| 0 | 0 |
Wer programmiert, kennt das: Man sitzt vor dem Rechner, starrt seit einer halben Stunde auf dieselben zwölf Zeilen Code und murmelt irgendwann Dinge wie „Warum zur Hölle bist du jetzt undefined?“ oder „Das kann doch gar nicht sein“. Bisher waren solche Selbstgespräche bestenfalls Therapie. Mit Gemini 3.8 Live kann daraus nun tatsächlich eine Unterhaltung werden.
Google hat am 15. September 2026 Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking veröffentlicht. Die neuen Audio-to-Audio-Modelle sind für Gespräche in Echtzeit gedacht und sollen nicht einfach nur auf einen gesprochenen Prompt warten und anschließend eine Antwort ausspucken. Gemini kann während einer laufenden Unterhaltung weiterarbeiten, Werkzeuge im Hintergrund aufrufen und beim Extended-Thinking-Modell auch komplexere Probleme durchdenken.
Aus dem Selbstgespräch wird Pair Programming
Gerade beim Programmieren klingt das ziemlich interessant. Google nennt STEM- und Code-Tutoring, das Überprüfen von Formeln sowie das Debuggen von Code ausdrücklich als mögliche Anwendungsfälle für Gemini 3.8 Live Extended Thinking. Statt also jedes Problem einzutippen, könnte man künftig einfach mit der KI reden: „Die Funktion bekommt hier eigentlich ein Objekt, aber plötzlich ist es null. Schau mal, wo ich Mist gebaut habe.“ Und Gemini kann antworten, während man weiter am Problem arbeitet. Das Extended-Thinking-Modell darf im Hintergrund länger nachdenken und beispielsweise Tools verwenden, während es mit gesprochenen Zwischenmeldungen signalisiert, dass noch gearbeitet wird. Dadurch soll nicht diese unangenehme Stille entstehen, die bislang bei komplexeren Sprachassistenten gerne einsetzt.
Das dürfte allerdings auch für völlig neue Situationen im Büro sorgen. Früher wusste man beim vorbeilaufenden Kollegen wenigstens: Der Typ redet mit seinem Rechner. Jetzt muss man sich ernsthaft fragen, ob der Rechner nicht gerade zurückredet.
Gemini hört, sieht und spricht
Gemini 3.8 Live verarbeitet Text, Bilder, Audio und Video und kann Text sowie Audio ausgeben. Das Kontextfenster liegt laut Google bei 131.072 Input-Tokens, die maximale Ausgabe bei 65.536 Tokens. Dazu kommen Function Calling, Google-Suche sowie die Live API. Entwickler können damit eigene Anwendungen bauen, die dauerhaft per Audio mit dem Nutzer kommunizieren.
Einen Punkt sollte man dabei auseinanderhalten: Gemini 3.8 Live besitzt laut Googles eigener Modellübersicht keine integrierte Code-Ausführung. Die KI ist also nicht automatisch eine komplette sprachgesteuerte Entwicklungsumgebung. Über Function Calling lassen sich allerdings externe Werkzeuge anbinden. Das Spannende ist deshalb weniger „Gemini programmiert per Sprache für mich“, sondern die Möglichkeit, beim Entwickeln einen permanent verfügbaren Gesprächspartner neben sich zu haben.
Zwei Varianten für unterschiedliche Aufgaben
Google bietet zwei Modelle an. Gemini 3.8 Live ist auf möglichst verzögerungsarme Unterhaltungen ausgelegt. Gemini 3.8 Live Extended Thinking bekommt zusätzlich mehr Raum für komplexere Überlegungen und kann während einer laufenden Sprachinteraktion im Hintergrund weiterdenken und asynchrone Werkzeuge einsetzen.
Beide Modelle sind seit 15. September 2026 allgemein verfügbar. Entwickler können sie über die Gemini API beziehungsweise Google AI Studio verwenden. Für eigene Live-Anwendungen stellt Google unter anderem Beispiele für WebSocket-Verbindungen in Python und JavaScript bereit.
Damit bekommt Rubber-Duck-Debugging übrigens ein Upgrade: Die Ente hört nicht mehr nur geduldig zu. Sie widerspricht jetzt auch.
Torsten "Pixelaffe" Schmitt
Geboren 1976 im schönen Schwetzingen und nicht weggekommen. Ich habe somit den Aufstieg des Internet miterlebt und beruflich auch vorangetrieben. Hier schreibe ich über all die Technologien die mir auf meiner Reise durch das "Neuland" auffallen.
