Gemini 3.8 Live Bisa Mikir Sambil Ngomong — Ini Bedanya

Gw pernah nyuruh voice assistant ngerjain tugas yang butuh mikir dua langkah, dan yang keluar cuma keheningan canggung tiga detik sebelum jawaban muncul. Google baru aja ngilangin jeda itu dari produk mereka sendiri.

Apa yang baru

• Dua model voice baru: Google merilis Gemini 3.8 Live dan 3.8 Live Extended Thinking, model percakapan suara real-time yang mendukung input visual dan otomatis ganti bahasa di tengah obrolan.
• Skor tertinggi di kelasnya: 3.8 Live Extended Thinking nangkring di posisi #1 Speech to Speech Quality Index milik Artificial Analysis dengan skor 82.6, dan 97.7% di Big Bench Audio.
• Kemampuan agentic: model ini juga memimpin di τ-Voice (68.6%) dan τ-Voice-banking milik Sierra (35.1%), dua benchmark yang ngukur seberapa becus AI nyelesain tugas nyata lewat suara, bukan cuma ngobrol basa-basi.
• Rilis serentak: kedua model tersedia mulai hari ini lewat Gemini API, Google AI Studio, aplikasi Gemini, Search Live, dan Google Workspace (Docs, Gmail, Keep) buat pelanggan Google AI Pro/Ultra.
• Ekosistem developer: platform seperti LiveKit, LangChain, Pipecat, Agora, dan Vercel udah terintegrasi lewat Gemini Live API buat bangun voice agent tanpa harus ngurus infrastruktur streaming sendiri.

Cara kerjanya

Bedanya sama voice assistant biasa ada di cara dia nanganin tugas yang butuh mikir. Extended Thinking bisa reasoning multi-langkah sambil tetap ngomong — mirip chef yang bilang "bentar, gw cek oven dulu" sambil terus motong bahan di meja, bukan diem total lalu balik lagi tiga menit kemudian.

Model reguler (3.8 Live) fokus di kecepatan dan biaya — dia proses input visual nyaris real-time, jadi kalau kalian nunjukin sesuatu ke kamera sambil ngomong, dia ngerti konteksnya tanpa delay. Kedua model bisa jalanin tool call di belakang layar sambil ngobrol terus, dan ngerti 97 bahasa yang bisa gonta-ganti di tengah kalimat tanpa restart sesi.

Kenapa ini penting

Selama ini, bikin voice agent enterprise-grade biasanya berarti nunggu akses API, kartu kredit US, atau kontrak enterprise yang ribet buat developer Indonesia. Gemini 3.8 Live langsung nongol di Gemini API dan Google AI Studio hari ini — akses yang sama kayak developer di mana pun, gak ada antrean privilese.

Ini juga ngerubah kalkulasi biaya bikin conversational AI. Kalau sebelumnya reasoning yang dalam berarti model gede dan mahal, sekarang ada opsi yang tetap murah tapi bisa mikir sambil ngomong — cocok buat startup atau creator yang mau bikin customer service voice atau asisten pribadi tanpa nge-bakar budget. Ini melengkapi kerja Google di sisi audio yang sebelumnya udah kepake buat transkripsi suara ke teks — sekarang arahnya kebalik, dari teks jadi obrolan yang lebih hidup.

Yang paling kerasa buat tim kecil: kalian gak perlu lagi milih antara agent yang responsif tapi bego, atau yang pinter tapi lemot. 3.8 Live Extended Thinking coba nutup gap itu di satu model.

Buat kalian

• Yang harus peduli: kalian yang lagi bangun voice agent, customer service otomatis, atau aplikasi yang butuh ngobrol natural sama user — model ini kasih opsi baru yang bisa langsung dicoba lewat API tanpa nunggu akses khusus.
• Yang boleh santai: kalau produk kalian gak butuh voice interaction sama sekali, ini gak ngubah apa-apa di roadmap kalian sekarang.
• Langkah kecil pertama: buka Google AI Studio, coba Gemini 3.8 Live Extended Thinking dengan satu skenario nyata — misalnya voice agent yang harus cek jadwal terus jawab pertanyaan susulan — dan rasain sendiri bedanya jeda mikir itu ilang atau nggak.

Model secanggih apa pun cuma alat — yang bikin voice agent kalian beneran kepake adalah desain percakapannya: kapan dia harus diam, kapan harus konfirmasi, kapan cukup jalan di belakang layar. Itu yang gw latih bareng murid-murid di kelas gw.

Sumber primer: blog resmi Google DeepMind (deepmind.google, "Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking").