Google 发布 Gemini 3.8 Live 与
来自 Google DeepMind · 期号 2026-09-16
摘要
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，这是其最先进的实时对话模型。 3.8 Live 主打快速、低成本的语音交互，支持实时视觉理解和 97 种语言的自动切换。3.8 Live Extended Thinking 则能一边说话一边进行多步推理，在 Artificial Analysis 语音质量指数上排名第一（82.6 分），在 τ-Voice 智能体任务完成基准上达到 68.6%。 两个模型都能在后台执行工具调用和 API 操作，不打断对话。 即日起通过 Gemini API 和 Google AI Studio 向开发者开放，企业版进入私有预览。
深读
导读 Google DeepMind 发布了两款最新的实时对话模型 Gemini 3.8 Live 和 3.8 Live Extended Thinking，在语音交互的智能性、成本和推理深度上做出了明确区分。前者面向大规模、低成本的实时对话场景，后者则能在不打断对话流的前提下进行多步推理。读完可以了解这两款模型的核心能力、关键基准成绩以及开发者可用的接入方式。 关键信息 - Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音质量指数上排名第一，得分 82.6。 - 该模型在 τ-Voice 智能体任务完成基准上达到 68.6%，在 Sierra 的 τ-Voice-banking 子基准上达到 35.1%。 - Gemini 3.8 Live Extended Thinking 在 Big Bench Audio 上得分 97.7%。 - Gemini 3.8 Live 在 Speech Agent Arena 中排名第二，并支持 97 种语言的自动切换。 - 两个模型均支持在后台执行工具调用和 API 操作，不打断对话。 - 所有 AI 生成的音频均通过 SynthID 进行水印标记。 逐节讲解 两款新模型的定位与核心能力 文章开篇介绍了 Gemini 3.8 Live 和 3.8 Live Extended Thinking 的定位差异。3.8 Live 主打快速、低成本的语音交互，支持实时视觉理解和多语言自动切换（97 种语言）。3.8 Live Extended Thinking 则面向高复杂度任务，能够一边说话一边进行多步推理，在用户提出请求后会用“Let me check that…”这类早期语音提示先做出回应，再逐步汇报后台任务的进展。两个模型都能在对话不中断的情况下执行工具调用和 API 操作。 基准测试成绩与成本优势 文章给出了 3.8 Live Extended Thinking 的多项基准成绩：在 Artificial Analysis 语音质量指数上排名第一（82.6 分），在 τ-Voice 智能体任务完成基准上达到 68.6%，在 Sierra 的 τ-Voice-banking 子基准上达到 35.1%，在 Big Bench Audio 上得分 97.7%。文章同时强调该模型在保持竞争力的价格点上实现了这些成绩。3.8 Live 则在 Speech Agent Arena 中排名第二，并同样被描述为高性价比、适合大规模部署。 应用场景与集成生态 文章展示了多个使用案例：3.8 Live 可以用视觉上下文实时指导员工入职、下棋；3.8 Live Extended Thinking 可以将草图实时转化为 React 组件、协调多步骤预订、通过自然语音构建商业计划。…