行业动态

Google于2026年9月15日发布 Gemini 3.8 Live和 Gemini 3.8 Live Extended Thinking，两款模型都面向实时语音交互，但定位有所不同：3.8 Live更强调低延迟、规模化部署和成本效率，Extended Thinking则针对复杂任务加入更强的多步推理能力。Google希望把语音 AI从“实时聊天”推进到可以持续理解上下文、处理视觉输入、调用工具并完成复杂任务的实时智能体。

图片来源：Google

两款模型分别解决什么问题

Gemini 3.8 Live面向需要快速、自然对话的场景，能够在近实时处理中结合语音、视觉上下文和语言理解。它支持在一次对话中自动识别并切换97种语言，同时可以在不中断交流的情况下执行工具和 API调用，用户提出任务后，模型可以先回应并继续对话，让后台任务并行完成。

Gemini 3.8 Live Extended Thinking则进一步面向复杂工作流。它可以一边推理一边说话，在执行多步骤任务时通过语音持续反馈当前进度，而不是长时间沉默等待全部计算完成。Google展示的场景包括根据草图和实时语音反馈生成 React组件、协调多步骤预订和异步函数调用，以及通过自然语言完成较复杂的业务规划任务。

更强的语音智能体能力

Google公布的测试结果显示，Gemini 3.8 Live Extended Thinking在 Artificial Analysis Speech to Speech Quality Index中获得82.6分；在代理任务测试 τ-Voice和 Sierra τ-Voice-banking中分别达到68.6% 和35.1%，Big Bench Audio得分为97.7%。Google还表示，两款模型在 ServiceNow EVA-Bench上兼顾了复杂任务完成能力和对话体验。

图片来源：Google

这些成绩的重点不只是语音识别或语音生成质量，而是语音交互和任务执行开始合并。模型需要听懂用户、理解实时画面、调用外部工具，同时继续维持自然交流，这也是 Google将其定位为生产级语音智能体基础模型的原因。

开发者、企业和普通用户如何使用

两款模型已经开始通过 Gemini API和 Google AI Studio向开发者推出。Gemini 3.8 Live同时进入 Gemini Enterprise私有预览，并在 Search Live中面向普通用户开放；Extended Thinking也进入 Gemini Enterprise私有预览，并计划扩展到面向客户体验的企业产品和 Google Workspace商业用户。

普通用户方面，Gemini 3.8 Live Extended Thinking正在 Gemini Live中上线。Google AI Pro和 Ultra用户可在 Workspace的 Docs中使用相关能力，Gmail和 Keep则面向 Google AI订阅用户提供。Google还表示，Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel和 Vision Agents等开发平台正在通过 Gemini Live API支持相关语音应用开发。

实时语音模型正在从聊天走向执行

这次更新最明显的变化，是实时模型开始同时承担对话、推理和执行三种角色。过去语音助手往往需要在用户说完后完成识别、推理、调用工具，再返回结果；Gemini 3.8 Live系列尝试把这些过程并行化，让模型在后台执行任务时仍保持交流，并在复杂任务中持续解释进展。

Google同时表示，其 AI产品生成的音频都会加入 SynthID水印，用于帮助识别 AI生成内容。随着实时语音模型逐渐进入搜索、办公软件和企业工作流，语音交互的竞争重点也正在从“回答得快不快”转向“能否在不中断对话的情况下可靠完成任务”。