentre parlano

Google ha presentato Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, la nuova coppia di modelli vocali che l’azienda descrive come i suoi sistemi di dialogo in tempo reale più avanzati di sempre. L’annuncio è arrivato il 15 settembre 2026 sul blog ufficiale di Google e non racconta un aggiornamento qualsiasi: per la prima volta un modello vocale di Mountain View ragiona mentre parla, avvia strumenti e chiamate ad API in background e intanto continua a conversare, senza quelle pause imbarazzanti che di solito tradiscono l’assistente artificiale.

Se costruisci assistenti vocali, agenti conversazionali o usi semplicemente la modalità Live dell’app Gemini, questo lancio ti riguarda da vicino.

Vediamo cosa cambia davvero, cosa dicono i benchmark e dove puoi già provare i due modelli.

Due modelli, due filosofie diverse

La prima cosa da chiarire è che Google non ha rilasciato un modello soltanto, ma due varianti pensate per esigenze differenti, entrambe parte della stessa famiglia Gemini 3.8 che avevamo già visto con Gemini 3.8 Flash e 3.8 Flash Cyber.

Gemini 3.8 Live è costruito per la scala e per l’efficienza dei costi. Mette insieme intelligenza conversazionale, dialogo fluido e visual grounding, cioè la capacità di interpretare in tempo quasi reale quello che la fotocamera o lo schermo gli mostrano. È il modello pensato per chi deve gestire volumi elevati di conversazioni tenendo sotto controllo la spesa, per esempio un servizio clienti automatizzato o un assistente dentro un’app.

Gemini 3.8 Live Extended Thinking alza invece l’asticella dell’intelligenza. È progettato per i compiti ad alta complessità, quelli che richiedono ragionamento a più passi, e riesce a ragionare e a parlare nello stesso momento senza spezzare il ritmo del discorso.

La differenza è concreta. Il primo è il cavallo di battaglia economico per gli agenti vocali di produzione, il secondo è il cervello da tirare fuori quando la richiesta è articolata e una risposta rapida non basta.

Cosa significa avere una voce che ragiona

Fino a oggi gli assistenti vocali si dividevano in due categorie: quelli veloci ma un po’ ottusi e quelli intelligenti ma lenti, che ti lasciavano ad ascoltare il silenzio mentre elaboravano la risposta. Extended Thinking prova a chiudere questo divario.

Il modello usa segnali verbali anticipati, come un naturale “fammi controllare”, per farti capire che ha ricevuto la richiesta, e poi racconta a voce i progressi mentre porta avanti un compito a più passaggi. In pratica ti tiene compagnia mentre lavora, esattamente come farebbe una persona al telefono che pensa ad alta voce.

I numeri: primo posto sull’indice speech-to-speech

I benchmark aiutano a inquadrare il salto. Gemini 3.8 Live Extended Thinking ha conquistato il primo posto assoluto sullo Speech to Speech Quality Index di Artificial Analysis, con un punteggio di 82,6, e guida la classifica del completamento di compiti agentici con il 68,6% su τ-Voice e il 35,1% sul benchmark bancario τ-Voice-banking di Sierra.

Sul fronte del ragionamento puro, il modello tocca il 97,7% su Big Bench Audio, un valore molto alto, pur mantenendo un prezzo competitivo rispetto agli altri modelli di frontiera.

Anche la versione standard si difende bene. Gemini 3.8 Live si è piazzato al secondo posto nella Speech Agent Arena, restando al tempo stesso una delle opzioni più convenienti sul mercato.

Google cita infine EVA-Bench di ServiceNow, un test dedicato agli agenti vocali, dove i due modelli spostano in avanti la frontiera di Pareto, cioè trovano un equilibrio migliore tra accuratezza e qualità della conversazione. È un dettaglio tecnico, ma è proprio questo bilanciamento a fare la differenza tra un agente che sembra un robot e uno con cui è piacevole parlare.

Strumenti in background e 97 lingue al volo

La novità più interessante sul piano pratico è la gestione asincrona dei compiti. Gemini 3.8 Live esegue strumenti e chiamate ad API in background mentre la conversazione prosegue: il modello può confermare la tua richiesta e continuare a parlare, mentre l’operazione si completa dietro le quinte.

A questo si aggiunge la comprensione visiva in tempo quasi reale, che arricchisce le risposte con il contesto di ciò che il modello vede, e il riconoscimento automatico di 97 lingue, con transizioni al volo da un idioma all’altro nel mezzo della stessa conversazione.

Google ha mostrato scenari d’uso piuttosto eloquenti: un onboarding aziendale guidato passo dopo passo, una partita a scacchi commentata usando il contesto visivo, la trasformazione di schizzi grezzi e feedback vocali in componenti React funzionanti, la gestione di prenotazioni a più passaggi con chiamate di funzione asincrone e persino la costruzione di interi business plan e kit di marketing parlando a voce.

Sono demo, certo, ma delineano bene la direzione: l’agente vocale smette di essere un risponditore e diventa un collaboratore operativo.

Dove trovi i modelli e da quando

Entrambi i modelli hanno iniziato il rilascio il giorno stesso dell’annuncio, seguendo però percorsi leggermente diversi.

Gemini 3.8 Live arriva per gli sviluppatori nell’API Gemini e in Google AI Studio, per le aziende in anteprima privata dentro Gemini Enterprise, e per tutti dentro Search Live. Gemini 3.8 Live Extended Thinking segue lo stesso schema lato sviluppatori ed enterprise, ma sul versante consumer si spinge oltre: è disponibile in Gemini Live e, per gli abbonati Google AI Pro e Ultra, dentro Workspace nelle app Documenti, Gmail e Keep con le rispettive modalità Live.

Non è un caso che Google spinga così tanto sull’integrazione con Workspace: è la stessa logica che avevamo visto con Gemini che lavora tra le app di Workspace, ora estesa alla voce.

Sul fronte dell’ecosistema per sviluppatori, la Gemini Live API è già supportata da piattaforme come Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents, che gestiscono dietro le quinte la parte complessa dello streaming multimediale in tempo reale. Google cita inoltre partner come Salesforce, Genspark e Lumeris, attratti dalla bassa latenza, dalla fluidità e dalle capacità di chiamata degli strumenti dei nuovi modelli.

Come per gli altri prodotti audio dell’azienda, tutto l’audio generato è marcato con la filigrana SynthID, un watermark impercettibile pensato per rendere riconoscibili i contenuti creati dall’AI e arginare la disinformazione.

Perché questo lancio conta nella corsa agli agenti vocali

La voce è diventata uno dei nuovi campi di battaglia dell’AI generativa, e Google lo sa bene. Questo lancio va letto dentro una gara ormai serrata.

OpenAI ha spinto forte con l’arrivo di GPT-Live-1 nell’API, la voce full-duplex per gli sviluppatori, mentre Google stessa aveva già rafforzato il suo comparto audio con il modello di trascrizione Gemini 3.5 Transcribe. Con 3.8 Live la partita si sposta dal semplice ascoltare e trascrivere al conversare e agire.

Il punto di forza dichiarato è il rapporto tra intelligenza e costo. Un modello che ragiona bene ma costa poco è esattamente ciò che serve alle aziende per portare gli agenti vocali dalla fase pilota alla produzione su larga scala, dove ogni minuto di conversazione moltiplicato per milioni di chiamate diventa una voce di bilancio importante.

Resta un tema aperto, comune a tutto il settore: gli agenti che eseguono azioni in autonomia, anche vocali, alzano l’asticella su affidabilità, sicurezza e controllo. La comodità di un assistente che prenota, scrive codice o gestisce pratiche mentre parla porta con sé la responsabilità di verificare cosa fa davvero dietro le quinte.

Conclusioni

Con Gemini 3.8 Live ed Extended Thinking, Google prova a rendere la conversazione con l’AI meno artificiale e più utile, unendo ragionamento, azione e naturalezza in un’unica esperienza vocale. I benchmark la mettono davanti alla concorrenza sullo speech-to-speech, ma la vera prova sarà l’uso quotidiano, dentro Search, Workspace e le app di terze parti.

Se sviluppi prodotti o gestisci processi aziendali, è il momento giusto per provare i due modelli nell’API o in Google AI Studio e capire dove un agente vocale può farti risparmiare tempo. E se vuoi restare aggiornato sui prossimi modelli e sulle mosse dei grandi laboratori AI, continua a seguirci: la corsa alla voce è appena entrata nel vivo.