ตัวเลขที่บริษัทประกาศ
- ค่าเสียงเข้า $0.005 ต่อนาที ค่าเสียงออก $0.018 ต่อนาที (Google blog 15 ก.ย.)
- เชิงอรรถของบริษัทอธิบายว่า ตัวเลขนี้ประมาณจาก $3 ต่อล้านโทเคนขาเข้า กับ $12 ต่อล้านโทเคนขาออก
โมเดลใหม่ทำอะไรได้
- คุยเสียงเข้าออกโดยตรงแบบ speech-to-speech คือไม่ต้องผ่านขั้นตอนอื่น คิดงานไปคุยไปโดยบทสนทนาไม่สะดุด
- เรียก API หรือเครื่องมือเบื้องหลังได้ ขณะเสียงยังสตรีมออกต่อเนื่อง
- ใช้ภาพสดเป็นบริบทของบทสนทนา จับรหัสยืนยัน เลขเคลม ข้อมูลทางเทคนิคได้แม่น
- รองรับ 97 ภาษาขึ้นไป สำเนียงคงเส้นคงวา
- เอาเสียงสดมาผสมกับข้อมูลจริงในคำตอบเดียว ให้ตอบโดยรู้บริบทเสมอ
- Google บอกว่าล้ำรุ่น Live เดิมชัดเจน และเรียบง่ายกว่าการต่อระบบหลายชั้นแบบเดิม
Extended Thinking คืออะไร
- รุ่นพิเศษสำหรับคำขอซับซ้อน ปรับระดับการคิดให้ลึกหรือตื้นได้
- คิดเบื้องหลังไปพลาง เล่าความคืบหน้าในบทสนทนาหลักไปพลาง
- Google เคลมว่าได้อันดับ 1 บน Artificial Analysis สาย Speech-to-Speech อันนี้เป็นเคลมจากบล็อกเปิดตัว ไม่ใช่ผลทดสอบของ linknu
ลองได้ที่ไหน
- Live API คือช่องทางคุยเสียงแบบสด เปิดใช้แล้ววันนี้
- มีบน Gemini API กับ Google AI Studio ด้วย เข้าไปลองที่ ai.studio/live
- มีพันธมิตรต่อระบบไว้แล้ว เช่น LiveKit, Agora, LangChain, Vercel, Pipecat, Fishjam, Vision Agents
อย่าเข้าใจผิด
- ข่าววันนี้คือรุ่น Live คุยเสียง ไม่ใช่ Gemini 3.8 Flash ที่เปิดไปแล้วเมื่อ 2 ก.ย.
- ใช้ผ่าน Live API, Gemini API กับ Google AI Studio เท่านั้น
- Gemini 3.5 Transcribe ที่ปล่อยเดือนก่อนเป็นงานถอดเสียงเป็นข้อความ 85 ภาษาขึ้นไป คลาดเคลื่อนเฉลี่ย 4.0% แบบสตรีม
สรุป
ราคาต่อนาทีที่ประกาศชัด ๆ แบบนี้ ทีมทำผู้ช่วยเสียงหรือคอลเซ็นเตอร์ AI วางงบล่วงหน้าได้ง่ายขึ้นเยอะ
แหล่ง: Google · 15 ก.ย. 2026