谷歌发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

核心事实

据谷歌 DeepMind 官方博客消息，谷歌发布了两款实时语音对话模型：Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。官方称二者是其在实时对话方向上的最新模型，重点提升了智能水平与并行推理能力。

按官方描述，Gemini 3.8 Live 面向规模化与成本效率，结合对话智能、流畅对话与视觉接地能力；Gemini 3.8 Live Extended Thinking 则面向高复杂度任务，强调多步推理。两款模型均支持在对话过程中于后台执行工具与 API 调用，并可在对话中途自动检测与切换其声称支持的 97 种语言。

背景与影响

官方表示，这些模型面向开发者与企业提供构建语音智能体的基础能力，同时也会用于 Gemini 应用、Google Workspace 与搜索等场景。博客提到，Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 的 Speech to Speech Quality Index 上取得 82.6 分，在 τ-Voice 上为 68.6%，在 Sierra 的 τ-Voice-banking 基准上为 35.1%，Big Bench Audio 为 97.7%；Gemini 3.8 Live 在 Speech Agent Arena 中位列第二。上述数字均来自官方博客，尚未见第三方独立复现。

生态方面，官方称 Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel、Vision Agents 等平台通过 Gemini Live API 支持开发者构建语音界面，并提到 Salesforce、Genspark、Lumeris 等合作方。官方还表示所有 AI 生成的音频均嵌入 SynthID 水印。

限制与来源

推出节奏方面，官方称两款模型自发布当日起分批推出：开发者可通过 Gemini API 与 Google AI Studio 使用；企业侧在 Gemini Enterprise 中为私密预览，并称将陆续登陆 Gemini Enterprise for Customer Experience；面向普通用户，3.8 Live 进入 Search Live，3.8 Live Extended Thinking 进入 Gemini Live，并在 Workspace 的 Docs、Gmail、Keep 中面向部分订阅用户开放。

需要说明的是，具体可用地区、账号类型、语言支持范围与定价，官方博客未给出完整清单，且可能随时调整，请以谷歌官网当前信息为准。本文内容整理自 deepmind.google 博客，未做独立测试，相关性能数据与合作伙伴表述均引自该来源。