L’ANALISI
Gemini 3.8 Live: due modelli per agenti vocali, con limiti distinti
Live punta a scala e costo; Extended Thinking aggiunge ragionamento multi-step senza interrompere il dialogo. Prima dell’uso reale servono prove su azioni, latenza e recupero dagli errori.
In breve: Gemini 3.8 Live e Live Extended Thinking sono disponibili in rollout per sviluppatori tramite Gemini API e AI Studio. La scelta non è solo qualitativa: Live è orientato a volume e costo, Extended Thinking a compiti complessi. Nessuno dei due elimina la necessità di conferme esplicite prima delle azioni sensibili.
Che cosa cambia per gli sviluppatori
I due endpoint portano dialogo audio, visual grounding e chiamate agli strumenti nello stesso flusso. Google dichiara 97 lingue con passaggio automatico e chiamate API in background mentre la conversazione continua.
Live e Extended Thinking non sono intercambiabili
Live è presentato per scala ed efficienza; Extended Thinking per ragionamento multi-step e completamento di attività complesse. Il secondo può verbalizzare l’avanzamento mentre ragiona, ma questo non prova che l’azione finale sia corretta.
Disponibilità: rollout diversi
Entrambi arrivano in Gemini API e AI Studio. Live entra anche in Search Live; Extended Thinking arriva in Gemini Live e in specifici percorsi Workspace per abbonati. Le anteprime enterprise e i prodotti consumer non vanno confusi con disponibilità generale uniforme.
Cosa misurano e cosa non misurano i benchmark
Google cita Speech to Speech Quality Index, τ-Voice, Sierra τ-Voice-banking, Big Bench Audio ed EVA-Bench. Sono segnali utili, ma provengono dall’annuncio del fornitore e non misurano automaticamente il proprio accento, gli strumenti interni, le policy o il costo per attività completata.
Condizioni e limitazioni
La model card indica input audio, immagini, video e testo fino a 128K e output audio e testo fino a 64K. Segnala possibili allucinazioni, lentezza o timeout occasionali e knowledge cutoff gennaio 2025. Le azioni irreversibili richiedono conferma e log applicativi.
Checklist pratica
- Definire un set di dialoghi con accenti, interruzioni e rumore realistici.
- Separare comprensione, scelta dello strumento, argomenti e risultato dell’azione.
- Richiedere conferma esplicita prima di pagamenti, invii, cancellazioni o modifiche.
- Simulare timeout, strumento indisponibile e risposta parziale, verificando il recupero.
- Misurare latenza percepita, tasso di attività completate, errori e costo per sessione.
- Conservare trascrizioni minimizzate, versioni del modello e rollback del flusso.