In questo articolo Indice dei contenuti 2 sezioni
Google ha presentato Gemini 3.8 Live e la sua variante Gemini 3.8 Live Extended Thinking, definendoli i modelli di dialogo in tempo reale più avanzati mai realizzati dall’azienda. L’annuncio arriva il 15 settembre 2026 e segue di qualche mese il debutto di 3.1 Flash Live, arrivato a marzo. L’obiettivo dichiarato resta lo stesso, ma alzato di livello, ovvero rendere la conversazione con un’intelligenza artificiale qualcosa di intuitivo, meno robotico, più vicino a una chiacchierata vera.
La differenza tra le due versioni sta tutta nel nome. Extended Thinking punta su un’intelligenza superiore e su un ragionamento a più passaggi, pensato per compiti complessi. È il motore che alimenta funzioni già viste all’opera come Gmail Live, la ricerca conversazionale dentro la posta, Docs Live per generare e modificare bozze, e Keep Live per la creazione di note al volo. Da oggi il modello inizia a essere distribuito anche su Gemini Live.
Gemini 3.8 Live: ragiona mentre parla, senza pause imbarazzanti
Il dettaglio più interessante di Extended Thinking è che ragiona e parla nello stesso momento. Tradotto in pratica, il modello non si blocca in silenzio mentre elabora una richiesta complicata. Usa segnali verbali immediati, del tipo “fammi controllare”, per riconoscere la domanda in modo naturale, e poi racconta a voce i progressi mentre le operazioni in background vanno avanti. Una narrazione live dei passaggi, insomma, che evita quei vuoti conversazionali che rendono evidente il fatto di stare parlando con una macchina.
Sui benchmark i numeri diffusi da Google sono piuttosto netti. Primo posto assoluto nello Speech to Speech Quality Index di Artificial Analysis con 82,6 punti, primato anche nel completamento di task agentici con il 68,6% su τ-Voice e un 35,1% sul benchmark τ-Voice-banking di Sierra. Sul fronte del ragionamento puro il punteggio è del 97,7% su Big Bench Audio, il tutto mantenendo un prezzo che l’azienda descrive come molto competitivo rispetto agli altri modelli di frontiera.
Il modello base punta su velocità, occhi e 97 lingue
Accanto alla versione più muscolare c’è il modello base Gemini 3.8 Live, costruito attorno a un’idea diversa, cioè fluidità e comprensione del contesto visivo. Qui si parla di grounding visivo e di elaborazione degli input visivi quasi in tempo reale, con strumenti e chiamate API che vengono eseguiti in sottofondo mentre la conversazione prosegue senza interruzioni. L’utente fa una richiesta, il modello la prende in carico, continua a parlare e intanto il lavoro va avanti dietro le quinte.
C’è poi la parte linguistica, che non è un dettaglio da poco. Il modello riconosce e passa da una lingua all’altra a metà conversazione, con 97 lingue supportate. Nessun bisogno di impostare nulla, il cambio avviene al volo.
Google lo descrive come pensato per la scala e per l’efficienza sui costi, con un secondo posto nella Speech Agent Arena. Sarà questa versione ad alimentare l’esperienza Search Live dentro AI Mode, quindi il punto in cui la ricerca diventa una conversazione a voce con la possibilità di mostrare alla fotocamera quello di cui si sta parlando.
La scelta di dividere la famiglia in due rami racconta bene la strategia. Da una parte un modello che pensa a lungo e gestisce flussi di lavoro articolati dentro le app di produttività, dall’altra uno più leggero e rapido, costruito per reggere volumi enormi di richieste e per rispondere in fretta quando la complessità è minore. Due velocità diverse per due tipi di utilizzo, con Extended Thinking riservato a ciò che richiede davvero passaggi multipli e ragionamento strutturato.
