xAI выпустила Grok Voice 3.0 — модель формата «речь в речьi», которая слушает и отвечает голосом без промежуточного текста. В API она стоит столько же, сколько предыдущая версия, а задержка до первого звука — менее секунды.

По данным Artificial Analysis, модель лидирует в сводном Speech-to-Speech Index. Она уже используется в автомобилях Tesla и службе поддержки Starlink; в Starlink, по данным источников, обрабатывает около 20 тысяч звонков в день, примерно 70% — без участия человека.

Полный разбор →

Google представила две новые realtime-модели для голосового взаимодействия — Gemini 3.8 Live и флагманскую Gemini 3.8 Live Extended Thinking. Обе понимают видео и изображение с камеры или экрана в почти реальном времени, автоматически переключаются между 97 языками прямо посреди фразы и могут вызывать инструменты и сторонние API в фоне, не прерывая разговор с пользователем.

Отличие Extended Thinking — параллельное рассуждение: модель «думает» и говорит одновременно, комментирует ход многошаговых задач голосом («дай-ка подумаю...»), не замолкая и не зависая в паузах. По данным Google, версия заняла первое место в Speech to Speech Quality Index с результатом 82,6 балла. Внедрение уже началось в поисковом голосовом режиме, приложении Gemini, Google Docs, Gmail, Keep и Workspace, а модели доступны через Gemini API и AI Studio.