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两款实时语音模型。前者主打快速流畅对话，支持97种语言切换、实时视觉理解和后台工具调用；后者专注复杂任务，可边推理边说话，在语音质量与智能体任务基准中领先。模型已通过Gemini API、Google Workspace、搜索及Gemini应用开放，音频均带SynthID水印。
延伸解读
两款模型定位差异
Gemini 3.8 Live 主打快速流畅的对话体验，适合需要低延迟、高性价比的实时语音交互场景；而 3.8 Live Extended Thinking 则面向高复杂度任务，强调多步推理与智能体任务完成能力。两者并非替代关系，而是分别覆盖轻量对话与深度任务两类需求，开发者可根据实际场景选择。
关键性能指标解读
文章披露了多项基准成绩：3.8 Live Extended Thinking 在 Artificial Analysis 语音质量指数获 82.6 分，τ-Voice 达 68.6%，τ-Voice-banking 为 35.1%，Big Bench Audio 达 97.7%。3.8 Live 在 Speech Agent Arena 排名第二。这些数据表明前者在语音质量与智能体任务上领先，后者则更侧重成本效益与规模化部署。
实时交互与后台任务能力
两款模型均支持在对话不中断的情况下执行后台工具调用。3.8 Live 可近实时处理视觉输入，并在对话中自动检测和切换 97 种语言；Extended Thinking 则能边推理边说话，通过“让我查一下”等早期语音提示和实时进度叙述，让用户了解多步任务的进展。这些能力使语音代理更接近自然协作体验。
可用渠道与安全措施
3.8 Live 已通过 Gemini API、Google AI Studio 和 Search Live 开放，企业版在 Gemini Enterprise 私密预览；Extended Thinking 还将在 Google Workspace 中面向商业客户推出，并已登陆 Gemini Live 及 Workspace 的 Docs、Gmail、Keep。所有生成音频均嵌入 SynthID 水印，以帮助检测 AI 生成内容、防止误信息传播。
Q&A
Gemini 3.8 Live 和 3.8 Live Extended Thinking 分别适合什么场景？
Gemini 3.8 Live 主打快速流畅的对话，适合需要实时视觉理解、多语言切换和后台工具调用的场景；Gemini 3.8 Live Extended Thinking 则专注高复杂度任务，能边推理边说话，适合需要多步推理和智能体任务完成的场景。
Gemini 3.8 Live 支持哪些语言？能中途切换吗？
Gemini 3.8 Live 支持 97 种语言，并且能在对话过程中自动检测并切换语言。
Gemini 3.8 Live Extended Thinking 在哪些基准测试中表现突出？
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 上达到 35.1%，并在 Big Bench Audio 上获得 97.7% 的推理得分。
这些模型如何保证 AI 生成音频的可检测性？
所有由这些 AI 产品生成的音频都带有 SynthID 水印，这是一种不可感知的水印，直接嵌入音频输出中，确保 AI 生成内容可被检测，以帮助防止虚假信息。
开发者可以通过哪些平台使用 Gemini 3.8 Live 系列模型？
开发者可以通过 Gemini API 和 Google AI Studio 使用；企业用户可在 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。
Gemini 3.8 Live 在对话中如何处理后台任务？
它能在后台执行工具和 API 调用，同时继续对话，因此模型可以确认请求并保持聊天，而任务在后台完成。
