Всеки, който е говорил с гласов асистент за нещо сложно, познава паузата. Питаш и настъпва тишина, в която не знаеш дали те е чул, дали мисли, или просто е увиснал. Неловко е.
Новите модели на Google са опит да се махне точно тая тишина.
Факт
Фактите: на 15 септември 2026 г. Google обяви в бележките към Gemini API обща наличност на два модела аудио към аудио за Live API. Gemini 3.8 Live (gemini-3.8-live) е стандартният избор за повечето гласови агенти с ниско закъснение и разговор без паузи за разсъждение; носи преплетено разсъждаване, асинхронно извикване на функции по подразбиране и пълно обновяване на съдържанието на сесията от клиента. Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking) разсъждава на заден план по време на живия разговор и е препоръчан, когато е нужно повече мислене. Същия ден Vercel ги добави в своя AI Gateway и описа автоматично превключване между 97 езика и извикване на инструменти, докато разговорът продължава. Gemini 3.8 Flash е в обща наличност от 2 септември.
Важното е асинхронното извикване на функции. На прост език: асистентът пуска задача, да провери поръчка или да потърси в календар, и продължава да ти говори, докато чака отговора. При синхронното извикване разговорът стои на място, докато инструментът не върне нещо.
Вторият модел отива по-далеч и мисли паралелно с речта. Vercel го описва така: може да потвърди, че е чул заявката, и да разказва докъде е стигнал, без да прекъсва разговора. Добрият сервитьор прави същото, когато поръчката се бави, и никой не го смята за бавен.
Тишината в гласовия разговор струва повече от грешката.
Цената на новите модели не е в бележката, а 97-те езика са по думите на Vercel, не на Google. Дали българският е сред тях и как звучи, ще се разбере с ухо, не с таблица.
Официални първоизточници
Google AI for Developers - Gemini API release notes, запис от 15.09.2026Vercel Changelog - Gemini 3.8 Live models now available on AI Gateway, 15.09.2026Визуалът към статията е генериран код-арт, без чужди изображения.