Các mô hình Gemini 3.8 Live của Google dẫn đầu các chuẩn đánh giá giọng nói

Vào ngày 15 tháng 9, Google đã công bố Gemini 3.8 Live và Gemini 3.8 Live Extended Thinking, mô tả chúng là các mô hình âm thanh có khả năng nhất từ trước đến nay.

Các mô hình này có thể hội thoại, suy luận và thực thi nhiệm vụ. Các nhà phân tích độc lập đã xếp hạng chúng: biến thể Extended Thinking dẫn đầu Chỉ số Speech-to-Speech của Artificial Analysis với số điểm 82.6, vượt qua GPT-Live-1 và Grok Voice.

Nói “hi” với các mô hình âm thanh tiên tiến nhất của chúng tôi từ @GoogleDeepMind được xây dựng cho các ứng dụng giọng nói tự nhiên, sẵn sàng sản xuất.

🔷 Gemini 3.8 Live
🔷 Gemini 3.8 Live Extended Thinking

Với các mô hình này, bạn có thể nói một cách tự nhiên, cộng tác dễ dàng và giải quyết các nhiệm vụ phức tạp bằng cách sử dụng… pic.twitter.com/TCcuANcIWl

— Google (@Google) September 15, 2026

Xếp hạng chuẩn cho AI đàm thoại mới nhất của Google

Chỉ số của Artificial Analysis kết hợp điểm cho suy luận giọng nói, hiệu suất tác nhân, sở thích đấu trường và tỷ lệ thành công nhiệm vụ.

Khi được kiểm tra với nỗ lực suy luận cao, Gemini 3.8 Live Extended Thinking chiếm vị trí đầu tiên. GPT-Live-1 Astra đứng tiếp theo với 81.5 và Grok Voice Think Fast 2.0 High đạt 81.3.

Gemini 3.8 Live thông thường xếp thứ năm với 76.0. Cả hai mô hình mới đều vượt trội hơn Gemini 3.1 Flash Live High, vốn có 71.5.

Sự khác biệt về khả năng tác nhân lớn hơn. Extended Thinking đạt 68.6% trên chuẩn đánh giá Tau Voice, so với 37.7% của mô hình trước đó.

Trong suy luận giọng nói, Extended Thinking đạt 97.7%, chỉ vượt trước Grok Voice 97.2%. Nhưng nó thấp hơn Qwen Audio 3.0 Realtime Plus, đạt 99.2%.

Mô hình Gemini cũ vẫn được người thử nghiệm ưa thích

Định giá cho thấy sự khác biệt rõ ràng. Mô hình tiêu chuẩn có giá 0,84 đô la mỗi giờ âm thanh đầu vào, khoảng một nửa so với 1,75 đô la của phiên bản tiền nhiệm và rẻ nhất trong Chỉ số.

Extended Thinking được định giá 3,50 đô la mỗi giờ, thấp hơn GPT-Live-1 Sol 4,47 đô la và Grok Voice Think Fast 2.0 High 4,80 đô la.

Độ trễ cũng được cải thiện. Thời gian trung bình để có âm thanh đầu tiên giảm xuống còn 1,18 giây từ 2,99 giây của mô hình cũ.

Nhưng người nghe là con người không hoàn toàn bị thuyết phục. Trong các cuộc hội thoại Speech Agent Arena mù, Gemini 3.1 Flash Live tiếp tục dẫn đầu về sở thích với xếp hạng Elo 1096.

Gemini 3.8 Live xếp thứ hai với 1083, trong khi phiên bản Extended Thinking tụt lại ở 990, mặc dù nó hoàn thành 89,1% nhiệm vụ.

Đánh giá AI giọng nói hiện sử dụng hai số liệu riêng biệt đi theo hướng ngược nhau. Các chuẩn đánh giá ưa chuộng mô hình có suy luận mạnh nhất, trong khi điểm sở thích ưa chuộng người hội thoại giỏi nhất. Google dẫn đầu trong cả hai hạng mục, mặc dù là các mô hình khác nhau.