Google, sesli yapay zeka ajanlarında gecikmeleri minimuma indirgemeye odaklanan yeni Gemini 3.8 Live ve Gemini 3.8 Live Extended Thinking modellerini tanıttı. Bu modeller, kullanıcılarla sohbet ederken arka planda eşzamanlı olarak araçlar ve API çağrıları yaparak işlemlerin tamamlanması sürecinde konuşmanın kesintisiz devam etmesini sağlıyor. Böylece daha doğal, akıcı ve etkili bir sesli iletişim deneyimi sunmayı hedefliyor.

Gemini 3.8 Live ve Extended Thinking Modellerinin Özellikleri

Google tarafından yapılan açıklamada, standart Gemini 3.8 Live modelinin ölçeklenebilirlik ve maliyet verimliliğine öncelik verdiği, Extended Thinking sürümünün ise daha karmaşık ve çok adımlı akıl yürütme gerektiren görevler için geliştirildiği belirtildi. Extended Thinking modeli, konuşma esnasında gerçek zamanlı akıl yürütme yapabiliyor ve arka planda devam eden işlemlerin ilerleyişini kullanıcıya sesli olarak bildirebiliyor.

Her iki model de 97 farklı dili anlama ve sesli yanıt üretme kabiliyeti taşıyor. Kullanılan dili otomatik olarak algılayıp sohbet sırasında farklı diller arasında geçiş yapabiliyorlar. Ayrıca görsel girdileri gerçek zamanlı yakın işleyerek yanıtlarını zenginleştirebiliyorlar.

Uygulama Alanları ve Örnekler

Google tarafından paylaşılan demo videoları, modellenin potansiyel kullanım alanlarını gözler önüne seriyor. Standart model, görsel bağlamdan yararlanarak örneğin çalışanların işe uyum süreciyle ilgili soruları yanıtlayabiliyor veya kullanıcılarla satranç oyunları oynayabiliyor. Extended Thinking modeli ise taslak çizimleri anlık sesli geri bildirimlerle çalışan React bileşenlerine dönüştürme gibi gelişmiş uygulamalarda da kullanılabiliyor.

Birden fazla aşamadan oluşan rezervasyon işlemlerini, konuşmanın kesintiye uğramadan devam ederek yönetmesi Extended Thinking’in bir diğer güçlü özelliği olarak öne çıkıyor. Bu, sesli yapay zekanın karmaşık görevlerde etkin bir yardımcı olabileceğinin somut göstergesi.

Başarılar ve Kullanıcıya Sunumu

Google tarafından bildirilen sonuçlara göre, Extended Thinking modeli Artificial Analysis’in “Speech to Speech Quality Index” değerlendirmesinde 82,6 puan alarak GPT-Live-1-Astra ve Grok Voice Think Fast 2.0 gibi rakiplerini geride bıraktı. Standart model ise Speech Agent Arena’da ikinci sırada yer aldı.

Her iki model de Gemini API ve Google AI Studio platformları üzerinden kullanıma açıldı. Kurumsal alanda ise Gemini Enterprise’ın özel ön izleme programı kapsamında erişilebilir durumda. Standart model Search Live’a entegre edilirken, Extended Thinking sürümü Gemini Live ve Workspace erişiminde Docs uygulamasındaki Google AI Pro ile birlikte kullanıma sunuluyor.

Sonuç

Google’ın Gemini 3.8 Live ve Extended Thinking modelleri, arka planda gerçekleşen işlemleri anlık olarak sesli iletişimle birleştirerek kullanıcı deneyimini önemli ölçüde geliştirmeyi amaçlıyor. Çok dilli destek, gerçek zamanlı görsel işlem yetenekleri ve güçlü çok aşamalı akıl yürütme kapasitesiyle, gelecekte sesli yapay zeka asistanlarının daha doğal, hızlı ve fonksiyonel hale gelmesine öncülük edecekleri görülüyor.

Kaynak: Webrazzi Yapay Zeka