ينتقل Gemini من «اسأل وانتظر» إلى حوار يستمر وأنت تتحدث: يقول لك «دعني أتحقق من ذلك…» ثم يكمل المهمة في الخلفية دون أن يقطع المحادثة. هذا هو الجديد في نموذجي Gemini 3.8 Live وGemini 3.8 Live Extended Thinking اللذين أعلنتهما Google في 15 سبتمبر 2026.
كلاهما نموذج صوتي مباشر: الصوت يدخل ويخرج بلا خطوة نسخ منفصلة إلى نص. والفرق بينهما أن الأول للمحادثة اليومية بسرعة وتكلفة أقل، والثاني للمهام التي تحتاج تفكيرًا على عدة خطوات، وهو يفكر ويتكلم في آن واحد، ويشرح لك تقدّم العمل أثناء تنفيذه.
ما الذي يستطيع فعله؟
بحسب مدونة Google وتغطية SiliconANGLE:
- يميّز اللغة تلقائيًا ويبدّل بينها في منتصف الحديث، ويدعم 97 لغة.
- يستقبل الصورة مع الصوت تقريبًا في اللحظة نفسها، فيعلّق على ما تريه إياه.
- ينفّذ استدعاءات الأدوات والتطبيقات في الخلفية بينما تستمر المحادثة.
- يُوسم كل صوت يولّده بعلامة SynthID غير المسموعة.
ماذا عن الأرقام؟
سجّل Extended Thinking 82.6 على مؤشر Artificial Analysis لجودة الكلام إلى الكلام، وتصفه Google بأنه الأول، متقدمًا على GPT-Live-1-Astra وGrok Voice Think Fast 2.0 كما ينقل SiliconANGLE. وحقق 68.6% في τ-Voice لإنجاز المهام و97.7% في Big Bench Audio. أما النموذج العادي فجاء ثانيًا في Speech Agent Arena بحسب Google. كل هذه الأرقام من الشركة، ولم أجد لها تحققًا مستقلًا.
وبالعربية؟
تقول Google «97 لغة» ولا تفصّل اللهجات في إعلانها، فلا تفترض أن لهجتك ستُفهم كما تُفهم الإنجليزية. جرّب جملة من حياتك اليومية واكتشف بنفسك. وتختلف التقارير في تسعير الاستخدام عبر API، لذلك لن أعتمد رقمًا قبل مراجعة صفحة الأسعار الرسمية في Google.
وللتفريق بين «الصوتي المباشر» وغيره من النماذج، يشرح مقال النماذج متعددة الوسائط كيف تتعامل النماذج الحديثة مع الصوت والصورة والنص معًا.
