Gemini Omni
सर्व लेखांकडे परत
7 मिनिटे वाचन

ऑक्टोबर २०२६ मध्ये Gemini: 3.8 Live, 3.8 TTS, Vids मध्ये Omni, Gemini 4 Argon आणि Nano Banana 2.1

३ सप्टेंबर–८ ऑक्टोबर सार: 3.8 Live आणि TTS GA, Google Vids मध्ये Omni 1.1, Lyria 3.5, Gemini 4 Argon घोषणा, Nano Banana 2.1, आणि 2.5 प्रवेश धोरणाची दुरुस्ती.

Gemini OmniGemini Omni FlashGemini 3.8 LiveGemini 3.8 Flash TTSGemini 4 ArgonNano Banana 2.12026

३ सप्टेंबर ते ८ ऑक्टोबर

आमच्या सप्टेंबर अपडेट नंतर Google ने अनेक मॉडेल GA केले, एक Omni preview endpoint बंद केले, आणि developers अजून वापरू शकत नसलेले नवीन flagship text मॉडेल जाहीर केले. हा लेख २०२६ चे ३ सप्टेंबर ते ८ ऑक्टोबर कव्हर करतो, production सिस्टमवर अजूनही परिणाम करणाऱ्या बदलांवर आणि मागोवा घेण्यासारख्या कठोर मुदतीवर भर देतो.

Omni अपडेट

Google Vids मध्ये Omni 1.1 Flash (२३ सप्टेंबर)

Google Workspace Updates नुसार Omni 1.1 Flash २३ सप्टेंबर रोजी Google Vids मध्ये आला. Vids मधील आधीच्या व्हिडिओ generation शी तुलना करता Google हे म्हणते:

क्षमताटिपा
Video extensionजास्त गुणवत्ता; character आणि audio consistency सुधारली
Durationclip ची अचूक लांबी निर्दिष्ट करा
Resolutionथेट 1080p generate करा, किंवा AI व्हिडिओ 1080p पर्यंत upscale करा

उपलब्धता: Business Starter, Standard आणि Plus; Enterprise Starter, Standard आणि Plus; Education Plus; आणि Google AI Pro किंवा Ultra असलेले वैयक्तिक Google accounts. admin toggle नाही — पात्र accounts ला थेट rollout होते.

Preview endpoint shutdown (३० सप्टेंबर)

gemini-omni-flash-preview ३० सप्टेंबर २०२६ रोजी वेळापत्रकानुसार बंद झाला. सर्व Omni Flash API आणि production workloads साठी GA मॉडेल gemini-omni-1.1-flash वापरा.

Omni Pro

८ ऑक्टोबर पर्यंत Google ने Gemini Omni Pro साठी GA तारीख प्रकाशित केलेली नाही. Google AI subscription plans पृष्ठ सध्या Gemini app आणि Flow साठी Omni Flash दर्शवते; Omni Pro सूचीबद्ध नाही. मागील महिन्यांतील Ultra-first preview narrative व्यतिरिक्त अधिकृत अपडेट आम्हाला दिसले नाही.

Gemini 3.8 Live (१५ सप्टेंबर GA)

Google ने १५ सप्टेंबर २०२६ रोजी Gemini 3.8 Live कुटुंब GA केले, low-latency voice agents आणि live audio interaction साठी.

Model IDभूमिका
gemini-3.8-liveLow-latency voice agents साठी default; interleaved reasoning; async function calling default सुरू; full-session client content updates
gemini-3.8-live-extended-thinkingजास्त reasoning; live audio दरम्यान background reasoning, complex tasks साठी शिफारस

Developers दोन्ही मॉडेल Gemini API आणि Google AI Studio द्वारे वापरतात. Enterprises Gemini Enterprise private preview विनंती करू शकतात. Consumers Search Live वापरतात. Extended Thinking Gemini Live मध्ये आणि Docs, Gmail, Keep मध्येही उपलब्ध.

gemini-3.8-live आता Live API voice agents साठी default आहे, gemini-3.1-flash-live-preview पेक्षा पुढे. अजून 3.1 preview target करत असाल तर migration plan करा आणि आमच्या Gemini 3.1 Flash Live API guide मधील integration patterns पहा.

Gemini 3.8 TTS (२२ सप्टेंबर API GA)

Gemini 3.8 Flash TTS line २२ सप्टेंबर रोजी API GA; Google चा official blog २३ सप्टेंबर रोजी आला.

Model IDUse case
gemini-3.8-flash-ttsCreative direction, character design, line-by-line performance control, dialects, stable multi-turn long-form speech
gemini-3.8-flash-lite-ttsHigh throughput, lower cost; gemini-3.1-flash-tts-preview चे intended replacement

नवीन Voices API surface: /v1beta/voices voice design, voice cloning (consent verification सह), आणि 150+ preset आणि custom voices. Gemini 3.8 Flash-Lite TTS Google Vids मध्येही; Gemini 3.8 Flash TTS Gemini API आणि Google AI Studio मध्ये, Gemini Enterprise API access “coming soon” म्हणून सूचीबद्ध.

Lyria 3.5 (३ सप्टेंबर GA)

lyria-3.5 ३ सप्टेंबर रोजी full-song generation साठी GA. Google musical coherence, natural vocals, duration आणि structure वर finer control सुधारले असल्याचे सांगते. Inputs: text आणि image. Output: 44.1 kHz stereo audio.

Gemini 4 Argon (३० सप्टेंबर घोषणा)

३० सप्टेंबर रोजी Google ने Gemini 4 Argon जाहीर केले, नवीन flagship मॉडेल. Developers आज वापरू शकत नाहीत. Access सध्या Fairwind program द्वारे trusted cybersecurity defenders पर्यंत मर्यादित; Google U.S. government च्या voluntary pre-release model access process मध्ये सहभागी आहे.

त्या process नंतर Google paid API customers आणि Google AI Ultra subscribers ला प्रथम Argon उघडण्याची योजना आहे. Public availability date जाहीर केलेली नाही.

Introductory pricing (intro period दरम्यान):

Input (प्रति 1M tokens)Output (प्रति 1M tokens)
Intro period$2$10
Cached inputcached input tokens वर 95% सवलत—
Intro period नंतर$4$20

Google model IDs आणि general API access प्रकाशित करेपर्यंत Argon production roadmaps मध्ये ठेवू नका. Gemini 4 line वर earlier context: Gemini 4 roadmap preview.

Nano Banana 2.1 (६ ऑक्टोबर GA)

gemini-nano-banana-2.1 ६ ऑक्टोबर रोजी image generation आणि conversational editing साठी GA. Google image quality, prompt adherence, multi-turn character consistency, text rendering सुधारले असल्याचे नमूद करते.

नवीन aspect ratios: 1:4, 4:1, 1:8, 8:1, 1K, 2K, 4K output sizes.

gemini-3.1-flash-image deprecated आहे आणि २९ ऑक्टोबर २०२६ रोजी shutdown. त्या तारखेपूर्वी migrate करा.

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-nano-banana-2.1",  # पूर्वी gemini-3.1-flash-image
    contents="पांढऱ्या पार्श्वभूमीवर उत्पादन फोटो, मऊ सावली.",
)

इतर API बदल

तारीखबदल
१ सप्टेंबरgemini-3.7-flash, gemini-3.6-flash, gemini-3.5-flash-lite वर Agentic video understanding: long-video understanding, 88% पर्यंत कमी tokens
१७ सप्टेंबरantigravity-preview-09-2026 antigravity-preview-05-2026 ऐवजी; May preview ५ ऑक्टोबर रोजी shutdown
Antigravity local toolsParameter names snake_case वरून PascalCase; file edits line-range replacements, full-file rewrites नाहीत
Antigravity remote sandboxफक्त output_text / model_output वाचता असाल तर agent model string अपडेट करा; local tool parser बदल गरज नाहीत

Gemini 2.5 स्थिती दुरुस्ती

Google ने १८ सप्टेंबर रोजी guidance अपडेट केली: Gemini 2.5 कुटुंब deprecated नाही. मॉडेल पुढील सूचनेपर्यंत उपलब्ध, पण access फक्त आधी 2.5 वापरलेल्या accounts वर मर्यादित. New projects साठी gemini-3.5-flash-lite किंवा gemini-3.8-flash वापरा.

आमच्या सप्टेंबर २०२६ अपडेट मध्ये 2.5 साठी १६ ऑक्टोबर २०२६ retirement तारीख होती — ती आता लागू नाही. Google च्या सध्याच्या धोरणाशी जुळवण्यासाठी तो लेख सुधारला.

ऑक्टोबर action checklist

  1. Production Omni workloads gemini-omni-1.1-flash वापरतात याची खात्री करा (preview endpoint आधीच बंद).
  2. Voice agents साठी gemini-3.8-live (live audio मध्ये deeper reasoning हवे असल्यास Extended Thinking) evaluate करा.
  3. gemini-3.1-flash-image २९ ऑक्टोबर २०२६ पूर्वी gemini-nano-banana-2.1 कडे migrate करा.
  4. Antigravity local tools call करता असाल तर PascalCase parameters आणि line-range file edits साठी parsers अपडेट करा.
  5. Google general developer access ship करेपर्यंत Gemini 4 Argon around production work schedule करू नका.

संबंधित वाचन