Parlare e pensare: la scommessa in background di Google con Gemini 3.8 Live

Il 15 settembre 2026 Google ha presentato Gemini 3.8 Live e la sua variante Extended Thinking, due modelli di dialogo vocale nativi speech-to-speech ideati per gestire conversazioni in tempo reale. La novità più significativa dal punto di vista tecnico non risiede nella fluidità della voce, ma nella capacità di effettuare chiamate a strumenti esterni ed elaborazioni in background durante l'interazione verbale. Come osservato in un'analisi di TechRepublic, questo sdoppiamento implica che la conclusione di una risposta parlata non coincida più necessariamente con il completamento dell'operazione sottostante. I modelli, che supportano il passaggio dinamico tra 97 lingue e l'elaborazione di input visivi in quasi tempo reale, integrano anche la tecnologia di filigranatura SynthID per l'identificazione dell'audio generato.

Nelle metriche relative alle prestazioni, la versione Extended Thinking ha ottenuto il primo posto nello Speech to Speech Quality Index di Artificial Analysis con un punteggio di 82,6. Sebbene si tratti di un benchmark privato con metodologia propria e classifiche volatili, lo scarto rispetto ai concorrenti è ridotto: secondo i dati riportati da Insider Monkey, il modello GPT-Live-1 Astra di OpenAI si attesta a 81,5 punti e Grok Voice Think Fast 2.0 di xAI a 81,3. La stessa testata Insider Monkey ha rilevato come questa distanza di appena 1,1 punti possa riflettere l'intensità della competizione in atto piuttosto che un divario tecnologico strutturale. Sul fronte dei benchmark interni, Google dichiara un punteggio del 97,7 per cento su Big Bench Audio e del 68,6 per cento su τ-Voice, che tuttavia scende al 35,1 per cento sul più complesso scenario τ-Voice-banking di Sierra. In assenza di una verifica da parte di terze parti indipendenti, questi ultimi dati devono essere considerati come dichiarazioni unilaterali del produttore.

La distribuzione iniziale copre sia le API per sviluppatori sia l'integrazione nei servizi commerciali come Search Live e l'applicazione Gemini, ma restano diverse zone d'ombra sui costi operativi e sulla stabilità infrastrutturale. Sebbene la stampa specializzata indichi tariffe di 3 dollari per milione di token audio in ingresso e 12 dollari per milione in uscita (circa 0,005 e 0,018 dollari al minuto) per la versione standard, la pagina ufficiale dei prezzi di Google, consultata il 19 settembre 2026, non riporta ancora queste voci specifiche né quantifica il costo aggiuntivo dei token di ragionamento per Extended Thinking. Inoltre, l'intera Live API rimane in stato di preview senza una data di rilascio generale definita, e non sono stati pubblicati dati misurati sulla latenza effettiva o sui tassi di errore nel multilinguismo.

La scelta di non pubblicare dati misurati sulla latenza o sull'accuratezza nelle 97 lingue supportate lascia aperto il dubbio principale: se la separazione tra il flusso della conversazione e l'elaborazione in background possa reggere alla prova dell'uso quotidiano, al di fuori dei benchmark controllati. Sarà la stabilità dell'infrastruttura reale, più che i decimi di punto nei test privati, a determinare se l'interazione vocale invisibile sia un'evoluzione concreta o solo un'accelerazione per non restare indietro.