Gemini 3.8 Live: Google unterbietet OpenAI beim Sprechen

Google DeepMind hat am 15. September 2026 zwei neue Sprachmodelle veröffentlicht: Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking. Beide sind ab sofort über die Gemini API und Google AI Studio verfügbar. Laut Google erreicht die Extended-Thinking-Variante 82,6 Punkte auf dem Speech-to-Speech-Index von Artificial Analysis und damit Platz eins – vor OpenAIs GPT-Live-1 Astra mit 81,5 und Grok Voice Think Fast 2.0 mit 81,3 Punkten. Kosten tut das Ganze deutlich weniger als bei der Konkurrenz.

97 Sprachen, mitten im Satz gewechselt

Gemini 3.8 Live erkennt laut Google 97 unterstützte Sprachen und wechselt automatisch zwischen ihnen – nicht erst beim nächsten Gespräch, sondern mitten im laufenden. Dazu kommen zwei Fähigkeiten, die Sprachassistenten bisher regelmässig stolpern liessen:

• Das Modell führt Tool-Calls und API-Anfragen im Hintergrund aus, während es weiterspricht. Es kann einen Auftrag also bestätigen und weiterplaudern, während die Abfrage noch läuft.
• Es verarbeitet visuellen Input nahezu in Echtzeit – Googles Demos zeigen das Modell beim Kommentieren einer Schachpartie und beim Durchführen eines Mitarbeiter-Onboardings.

Die Extended-Thinking-Variante denkt und spricht gleichzeitig: Sie überbrückt Rechenzeit mit Einwürfen wie «Lass mich das kurz prüfen». Beim agentischen Benchmark τ-Voice, der echte Kundendienst-Szenarien nachstellt, kommt sie laut Google auf 68,6 Prozent – knapp vor GPT-Live-1 Astra mit 67,9 Prozent.

Ein Bruchteil vom Preis

Der eigentliche Hebel ist der Preis. Für die Listenpreise nennt der Fachdienst The Decoder 0,005 US-Dollar pro Minute Audio-Input und 0,018 Dollar pro Minute Output – rund 1,38 Dollar pro Gesprächsstunde. Für OpenAIs GPT-Live-1 rechnet The Decoder mit mindestens 3,00 Dollar. Die unabhängige Messung von Artificial Analysis bestätigt die Richtung: Dort kostet eine Stunde Audio-Input bei GPT-Live-1 Astra 5,83 Dollar und bei Grok Voice Think Fast 2.0 4,80 Dollar.

Der Haken: OpenAI klingt noch besser

Punkte gewinnen ist das eine, natürlich klingen das andere. GPT-Live-1 arbeitet im Full-Duplex-Modus – es hört zu und spricht gleichzeitig, wie zwei Menschen am Telefon. The Decoder hält OpenAIs Modell deshalb weiterhin für das natürlichere Gegenüber und vermutet, dass Google erneut auf Preis statt auf Klangqualität optimiert hat. Passend dazu: Das günstigere Gemini 3.8 Live landet in der Speech Agent Arena, die menschliche Präferenz misst, nur auf Platz zwei.

Warum das für Schweizer Voicebots zählt

Für Schweizer KMU mit Voicebot-Plänen verschiebt sich damit die Rechnung. Deutsch, Französisch und Italienisch in einem einzigen Modell – ohne Sprachumschaltung im Dialog – war bisher der teuerste Teil einer mehrsprachigen Hotline.

Kurz gesagt: Google liefert die derzeit stärksten Werte auf den Sprach-Benchmarks zum günstigsten Preis – und nimmt dafür in Kauf, dass OpenAI im direkten Zuhören immer noch angenehmer wirkt.