Google hat am 26. März 2026 das Gemini 3.1 Flash Live vorgestellt, sein leistungsstärkstes Audio-Modell bis dato. Dieses neue System wurde entwickelt, um Spracherkennungen natürlicher, flüssiger und zuverlässiger zu gestalten. Durch verbesserte Präzision und geringere Latenz ermöglicht das Modell Echtzeit-Dialoge, die sich für Entwickler, Unternehmen und Endnutzer nahtlos in bestehende Arbeitsabläufe integrieren lassen. Die Verfügbarkeit erfolgt über verschiedene Kanäle. Entwickler können das Modell derzeit in der Vorschau über die Gemini Live API im Google AI Studio testen. Für Unternehmen ist es in der Lösung Gemini Enterprise for Customer Experience verfügbar, um Kundenservice-Interaktionen zu optimieren. Für die breite Öffentlichkeit ist die Technologie jetzt über die Dienste Gemini Live und Search Live zugänglich. Dank der inhärenten Mehrsprachigkeit des Modells hat Google die Suche Live in über 200 Ländern und Regionen erweitert, was eine Echtzeit-Kommunikation in der jeweiligen Muttersprache ermöglicht. Für Entwickler bietet Gemini 3.1 Flash Live signifikante Fortschritte bei der Ausführung komplexer Aufgaben. In Benchmarks für mehrstufige Funktionsaufrufe unter verschiedenen Einschränkungen, wie dem ComplexFuncBench Audio, erzielte das Modell einen Score von 90,8 Prozent und übertraf damit deutlich das Vorgängermodell. Auch auf dem Audio MultiChallenge von Scale AI, der die Befolgung komplexer Anweisungen und logisches Denken bei Unterbrechungen und Pausen testet, führt das System mit 36,1 Prozent. Ein wichtiger Aspekt ist zudem das verbesserte Verständnis von Tonfall und Akustiknuancen wie Sprechgeschwindigkeit und Stimmlage. Das Modell reagiert dynamisch auf Emotionen wie Frustration oder Verwirrung des Nutzers und passt seine Antworten entsprechend an. Erste Kunden wie Verizon, LiveKit und The Home Depot berichten von positiven Erfahrungen mit natürlicheren Konversationen in realen Szenarien. Bei der Nutzung durch Endkunden profitieren Benutzer von schnelleren Antwortzeiten und einer deutlich längeren Kontextbindung. Das Modell kann den Gesprächsfaden etwa doppelt so lange verfolgen wie vorherige Versionen, was besonders bei längeren Denkprozessen oder komplexen Fragen von Vorteil ist. Die Integration von mehrstufigen Aufgaben in lauten Umgebungen wird ebenfalls verbessert, was die Zuverlässigkeit von Sprachassistenten im Alltag steigert. Aus Sicherheitsgründen wird jede von Gemini 3.1 Flash Live generierte Audioausgabe mit SynthID wassermarkiert. Diese unsichtbare Markierung ist direkt in den Audioausgabe integriert und ermöglicht eine zuverlässige Erkennung von KI-generierten Inhalten. Dies dient der Prävention der Verbreitung von Fehlinformationen. Google betont den verantwortungsvollen Umgang mit der Technologie und verweist auf detaillierte Informationen im Model Card-Dokument. Das Update markiert einen wichtigen Schritt in der Entwicklung von Spracherkennungs-KI, der es ermöglicht, Sprachagenten zu bauen, die komplexe Aufgaben nicht nur verstehen, sondern auch zuverlässig ausführen können. Die globale Verfügbarkeit und die technischen Verbesserungen zielen darauf ab, die Interaktion zwischen Mensch und Maschine intuitiver zu machen.