谷歌推出Gemini 3.8 Live系列实时对话模型：Speech Agent Arena排名第二，Extended Thinking版拿下语音对语音质量指数第一 - 果核剥壳

9月16日消息，当地时间9月15日，谷歌宣布推出Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking。谷歌称这是其迄今最先进的实时对话模型，在智能和并行推理方面有重大升级，让AI对话更直观智能。

两款新品定位不同：Gemini 3.8 Live面向规模部署与成本优化，兼顾对话智能、流畅交流和视觉理解；Gemini 3.8 Live Extended Thinking则面向高复杂度任务，具备更强的智能和多步推理能力。

基准测试方面，Gemini 3.8 Live Extended Thinking在多项评测中取得领先成绩：拿下Artificial Analysis语音对语音质量指数总排名第一（82.6%），在τ-Voice智能体任务完成率达68.6%，在Sierra的τ-Voice-banking基准测试达35.1%；推理能力方面，在Big Bench Audio得分97.7%，同时保持有竞争力的定价。Gemini 3.8 Live则在Speech Agent Arena排名第二，获得用户高认可度且具备出色成本效益，适合大规模部署。两款模型在ServiceNow EVA-Bench语音智能体基准测试中成功平衡准确性与对话质量，推高了复杂工作流的帕累托前沿。

功能特性上，Gemini 3.8 Live可近实时处理视觉输入，在对话中自动检测并切换97种支持的语言，还能在后台执行工具与API调用，同时保持对话流畅不中断。Gemini 3.8 Live Extended Thinking可实现推理与发言同步进行，在不中断对话流畅度的前提下提升复杂工作流智能水平：通过“让我确认一下…”这类早期语言提示自然回应用户，还可实时讲解多步后台任务的处理进度。

开发者可通过Gemini Live API，在声网、Fishjam、LiveKit、Pipecat、Vercel、Vision Agents等平台构建部署高性能语音驱动界面；谷歌还与Salesforce、Genspark、Lumeris等企业合作推进生态建设。此外，谷歌所有AI生成音频均嵌入SynthID隐形水印，可检测AI生成内容，帮助防止虚假信息传播。

目前两款模型均已开始推送。Gemini 3.8 Live：开发者可在Gemini API和Google AI Studio使用，企业用户可在Gemini Enterprise抢先体验（即将登陆Gemini Enterprise for Customer Experience），全用户可在Search Live体验。Gemini 3.8 Live Extended Thinking：开发者可在Gemini API和Google AI Studio使用，企业用户可在Gemini Enterprise抢先体验（即将登陆Gemini Enterprise for Customer Experience及Google Workspace企业客户），普通用户可在Gemini Live体验，Google AI Pro和Ultra订阅者可在Workspace的Docs使用，所有Google AI订阅者可在Gmail和Keep体验。