Google hat gerade sein bislang fortschrittlichstes Audiomodell veröffentlicht. So schneidet es ab

Google hat am 15. September Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking vorgestellt und sie als seine bislang fortschrittlichsten Audiomodelle bezeichnet.

Die beiden Modelle können sprechen, schlussfolgern und Aufgaben erledigen. Doch wie schneiden sie bei unabhängigen Analysten ab? Die Version Extended Thinking belegte mit 82,6 Punkten den ersten Platz im Speech-to-Speech-Index von Artificial Analysis – vor GPT-Live-1 und Grok Voice.

Folge uns auf X, um die neuesten Nachrichten in Echtzeit zu erhalten

So schneiden die neuesten dialogfähigen KI-Modelle von Google in Benchmarks ab

Der Index von Artificial Analysis bildet den Durchschnitt aus Sprachverständnis, agentenbasierter Leistung, Arena-Präferenz und Erfolgsquote bei Aufgaben.

Gemini 3.8 Live Extended Thinking belegte bei Tests mit hoher Schlussfolgerungsintensität auf Anhieb den ersten Platz. Es folgten GPT-Live-1 Astra mit 81,5 Punkten und Grok Voice Think Fast 2.0 High mit 81,3 Punkten.

Das Standardmodell Gemini 3.8 Live belegte mit 76,0 Punkten den fünften Platz. Beide Varianten übertrafen Gemini 3.1 Flash Live High, das 71,5 Punkte erreichte.

Bei agentenbasierten Aufgaben ist der Abstand größer. Extended Thinking erreichte im Tau-Voice-Benchmark 68,6 % gegenüber 37,7 % bei der vorherigen Generation.

Im Benchmark für Sprachverständnis erzielte Extended Thinking 97,7 % und lag damit knapp vor Grok Voice mit 97,2 %. Hinter Qwen Audio 3.0 Realtime Plus mit 99,2 % blieb es jedoch zurück.

Menschliche Tester greifen weiterhin lieber zum älteren Gemini-Modell

Beim Preis zeigt sich der größte Abstand. Das Standardmodell kostet 0,84 $ pro Stunde Eingabeaudio. Das ist ungefähr die Hälfte des Preises seines Vorgängers (1,75 $) und der niedrigste Tarif im Index.

Extended Thinking kostet 3,50 $ pro Stunde. Damit ist es günstiger als GPT-Live-1 Sol mit 4,47 $ und Grok Voice Think Fast 2.0 High mit 4,80 $.

Auch die Latenz sank. Die durchschnittliche Zeit bis zur ersten Audioausgabe fiel auf 1,18 Sekunden, verglichen mit 2,99 Sekunden beim älteren Gemini-Modell.

Die Zuhörer sind jedoch noch nicht vollständig überzeugt. Gemini 3.1 Flash Live liegt bei Blindgesprächen in der Speech Agent Arena weiterhin vorn, mit einem Elo-Wert von 1096.

Gemini 3.8 Live liegt mit 1083 auf dem zweiten Platz. Die Variante mit Extended Thinking liegt mit 990 zurück, obwohl sie 89,1 % ihrer Aufgaben abschließt.

Sprach-KI wird inzwischen anhand zweier Maßstäbe bewertet, die in unterschiedliche Richtungen weisen. Benchmarks belohnen das Modell, das am gründlichsten schlussfolgert. Bei Präferenz zählt, welches Modell am besten spricht. Google liegt derzeit bei beiden vorn – mit unterschiedlichen Modellen.

Abonnieren Sie unseren YouTube-Kanal, um zu sehen, wie Führungskräfte und Journalisten Experteneinblicke geben.

Quelle: BeInCrypto