Google Gemini 3.1 Flash Live: latenza ridotta e 128.000 token per sfidare ChatGPT

Google alza il tiro nella corsa all'intelligenza artificiale conversazionale in tempo reale. Il 26 marzo 2026 ha lanciato Gemini 3.1 Flash Live, un modello ottimizzato per le conversazioni vocali che promette risposte più rapide, una comprensione più profonda del contesto e la capacità di gestire conversazioni di durata superiore al doppio rispetto al predecessore. Il rilascio è immediato e su vasta scala: consumatori, sviluppatori e aziende ricevono accesso contemporaneamente. Il messaggio è chiaro: Google vuole che la voce diventi l'interfaccia primaria per interagire con i suoi servizi, e vuole che accada adesso.

Cosa cambia rispetto al predecessore

Gemini 3.1 Flash Live sostituisce Gemini 2.5 Flash Native Audio. Le migliorìe non sono ritocchi cosmetici:

• La latenza è inferiore
• Le pause innaturali che spezzavano il flusso della conversazione sono state ridotte
• La finestra di contesto raggiunge i 128.000 token in ingresso
• L'output arriva fino a 64.000 token per audio e testo

In pratica: è il doppio rispetto alla versione precedente, in termini di quanto "filo del discorso" il modello riesce a tenere a mente.

C'è poi un lavoro significativo sulla percezione acustica. Il modello riconosce meglio sfumature come il tono e il ritmo del parlato, distingue la voce dell'utente dai rumori ambientali - traffico, televisione accesa in sottofondo - e adatta dinamicamente la lunghezza e il registro delle risposte al contesto della conversazione. Non è più il solito assistente che risponde con monologhi da enciclopedia quando serviva un semplice "sì".

Accetta input multimodali: audio, immagini, video e testo. Supporta oltre 90 lingue, tra le quali l'italiano.

Da notare che tutto l'audio generato viene contrassegnato con un watermark, misura pensata per contrastare la diffusione di disinformazione tramite contenuti vocali sintetici.

Come usarlo

Il rilascio copre tre fronti in parallelo. Sul versante consumatori, Gemini Live su Android e iOS viene aggiornato con il nuovo modello. Search Live - la funzionalità che permette conversazioni vocali bidirezionali con la ricerca di Google, integrate anche con Google Lens per l'input video - si espande a livello globale: prima era disponibile solo negli Stati Uniti e in India, ora copre oltre 200 paesi e territori, ovunque sia attiva la modalità AI di ricerca.

Gli sviluppatori possono accedere al modello in anteprima tramite Gemini Live API in Google AI Studio. Per le aziende, il canale è Gemini Enterprise for Customer Experience, pensato per costruire agenti vocali dedicati all'assistenza clienti.

La partita vera si gioca sulla latenza

Una conversazione vocale con un'intelligenza artificiale funziona solo se è fluida. Mezzo secondo di ritardo in più trasforma un dialogo in un interrogatorio imbarazzante. È il motivo per cui la latenza è il campo di battaglia principale tra Google e OpenAI, che, con la modalità vocale avanzata di ChatGPT, ha alzato drasticamente le aspettative degli utenti su cosa voglia dire "parlare" con un modello.

Google stessa lo ammette con una certa franchezza nel comunicato pubblicato su LinkedIn: "Per molto tempo, costruire un'intelligenza artificiale basata sulla voce significava scegliere tra velocità e affidabilità. Con Gemini 3.1 Flash Live, abbiamo ottimizzato per entrambe". È una dichiarazione d'intenti più che una specifica tecnica. Ma il fatto che il modello sia disponibile subito a tutti gli utenti - non dietro liste d'attesa o abbonamenti premium - è una mossa aggressiva. Google punta sulla distribuzione come vantaggio competitivo: avere il modello migliore conta poco se nessuno lo usa.

Quello che non sappiamo ancora

Google definisce Gemini 3.1 Flash Live il suo "modello audio e vocale di qualità più elevata fino a oggi". Una formulazione prudente e autoreferenziale - il confronto è con sé stessa, non con la concorrenza. Mancano benchmark pubblici e indipendenti che permettano un paragone diretto con le soluzioni di OpenAI o di altri concorrenti. La latenza è "inferiore", ma non viene quantificata in millisecondi. Il contesto è "il doppio", ma solo rispetto al modello precedente.

Circola anche la voce - riportata da fonti terze, non confermata dai canali ufficiali di Google - di un accordo pluriennale con Apple per integrare la tecnologia Gemini nella nuova versione di Siri. Se fosse vero, cambierebbe radicalmente la portata di questo lancio, estendendo il modello a miliardi di dispositivi iOS. Per ora resta nel territorio delle speculazioni.

Quello che è certo è che Google sta investendo con forza nell'idea che il futuro dell'interazione con l'intelligenza artificiale passi dalla voce. Gemini 3.1 Flash Live è un pezzo consistente di questa scommessa. Se la latenza sia davvero abbastanza bassa e la qualità conversazionale sufficientemente naturale da far dimenticare che si sta parlando con un modello, lo scopriranno presto centinaia di milioni di utenti in tutto il mondo.

Fonti: Linkedin, Blog Google, 9To5Google