Google bringt mit Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking zwei neue Modelle für direkte Sprachdialoge auf den Markt. Sie richten sich zwar zunächst an Anbieter von Sprachassistenten, können aber beeinflussen, wie du Künstliche Intelligenz (KI) in Apps, bei der Arbeit und auf vernetzten Geräten nutzt. Fast zeitgleich erweitert Amazon Alexa+ um Hindi und zeigt damit, dass mehrsprachige Gespräche und lokale Dienste zu zentralen Merkmalen von Sprachassistenten werden.
Warum Live-Sprachmodelle relevant sind
Ein Live-Sprachmodell verarbeitet gesprochene Eingaben und erzeugt gesprochene Antworten nahezu unmittelbar, ohne dass du sichtbar zwischen Sprache und Text wechseln musst. Gemini 3.8 Live gehört damit zur gleichen Modellkategorie wie OpenAIs GPT-Live-Familie. Laut der Leitmeldung zu Googles Veröffentlichung können die neuen Gemini-Modelle während eines laufenden Gesprächs Werkzeuge aufrufen, visuelle Live-Eingaben verarbeiten und zwischen 97 Sprachen wechseln.
Der entscheidende Unterschied zu klassischen Sprachassistenten liegt in der Kontinuität. Du sollst nicht mehr für jeden Befehl einen neuen, starren Dialog beginnen, sondern nachfragen, unterbrechen und die Sprache wechseln können, während der bisherige Zusammenhang erhalten bleibt. In einem Browser-Test von Simon Willison liessen sich Modell und Stimme auswählen, ein optionaler Systemhinweis festlegen und Antworten während des Sprechens unterbrechen.
Das macht Sprachbedienung vor allem dann interessanter, wenn deine Hände oder Augen gerade anderweitig beschäftigt sind. Gleichzeitig wird Sprache nicht automatisch zur besten Bedienform für jede Aufgabe: Längere Zahlenreihen, vertrauliche Inhalte oder Ergebnisse, die du genau vergleichen musst, bleiben auf einem Bildschirm oft übersichtlicher. Ein natürlicher klingendes Gespräch ist zudem noch kein Beweis dafür, dass die Antwort korrekt ist.
Was Gemini 3.8 Live besser macht
Google unterscheidet zwischen Gemini 3.8 Live für schnelle, fliessende Gespräche und Gemini 3.8 Live Extended Thinking für komplexere Aufgaben mit zusätzlicher Verarbeitung. Beide Modelle können im Hintergrund Werkzeuge und eine Programmierschnittstelle (API) nutzen, also eine Verbindung, über die ein KI-System andere Softwarefunktionen aufruft. Das Gespräch soll dabei weiterlaufen, statt auf jeden einzelnen Arbeitsschritt zu warten.
Ein konkreter Nutzen entsteht, wenn ein Sprachassistent während des Dialogs Informationen aus einem verbundenen Dienst abruft oder eine mehrstufige Aufgabe ausführt. Du könntest den Auftrag mündlich präzisieren, während das System bereits im Hintergrund arbeitet, statt mehrere getrennte Befehle zu formulieren. Google nennt ausserdem visuelle Echtzeitinformationen: Das Modell kann demnach Sprache mit einem laufenden visuellen Eingang verbinden, wobei die Quellen keine abschliessende Liste unterstützter Geräte oder Anwendungen liefern.
Bei den Leistungswerten meldet Google für Extended Thinking den ersten Platz im Speech-to-Speech Quality Index von Artificial Analysis mit 82,6 Punkten. Die Leitmeldung nennt zusätzlich 97,7 Prozent bei Big Bench Audio, einem Test für das Verstehen von Audioinhalten. Diese Werte stammen aus der Produkteinführung beziehungsweise aus den von ihr angeführten Tests und sagen nur begrenzt aus, wie zuverlässig das Modell bei deinem Akzent, bei Hintergrundlärm oder in einem konkreten Arbeitsablauf reagiert.
Google stellt beide Varianten über die Gemini-API und Google AI Studio bereit. Die Ankündigung von Google DeepMind verweist darüber hinaus auf die Gemini-App, Google Workspace und die Suche. Welche Funktionen in welchem Produkt, Land oder Konto unmittelbar verfügbar sind, geht aus den gelieferten Angaben jedoch nicht vollständig hervor.
Was niedrigere Preise verändern
Für Audioeingaben verlangt Google laut den Quellen 0,005 US-Dollar pro Minute, für erzeugte Audioausgaben 0,018 US-Dollar pro Minute. Eine Stunde Sprachdialog mit Ein- und Ausgabe kostet nach der Berechnung von The Decoder rund 1,38 US-Dollar. Dabei handelt es sich um nutzungsabhängige Modellpreise für Anbieter und nicht um ein ausgewiesenes Endkundenabonnement.
Zum Vergleich nennt The Decoder für OpenAIs GPT-Live-1 einen Preis von 0,05 US-Dollar pro Minute und mindestens 3 US-Dollar für eine Stunde. Der Vergleich ist nicht vollständig gleichartig, weil GPT-Live-1 laut Bericht Full Duplex unterstützt. Full Duplex bedeutet, dass ein System gleichzeitig zuhören und sprechen kann, was Unterbrechungen und Sprecherwechsel natürlicher machen dürfte.
Niedrigere Modellkosten können Sprachfunktionen für Kundendienst, interne Assistenz oder Lernangebote wirtschaftlich attraktiver machen. Ob du diese Ersparnis tatsächlich bemerkst, hängt jedoch davon ab, ob ein Anbieter sie weitergibt und welche zusätzlichen Kosten für Geräte, Dienste oder Abonnements anfallen. Auch der Datenverbrauch und die Verarbeitung im Hintergrund werden in den Quellen nicht beziffert.
Google versieht alle erzeugten Audioinhalte mit SynthID, einem laut Anbieter eingebetteten digitalen Wasserzeichen für KI-generierte Medien. Das kann die spätere Erkennung unterstützen, ersetzt aber keine sichtbare Kennzeichnung und garantiert nach den vorliegenden Angaben nicht, dass jede Aufnahme unter allen Bedingungen erkannt wird. Eine unabhängige Prüfung dieser konkreten Umsetzung wird in den Quellen nicht beschrieben.
Pro und Kontra von Live-Sprachassistenten
Pro:
- Mehrsprachigkeit – Gemini kann laut Google zwischen 97 Sprachen wechseln, ohne dass du dafür einen neuen Dialog beginnen musst.
- Flüssigere Bedienung – Unterbrechungen und fortlaufender Kontext lassen das Gespräch weniger wie eine Folge isolierter Sprachbefehle wirken.
- Aufgaben im Hintergrund – Verbundene Werkzeuge können arbeiten, während du den Auftrag weiter erläuterst oder präzisierst.
- Niedrigere Modellkosten – Googles veröffentlichte Audiopreise liegen im genannten Vergleich deutlich unter jenen von GPT-Live-1.
Kontra:
- Ungeklärte Zuverlässigkeit – Ranglisten und Audiotests bilden Akzente, Lärm und konkrete Alltagssituationen nur teilweise ab.
- Unvollständige Verfügbarkeit – Die Quellen nennen mehrere Google-Produkte, erklären aber nicht für jedes Land und Konto den genauen Funktionsumfang.
- Datenschutzfragen – Angaben zur Speicherung von Sprachaufnahmen, visuellen Eingaben und aufgerufenen Diensten fehlen in den vorliegenden Texten.
- Gesprächsqualität – Das günstigere Gemini-Angebot könnte gegenüber einem System mit Full Duplex weniger natürliche Sprecherwechsel bieten.
Was Alexa+ für den Alltag zeigt
Amazon verfolgt mit Alexa+ einen stärker geräte- und dienstbezogenen Ansatz. Der Assistent ist in Indien im frühen Zugang auf Hindi und Englisch verfügbar, kann längere Gespräche führen und den Kontext aufrechterhalten. Nutzerinnen und Nutzer können laut TechCrunchs Bericht über den Indien-Start sogar mitten im Satz zwischen Englisch und Hindi wechseln.
Die konkreten Beispiele zeigen, wohin sich Sprachassistenten bewegen: Alexa+ kann Lebensmittel über Amazon Now bestellen sowie vernetzte Geräte ein- und ausschalten. Hinzu kommen Integrationen mit Lieferdiensten, Reiseportalen, einer Plattform für Ticketbuchungen, einer App für Restaurantreservationen und Musikdiensten. Sprach-KI wird damit weniger zu einem einzelnen Auskunftswerkzeug und stärker zu einer Bedienebene über mehrere Dienste hinweg.
Nach der Testphase soll Alexa+ für Prime-Kundinnen und -Kunden in Indien kostenlos sein; ohne Prime nennt Amazon einen Preis von 2’000 indischen Rupien beziehungsweise 20,85 US-Dollar pro Monat. Der Assistent wurde zuvor in den USA eingeführt und ist laut Bericht inzwischen unter anderem in Grossbritannien, Kanada, Brasilien, Mexiko, Italien und Deutschland mit lokalem Sprachkontext gestartet. Eine Verfügbarkeit oder ein Preis für die Schweiz wird nicht genannt.
Für Einsteiger: Dein erster sinnvoller Schritt ist ein begrenzter Test mit einer Aufgabe, deren Ergebnis du leicht kontrollieren kannst. In einer verfügbaren Gemini-Anwendung kannst du etwa prüfen, ob ein längerer Sprachdialog seinen Zusammenhang behält und wie gut Unterbrechungen funktionieren. Bei vernetzten Geräten solltest du zunächst harmlose Funktionen wie das Ein- und Ausschalten testen, bevor du Bestellungen oder Reservationen per Sprache auslöst.
Für Fortgeschrittene: Mehr Nutzen entsteht, wenn du wiederkehrende, mehrstufige Aufgaben mit verbundenen Diensten kombinierst und klare Vorgaben für das Gespräch festlegst. Google AI Studio erlaubt laut den Quellen Versuche mit den Modellen; Willisons Oberfläche demonstriert zusätzlich die Wahl eines Sprachprofils und eines Systemhinweises. Dabei solltest du Kosten für Audioeingabe und -ausgabe getrennt beobachten und sensible Informationen aus Tests heraushalten, solange die Datenverarbeitung nicht geklärt ist.
Für die Schweiz sind vor allem die breite Sprachunterstützung von Gemini und Amazons Ausbau lokaler Sprachkontexte relevant. Die Quellen bestätigen jedoch weder einen Schweizer Start von Alexa+ noch konkrete Schweizer Sprachvarianten, lokale Dienstintegrationen oder Datenschutzbedingungen. Mehrsprachige Sprachagenten werden damit technisch und preislich attraktiver, doch die offene Frage bleibt, wie zuverlässig, transparent und lokal passend sie ausserhalb der angekündigten Märkte arbeiten.
Quellen
- Google Releases Gemini 3.8 Live and 3.8 Live Extended Thinking for Production Grade Voice Agents – MarkTechPost, 2026-09-15
- Gemini Live audio – Simon Willison’s Weblog, 2026-09-15
- Google Deepmind stellt Gemini 3.8 Live für Sprach-Agenten vor – The Decoder, 2026-09-15
- Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking – Google DeepMind, 2026-09-15
- Amazon launches Alexa+ in India with Hindi support – TechCrunch, 2026-09-16
Bild: Anete Lusina via Pexels