推出 Gemini-3.8 Live 与 Gemini 3.8 Live Extended Thinking
原题:Google发布Gemini 3.8 Live:实时语音对话加入更强推理
内容导读
Google 发布两款实时语音模型:Gemini 3.8 Live 面向低延迟对话与视觉理解,Extended Thinking 面向复杂多步任务;两者可在不中断对话的情况下后台调用工具。

全文阅读
来源:blog.google即会翻译
2026 年 9 月 15 日
Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是 Google 迄今最先进的实时对话模型。它们在智能能力和并行推理方面进行了重要升级,让语音协作更自然,也能通过语音执行复杂任务。
Tom Ouyang|首席工程师
Malini Jaganathan|技术团队成员,代表 Gemini 音频团队
我们推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,希望让语音交互更自然、流畅、智能。模型能够处理复杂推理、实时视觉信息和后台任务,不会打断正在进行的对话。用户现在可以通过 Gemini API、Google Workspace 和 Gemini 应用使用这些功能。
Gemini 3.8 Live 提供快速流畅的对话,并支持实时视觉和语言理解;3.8 Live Extended Thinking 可在对话持续进行时处理复杂任务;两款模型都能在后台调用工具;用户可在 Google Workspace、搜索和 Gemini 应用中体验新功能。
Google 正推出两款 AI 模型,让人与设备交谈时更加自然。它们可以处理对话中的打断、切换语言,并在工作时解释思路。无论是解决复杂问题还是日常交谈,AI 都更像是在认真倾听并与用户一起思考。
更新于 2026 年 9 月 17 日
今天,我们推出两款模型,以近实时推理能力的进步,更有效地支持语音代理,让 AI 对话更直观、更智能。
Gemini 3.8 Live:为规模化和成本效率而设计,将对话智能、流畅交流与视觉理解结合起来。
Gemini 3.8 Live Extended Thinking:面向高复杂度任务,具备更强的智能能力和多步推理能力。
对于开发者和企业,这些模型提供了构建可靠、可投入生产的语音代理所需的基础能力。它们也让用户在 Gemini 应用、Google Workspace 和搜索中与 Gemini 交谈时更流畅、更具协作感,帮助用户仅凭语音处理复杂任务。
让对话更流畅、更智能
Gemini 3.8 Live Extended Thinking 提供企业级任务完成能力和智能水平,在 Artificial Analysis 的 Speech to Speech Quality Index 中以 82.6 分位列总榜第一;在代理任务完成方面,τ-Voice 得分为 68.6%,Sierra 的 τ-Voice 银行服务基准得分为 35.1%。它在 Big Bench Audio 上的推理得分为 97.7%,同时相较其他前沿模型保持了有竞争力的价格。
Gemini 3.8 Live 在用户偏好评测中表现突出,在 Speech Agent Arena 中排名第二。除这些表现外,它也保持较高的成本效益,为开发者和企业提供适合规模化使用的高效模型。
在用于评估语音代理的 ServiceNow EVA-Bench 上,我们的模型推动了复杂工作流的帕累托前沿,在准确性与对话质量之间实现了更好的平衡。
注:上述评测基于 Gemini Enterprise Agent Platform 中的 Live API。
Gemini 3.8 Live 能以近实时速度处理视觉输入,为对话补充上下文,帮助模型给出更有帮助的回应。它可以在对话过程中自动检测并切换 97 种受支持语言,还能在后台执行工具调用和 API 请求,因此任务尚未完成时,模型也可以继续回应用户并保持对话。
Gemini 3.8 Live 可利用视觉上下文实时指导员工入职,并回答现场问题。
Gemini 3.8 Live 能借助视觉信息、推理和自然对话,近实时地与用户下棋。
对于需要深入推理的任务,3.8 Live Extended Thinking 可以一边推理一边说话。它提升了复杂工作流的智能水平,同时保持对话不中断;模型会用“我来确认一下……”等简短语音回应自然地接住请求,并在多步后台任务推进时实时播报进度。
Gemini 3.8 Live Extended Thinking 可以把手绘草图和近实时语音反馈转化为可用的 React 组件。
Gemini 3.8 Live Extended Thinking 可以协调多步预订流程和异步函数调用,同时保持自然、实时的对话。
用户可以通过自然语音,让 Gemini 3.8 Live 即时生成完整商业计划和定制营销工具包。
在 Google Workspace、搜索和 Gemini 应用中,Live 系列模型将带来更直观、更具协作性的体验,尤其适合处理复杂任务。
用户可以在 Google Workspace 中通过 Docs Live、Gmail Live 和 Keep Live 体验 Gemini 3.8 Live Extended Thinking;也可以在 Search Live 中获得 Gemini 3.8 Live 提供的实时分步故障排查帮助;还可以在 Gemini 应用里让 Extended Thinking 提供每日简报、协助清理收件箱或接手待办事项。
推动开发者与企业语音生态
开发者平台 Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 使用 Gemini Live API,帮助开发者轻松构建和部署高性能语音界面。这些平台会在幕后管理复杂的实时媒体流基础设施,让开发者能专注于打造用户体验。
Google 也正与 Salesforce、Genspark 和 Lumeris 等公司合作。这些公司看好 3.8 Live 与 3.8 Live Extended Thinking 在延迟、流畅度和工具调用方面的能力。
通过 SynthID 水印提升透明度
Google AI 产品生成的所有音频都带有 SynthID 水印。这种不可见水印直接嵌入音频输出,使 AI 生成内容可以被检测,帮助防范错误信息。有关安全与责任实践的详情,请参阅模型说明卡。
开始使用最新 Gemini 音频模型
Gemini 3.8 Live 从今天起逐步推出:开发者可在 Gemini API 和 Google AI Studio 中使用;企业客户可申请 Gemini Enterprise 私人预览版,该功能也将很快进入 Gemini Enterprise for Customer Experience;普通用户可在 Search Live 中体验。
Gemini 3.8 Live Extended Thinking 也从今天起逐步推出:开发者可在 Gemini API 和 Google AI Studio 中使用;企业客户可申请 Gemini Enterprise 私人预览版,面向 Customer Experience 和 Google Workspace 企业客户的版本也将很快推出;普通用户可在 Gemini Live 中体验,Google AI Pro 和 Ultra 订阅用户可在 Workspace 的 Docs 中使用,所有 Google AI 订阅用户可在 Gmail 和 Keep 中使用。
即会整理稿
平台内容 · 非发布方原文Google推出Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking,面向实时语音对话和语音代理场景。
两款模型的定位
Gemini 3.8 Live强调规模化和成本效率,结合对话智能与视觉 grounding;Extended Thinking则面向复杂任务,强化并行推理和多步处理。
对普通用户意味着什么
实时语音产品的竞争正在从“能不能听懂”转向“能否持续理解上下文、调用工具并完成任务”。这类模型最终体验还取决于延迟、可用地区和具体产品接入方式。
参考来源
原文及图片版权归原作者或相应权利人。文中观点是原作者的,与即会无关。