Google kembali memperluas kemampuan kecerdasan buatan dengan memperkenalkan dua model baru yang dirancang khusus untuk percakapan suara secara real-time.
Kedua model tersebut adalah Gemini 3.8 Live dan Gemini 3.8 Live Extended Thinking yang diperkenalkan Google pada 15 September 2026.
Perkembangan AI yang semakin cepat membuat teknologi percakapan tidak lagi sekadar digunakan untuk mencari jawaban.
Berbagai informasi tentang perkembangan AI, termasuk review platform, kumpulan prompt dan tutorial praktis, juga bisa ditemukan di Ai Hari Ini.
Melalui model terbarunya, Google ingin membuat komunikasi dengan AI terasa lebih alami sekaligus mampu menangani pekerjaan di balik percakapan.
Pengguna dapat berbicara dengan AI secara langsung, sementara sistem tetap dapat melakukan proses penalaran atau menjalankan tugas tertentu tanpa harus menghentikan alur percakapan.
Dua Model dengan Fokus Berbeda
Gemini 3.8 Live dirancang untuk penggunaan dalam skala besar dengan perhatian pada kecepatan dan efisiensi biaya. Model ini menggabungkan kemampuan percakapan suara, dialog yang lebih mengalir serta pemahaman terhadap informasi visual.
Model tersebut ditujukan untuk berbagai kebutuhan yang membutuhkan respons cepat. Misalnya layanan pelanggan berbasis suara, pencarian melalui percakapan, pembelajaran bahasa hingga aplikasi interaktif yang membutuhkan komunikasi dua arah secara langsung.
Sementara itu, Gemini 3.8 Live Extended Thinking ditujukan untuk pekerjaan yang membutuhkan penalaran lebih kompleks. Model ini dapat melakukan proses berpikir di latar belakang sekaligus menjalankan tool secara asinkron ketika menangani tugas dengan beberapa tahapan.
Google menjelaskan bahwa kemampuan tersebut memungkinkan AI tetap memberikan respons suara selama proses pekerjaan berlangsung. Dengan begitu, pengguna tidak harus menghadapi jeda panjang ketika sistem sedang melakukan proses tambahan.
AI Bisa Tetap Berbicara Saat Mengerjakan Tugas
Salah satu perubahan penting pada Gemini 3.8 Live Extended Thinking terletak pada cara AI menangani pekerjaan yang membutuhkan waktu lebih lama.
Dalam skenario tertentu, AI dapat memberikan respons singkat atau penjelasan sementara ketika proses di belakang layar masih berjalan. Setelah tool selesai digunakan dan proses penalaran berakhir, AI kemudian memberikan hasil akhirnya.
Pendekatan ini membuat interaksi suara tidak harus berhenti hanya karena AI sedang melakukan pekerjaan lain. Google memberikan contoh penggunaan untuk kebutuhan seperti dukungan teknis, pengambilan data, perencanaan perjalanan dan tugas pendidikan yang membutuhkan beberapa langkah penalaran.
Kemampuan tersebut juga membuat Gemini lebih cocok digunakan sebagai voice agent yang tidak hanya menjawab pertanyaan, tetapi dapat membantu menyelesaikan pekerjaan.
Mendukung Input Audio, Gambar dan Video
Kedua model Gemini 3.8 Live juga memiliki kemampuan multimodal. Berdasarkan dokumentasi Google DeepMind, model dapat menerima input berupa audio, gambar, video dan teks, kemudian menghasilkan keluaran berupa audio maupun teks. Model tersebut memiliki konteks hingga 128 ribu token.
Dengan kemampuan tersebut, percakapan dengan AI dapat berlangsung berdasarkan lebih dari sekadar suara. Pengguna dapat memberikan konteks visual atau informasi lain yang kemudian diproses sebagai bagian dari percakapan.
Google menyediakan model-model ini melalui Gemini API dan Google AI Studio bagi pengembang. Kemampuan Live juga diarahkan untuk penggunaan pada berbagai produk dan layanan Google yang membutuhkan interaksi suara secara lebih natural.
Kehadiran Gemini 3.8 Live menunjukkan bahwa persaingan AI kini tidak hanya berfokus pada kemampuan menghasilkan teks.
Perusahaan teknologi juga berlomba menghadirkan AI yang mampu memahami percakapan secara langsung, melakukan penalaran dan membantu menyelesaikan tugas tanpa membuat pengguna harus terus-menerus memberikan instruksi baru.
