Google 发布 Gemini 3.8 Live 与 Extended Thinking 语音模型

Google 正在推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，这两款语音模型专为近乎实时的对话和任务执行而打造。二者均由 Gemini Audio 团队开发，都将语音对话与并行推理相结合。Gemini 3.8 Live 面向高并发工作负载，兼顾成本效率、视觉接地和流畅对话，而 Extended Thinking 则处理复杂的多步骤工作。

隆重推出我们迄今为止最先进的 Gemini Audio 模型 🗣
Gemini 3.8 Live 和 3.8 Live Extended Thinking 让你能够无缝地说话、协作和执行任务，这意味着与 AI 对话变得自然多了。
那么，这两款模型有什么区别呢？让我们…… pic.twitter.com/Dfy7j4zxOh
— Google AI (@GoogleAI) September 15, 2026

Extended Thinking 以 82.6 分领跑 Artificial Analysis 的语音到语音质量指数。它在 tau-Voice 上得分 68.6%，在 Sierra 的 tau-Voice-banking 基准上得分 35.1%，在 Big Bench Audio 上得分 97.7%。Gemini 3.8 Live 在 Speech Agent Arena 中排名第二。在 ServiceNow 的 EVA-Bench 上，这些模型在 Gemini Enterprise Agent Platform 上通过平衡准确性与对话质量，推动了复杂工作流的帕累托前沿。

Gemini 3.8 Live 近乎实时地处理视觉上下文，可在 97 种支持的语言之间自动切换，并在持续说话的同时在后台运行工具或 API 调用。Google 的演示展示了它根据屏幕上的上下文引导员工入职，以及通过摄像头画面下棋。Extended Thinking 同时进行推理和说话，在较长的任务中使用诸如“让我查一下……”之类的提示语和进度更新。演示包括将手绘线框图和口头反馈转化为 React 组件、通过异步调用协调餐厅预订，以及通过语音制定商业计划。

Google 正在将这些模型推广到 Workspace 和 Search。Docs Live、Gmail Live 和 Keep Live 支持语音主导的导航和起草，而 Search Live 可以通过手机摄像头指导故障排除。Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 使用 Gemini Live API，Salesforce、Genspark 和 Lumeris 也与 Google 围绕这些模型展开合作。

这两款模型开始通过 Gemini API 和 Google AI Studio 向开发者推出。Gemini 3.8 Live 在 Gemini Enterprise 中处于私密预览阶段，即将登陆 Gemini Enterprise for Customer Experience，并在 Search Live 中向所有人开放。Extended Thinking 也处于企业私密预览阶段，即将面向 Customer Experience 和 Workspace 商业客户推出，并在 Gemini Live 中向所有人开放。Google AI Pro 和 Ultra 订阅者可以在 Docs 中使用它，而所有 Google AI 订阅者都可以在 Gmail 和 Keep 中访问它。Google 表示，其 AI 产品生成的所有音频都带有不可感知的 SynthID 水印，并且已发布了一份涵盖安全与责任的模型卡。

来源