Powiązane z tym tematemRada Technologii Przyszłości i AI

Google właśnie zaprezentował swój najbardziej zaawansowany model audio. Oto jak wypada w rankingu

Najważniejsze wnioski

  • Nowy model głosowy Google wyprzedza wskaźnik mowy artificial analysis z wynikiem 82,6.
  • Gemini 3.8 live kosztuje 0,84 USD za godzinę, to najtańszy model audio według indeksu.
  • Ludzcy testerzy w ślepych testach głosowych nadal preferują starszą wersję Gemini 3.1 Flash Live.
Promo

Google wprowadziło Gemini 3.8 Live oraz Gemini 3.8 Live Extended Thinking 15 września, nazywając je swoimi najbardziej zaawansowanymi modelami audio.

Oba modele rozmawiają, rozumują i wykonują zadania. Jak wypadają u niezależnych analityków? Wersja Extended Thinking zajęła pierwsze miejsce w indeksie speech-to-speech stworzonym przez Artificial Analysis z wynikiem 82,6, przed GPT-Live-1 i Grok Voice.

Sponsorowane
Sponsorowane

Śledź nas na X, aby otrzymywać najnowsze informacje na bieżąco

Jak benchmarki oceniają najnowszy konwersacyjny model AI od Google

Indeks Artificial Analysis uwzględnia rozumowanie mowy, wydajność agentyczną, preferencje areny i skuteczność w zadaniach.

Gemini 3.8 Live Extended Thinking, testowany przy wysokim wysiłku rozumowania, zadebiutował na pierwszym miejscu. Zaraz za nim uplasował się GPT-Live-1 Astra z wynikiem 81,5 i Grok Voice Think Fast 2.0 High z wynikiem 81,3.

Jak Gemini 3.8 Live wypadł w indeksie speech-to-speech
Jak Gemini 3.8 Live wypadł w indeksie speech-to-speech. Źródło: Artificial Analysis

Standardowy Gemini 3.8 Live zajął piąte miejsce z wynikiem 76,0. Obie wersje pobiły model Gemini 3.1 Flash Live High, który zdobył 71,5.

Różnica w wydajności agentów jest jeszcze większa. Extended Thinking osiągnął 68,6% w benchmarku tau voice, podczas gdy poprzednia generacja miała tylko 37,7%.

Sponsorowane
Sponsorowane

W benchmarku rozumowania mowy Extended Thinking uzyskał wynik 97,7%, wyprzedzając Grok Voice z wynikiem 97,2%. Jednak ustępuje modelowi Qwen Audio 3.0 Realtime Plus, który zdobył 99,2%.

Testerzy nadal wybierają starszy model Gemini

Cena wyznacza największą różnicę. Standardowy model kosztuje 0,84 USD za godzinę wejściowego audio. To około połowa ceny poprzednika – 1,75 USD i najniższa stawka w indeksie.

Extended Thinking kosztuje 3,50 USD za godzinę. To mniej niż GPT-Live-1 Sol za 4,47 USD oraz Grok Voice Think Fast 2.0 High za 4,80 USD.

Opóźnienie także spadło. Średni czas do pierwszego audio wynosi obecnie 1,18 sekundy, w porównaniu do 2,99 sekundy w starszym Gemini.

Jednak słuchacze wciąż nie są przekonani. Gemini 3.1 Flash Live nadal wygrywa w preferencjach w ślepych rozmowach Speech Agent Arena i osiąga Elo 1096.

Gemini 3.8 Live zajmuje drugie miejsce z wynikiem 1083. Wersja Extended Thinking zajmuje trzecie miejsce z wynikiem 990, mimo realizacji 89,1% zadań.

Sztuczna inteligencja głosowa jest dziś oceniana dwoma skalami, które wskazują różne kierunki. Benchmarki nagradzają rozumowanie. Preferencje słuchaczy nagradzają lepszą mowę. Google prowadzi w obu przypadkach, ale różnymi modelami.

Subskrybuj nasz kanał na YouTube, by oglądać ekspertów i dziennikarzy dzielących się analizami

Zastrzeżenie

BeInCrypto dokłada wszelkich starań, aby zapewnić bezstronne i przejrzyste relacjonowanie. Niniejszy artykuł informacyjny ma na celu dostarczenie dokładnych i aktualnych informacji. Zaleca się jednak, aby czytelnicy samodzielnie weryfikowali fakty i konsultowali się ze specjalistą przed podjęciem jakichkolwiek decyzji na podstawie niniejszych treści. Informujemy, że nasz Regulamin, nasza Polityka prywatności oraz nasze Zastrzeżenia prawne zostały zaktualizowane.

Sponsorowane
Sponsorowane