推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking
内容提要
谷歌发布Gemini 3.8 Live与3.8 Live Extended Thinking两款语音模型。前者主打规模化与低成本，支持近实时视觉输入、97种语言切换及后台工具调用；后者面向复杂任务，可边推理边说话，在语音质量与智能体任务评测中领先。模型已通过API、AI Studio及Search Live等渠道推出，音频均带SynthID水印。
延伸解读
两款模型定位差异
Gemini 3.8 Live 主打规模化与低成本，适合需要高并发、低延迟的语音交互场景，如客服或实时助手。而 3.8 Live Extended Thinking 面向高复杂度任务，支持边推理边说话，在语音质量和智能体任务评测中领先，适合需要多步推理的企业级应用。开发者应根据任务复杂度和成本预算选择。
关键能力与实用特性
Gemini 3.8 Live 支持近实时视觉输入、97种语言自动切换，并能在对话中后台执行工具调用，不打断交流。Extended Thinking 则能同时推理和说话，通过“让我查一下”等早期语言提示自然确认请求，并实时播报多步任务进度。这些特性提升了语音代理的可靠性和用户体验。
性能表现与行业合作
Extended Thinking 在 Artificial Analysis 语音质量指数上以82.6分排名第一，在 τ-Voice 和 τ-Voice-banking 基准上分别达到68.6%和35.1%，Big Bench Audio 得分97.7%。Gemini 3.8 Live 在 Speech Agent Arena 中排名第二。模型已与 Agora、LiveKit 等平台合作，方便开发者构建语音驱动界面。
安全与可用性
所有 AI 生成的音频均带有 SynthID 水印，便于检测 AI 内容以防止误信息。3.8 Live 已通过 Gemini API、AI Studio 和 Search Live 推出；Extended Thinking 则通过 API、AI Studio、Gemini Live 及 Workspace 等渠道逐步开放。企业用户可关注私有预览和后续正式发布。
Q&A
Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 分别面向什么场景？
Gemini 3.8 Live 主打规模化与成本效率，结合对话智能、流畅对话和视觉基础，适合构建可扩展的语音代理；Gemini 3.8 Live Extended Thinking 面向高复杂度任务，具备更强的智能和多步推理能力。
Gemini 3.8 Live 有哪些关键功能？
Gemini 3.8 Live 支持近实时视觉输入，能在对话中自动检测并切换 97 种语言，还能在后台执行工具和 API 调用，同时继续对话，从而在任务完成期间保持交流。
Gemini 3.8 Live Extended Thinking 在评测中的表现如何？
它在 Artificial Analysis 的 Speech to Speech Quality Index 上以 82.6 分排名第一，在 τ-Voice 上达到 68.6%，在 Sierra 的 τ-Voice-banking 基准上达到 35.1%，并在 Big Bench Audio 上获得 97.7% 的推理得分。
Gemini 3.8 Live Extended Thinking 如何实现边推理边说话？
它能够同时进行推理和说话，使用“让我查一下……”等早期口头提示自然确认请求，并通过实时进度叙述引导用户完成多步后台任务，从而保持不间断的对话流。
这些模型如何保障 AI 生成音频的透明度？
所有由 AI 产品生成的音频都嵌入了 SynthID 水印，这种不可感知的水印直接织入音频输出，确保 AI 生成内容可被检测，以帮助防止错误信息。
开发者和企业可以通过哪些渠道使用这些新模型？
开发者可通过 Gemini API 和 Google AI Studio 使用；企业可在 Gemini Enterprise 中通过私有预览使用，并即将在 Gemini Enterprise for Customer Experience 和 Google Workspace 商业客户中推出；普通用户可在 Search Live、Gemini Live 以及 Workspace 的 Docs、Gmail 和 Keep 中使用。
