Passa al contenuto principale

Gemini 3.8 Live e Live Extended Thinking: la guida sul campo per builder ai nuovi modelli vocali di Google (set 2026)

Intermedio

Il 15 settembre 2026 Google ha rilasciato due modelli speech-to-speech: Gemini 3.8 Live (gemini-3.8-live) e Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking). Entrambi sono disponibili in GA da oggi nella Gemini API e in Google AI Studio. Il post di lancio di Google è fatto soprattutto di benchmark e demo. Se stai costruendo un agente vocale, i dettagli che contano stanno nella documentazione per sviluppatori: i tool ora girano in modo asincrono per default, un campo di configurazione ora restituisce un errore, e una funzionalità è sempre attiva e fatturata mentre il modello ascolta. Questa pagina raccoglie quei dettagli in un unico posto.

What you'll learn
  • Scegliere tra i due modelli usando le differenze reali dell'API, non i nomi di marketing
  • Migrare un agente gemini-3.1-flash-live-preview senza cadere nelle trappole di thinkingLevel, dialogo affettivo e tool bloccanti
  • Progettare attorno ai muri di sessione: 15 min solo audio, 2 min audio+video, ~10 min per connessione WebSocket
  • Stimare quanto costa davvero una sessione vocale, e perché il costo cresce più in fretta dei minuti
  • Rilasciare un client browser senza esporre una chiave API

La versione in una frase​

Usa gemini-3.8-live come default per gli agenti vocali a bassa latenza. Usa gemini-3.8-live-extended-thinking quando chi chiama pone domande difficili e multi-step e un breve ritardo è accettabile. Entrambi costano 3,00 $ / 1M token audio in input (~0,005 $/min) e 12,00 $ / 1M token audio in output (~0,018 $/min), più 0,75 $ / 4,50 $ per il testo. Entrambi hanno una finestra di input da 131.072 token e un limite di output di 65.536 token, ed entrambi hanno un tier gratuito nella Gemini API.

Cosa è uscito, e cosa sostiene Google​

gemini-3.8-livegemini-3.8-live-extended-thinking
Posizionamento di Google"Opzione di default per la maggior parte delle esperienze di agenti vocali a bassa latenza""Modello audio-to-audio ad alto ragionamento che supporta il ragionamento in background durante le interazioni audio live"
ThinkingRagionamento interleaved; thinkingLevel non è accettatothinkingLevel = low / medium / high (niente minimal); includeThoughts: true per i riassunti
Function callingAsincrono per default (NON_BLOCKING); BLOCKING ancora disponibile; scheduling INTERRUPT / WHEN_IDLE / SILENTSolo asincrono, senza modalità bloccante e senza controllo dello scheduling
Superfici consumerSearch LiveApp Gemini Live; Docs, Gmail, Keep per gli abbonati
Numeri di punta (Google)2° nella Speech Agent Arena di Artificial Analysis82,6 Speech-to-Speech Quality Index (1°); 68,6% τ-Voice; 35,1% τ-Voice-banking; 97,7% Big Bench Audio

Guarda il 35,1% su τ-Voice-banking, il numero che Google ha scelto di pubblicare. Persino il modello vocale in cima alla classifica completa a voce solo circa un terzo dei task bancari realistici. Trattalo come il tetto per gli agenti vocali non presidiati che gestiscono denaro, e metti gate di conferma su qualsiasi cosa abbia conseguenze (la stessa regola di Voice AI full-duplex).

Ogni output audio è marcato con SynthID. Se il tuo prodotto registra o ripubblica il parlato del modello, i rilevatori di audio AI possono identificarlo.

Tre cose che la maggior parte della copertura non coglie​

1. Il modello "thinking" narra mentre ragiona​

Extended Thinking non tace mentre pensa. Google dice che "ragiona e parla simultaneamente". Dà segnali verbali anticipati ("fammi controllare") e narra i progressi mentre il ragionamento continua in background. Questo cambia il modo in cui il tuo client decide quando il modello ha finito. Su questo modello turnComplete: true non significa che la sessione è inattiva. Il ragionamento in background potrebbe essere ancora in corso. Controlla invece interaction_status (IN_PROGRESS vs IDLE) prima di chiudere una chiamata, passare a un operatore umano o avviare il passo successivo dello script.

È la stessa divisione "parla veloce, pensa lento" che OpenAI ha introdotto con GPT-Live. La differenza è che Google mette entrambi i ruoli in un solo modello, mentre GPT-Live delega il ragionamento a un modello di frontiera separato.

2. Aggiornare da 3.1 Flash Live cambia il comportamento, non solo la stringa del modello​

Le note di migrazione di Google per gemini-3.1-flash-live-preview → gemini-3.8-live includono quattro cambiamenti che alterano ciò che fa il tuo codice:

  • Rimuovi thinkingLevel. 3.1 Flash Live aveva minimal come default. 3.8 Live non accetta il campo, quindi una config copiata da 3.1 deve eliminarlo.
  • Le chiamate ai tool ora sono asincrone per default. Su 3.1 Flash Live, "il modello non inizia a rispondere finché non hai inviato la risposta del tool". Su 3.8 Live il modello continua a parlare mentre la tua funzione gira. Ottimo per la latenza, ma un tool che deve finire prima (una verifica d'identità, un pagamento) ora richiede behavior: BLOCKING impostato esplicitamente. Il modello Extended Thinking non ha modalità bloccante, quindi quei flussi hanno bisogno di un gate nel tuo codice.
  • L'audio proattivo è sempre attivo. Il modello può decidere di non rispondere quando il parlato non è rivolto a lui. Non puoi disattivarlo, e la guida alle best practice segnala che paghi token di input mentre ascolta.
  • Il dialogo affettivo è sparito. Se il tuo agente si affidava a enableAffectiveDialog per adattarsi al tono di chi chiama, rimuovilo e testa il nuovo comportamento di default.

Due cambiamenti ti aiutano. send_client_content ora funziona per l'intera sessione, così puoi iniettare contesto testuale (dati CRM, la trascrizione di un trasferimento) a metà chiamata. La copertura dei turni ora ha come default TURN_INCLUDES_AUDIO_ACTIVITY_AND_ALL_VIDEO.

3. Il costo di una sessione vocale cresce più in fretta della sua durata​

L'audio si accumula a circa 25 token al secondo (circa 1.500 al minuto). Da lì vengono i prezzi al minuto: 1.500 × 3 $/1M ≈ 0,0045 $ in input, e 1.500 × 12 $/1M = 0,018 $ in output. La trappola è che ogni turno rielabora l'intero contesto accumulato, non solo l'audio nuovo. La guida alle best practice lo dice esplicitamente. Due costi minori si sommano: abilitare la trascrizione fattura output testuale in aggiunta all'output audio, e l'audio proattivo fattura token di input mentre il modello ascolta.

Un'illustrazione approssimativa (aritmetica nostra, non un dato Google): prendi una chiamata di 10 minuti con 20 turni. Il contesto cresce da 0 a circa 15.000 token, quindi il turno medio rilegge circa 7.500 token di input. Sono circa 150.000 token di input (~0,45 $), contro ~0,045 $ se si contasse solo l'audio nuovo. Le chiamate lunghe costano di più al minuto, non solo di più in totale. La compressione della finestra di contesto, che ti serve comunque per superare il muro dei 15 minuti, limita anche questa crescita del costo.

I muri di sessione, e come progettarci attorno​

Guided walkthrough1 of 6
  1. Senza compressione, le sessioni solo audio si fermano a 15 minuti e quelle audio+video a 2 minuti. A parte, ogni connessione WebSocket dura circa 10 minuti. Il limite di 2 minuti sul video coglie di sorpresa la maggior parte delle demo con condivisione schermo.

Client browser e mobile: non spedire mai la chiave API​

Le sessioni Live funzionano meglio quando il client si connette direttamente a Google, perché far passare l'audio in tempo reale dal tuo backend aggiunge latenza. Il modo sicuro per farlo è un token effimero. Lo conia il tuo server, e il client lo usa una volta. Default: il token scade 30 minuti dopo la creazione, deve essere usato per avviare una nuova sessione entro 1 minuto, e consente 1 uso. Puoi vincolarlo con liveConnectConstraints a un modello specifico, a una modalità di risposta e a impostazioni di ripresa, così un token rubato non può essere usato per nient'altro. I token effimeri funzionano solo con la Live API e solo su v1beta.

Scheletro di system instruction per gemini-3.8-live (tool asincroni, audio proattivo sempre attivo)

You are Ava, a voice assistant for Northwind Travel. You are SPEAKING, not writing.
RESPOND IN ENGLISH. YOU MUST RESPOND UNMISTAKABLY IN ENGLISH.

Style:
- Short sentences, one idea each. Never read lists, markdown, or URLs aloud.
- If speech is clearly not addressed to you (TV, side conversation), stay silent.

Tools:
- lookup_booking: invoke ONLY after the caller has given BOTH booking reference AND last name.
- While a lookup is running, tell the caller you are checking. Do not guess the result.
- change_booking: before invoking, read back the exact change and wait for a clear spoken "yes".

Safety:
- Repeat back every number, date, and name before acting on it.
- If audio is unclear, say what you think you heard and ask.
- Anything involving refunds or payment details: offer a human agent instead.

Lo scheletro segue le indicazioni di Google per gli agenti Live: dichiara la lingua di output esplicitamente in maiuscolo, e dai a ogni tool una condizione precisa su quando chiamarlo. La seconda regola conta ancora di più con i tool asincroni, perché il modello parla mentre il tool gira e riempirà il silenzio con una supposizione se non gli dici di non farlo.

Gemini 3.8 Live vs le alternative​

  • vs Claude. Le funzionalità vocali di Claude restano a turni: modalità vocale nelle app Claude, push-to-talk in Claude Code. Un ibrido comune usa un modello Live come front end conversazionale e chiama Claude come tool per il ragionamento pesante o il coding. Il function calling asincrono si adatta bene a questo pattern, perché la chiamata può continuare mentre il tool gira.
  • vs OpenAI. GPT-Live è un prodotto ChatGPT speech-native e full-duplex. Per gli sviluppatori, l'offerta di OpenAI è gpt-realtime sulla Realtime API (vedi Voice AI full-duplex per il panorama).
  • Prime segnalazioni della community (thread di lancio su Hacker News, non verificate). I commentatori hanno lodato latenza, qualità della voce, gestione degli accenti e traduzione live. Altri hanno detto che Extended Thinking ragionava in modo incoerente e che il modello "inventa requisiti aggiuntivi" nei flussi agentici. Sono aneddoti, non misurazioni, ma coincidono con il 35,1% sul banking: testa il tuo task end to end prima di fidarti.

Mettiti alla prova

0/5
  1. Porti su gemini-3.8-live una config di gemini-3.1-flash-live-preview che imposta thinkingLevel: minimal. Cosa dovresti fare?
  2. Un tool di verifica del pagamento deve finire prima che l'agente dica qualsiasi altra cosa. Quale configurazione è corretta?
  3. Su gemini-3.8-live-extended-thinking ricevi turnComplete: true. Puoi riagganciare in sicurezza?
  4. Perché una chiamata vocale di 20 minuti costa più del doppio di una di 10 minuti?
  5. La tua demo di supporto con condivisione schermo continua a disconnettersi dopo circa due minuti. Causa più probabile?
Vocabolario della Gemini Live API
Premi Invio o Spazio per girare la carta. Usa le frecce sinistra e destra per spostarti tra le carte.Termine mostrato.
1 / 8
Key takeaways
  • Due modelli GA, un solo prezzo: gemini-3.8-live è il default a bassa latenza; gemini-3.8-live-extended-thinking ragiona in background mentre continua a parlare.
  • Migrare da 3.1 Flash Live cambia il comportamento: rimuovi thinkingLevel, marca BLOCKING i tool che devono finire, aspettati audio proattivo sempre attivo (fatturato mentre ascolta), ed elimina il dialogo affettivo.
  • Pianifica i limiti fin dall'inizio: 15 min solo audio, 2 min audio+video, ~10 min per connessione. Compressione, handle di ripresa e gestione di GoAway sono obbligatori in produzione.
  • Il costo cresce più in fretta della durata della chiamata perché ogni turno rilegge l'intero contesto. La compressione è insieme la soluzione alla durata di sessione e al costo.
  • Persino il miglior punteggio di Google sui task bancari a voce è 35,1%. Mantieni gate di conferma vocale su qualsiasi cosa muova denaro o dati.

Fonti e approfondimenti​

Prossimi passi​