谷歌发布Gemini 3.8 Live与Extended Thinking实时对话模型

当地时间9月15日，谷歌正式宣布推出Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking两款新品。谷歌表示，这是其迄今最先进的实时对话模型，旨在通过智能和并行推理的重大升级，使AI对话更加直观和智能。这两款模型分别针对不同的应用场景进行了优化：Gemini 3.8 Live侧重于规模化部署与成本效率，而Gemini 3.8 Live Extended Thinking则专注于高复杂度任务及强化多步推理能力。

在性能表现方面，Gemini 3.8 Live Extended Thinking在多项基准测试中取得领先成绩。它在Artificial Analysis语音对语音质量指数总排名第一，得分为82.6%，并在τ-Voice智能体任务完成率达68.6%。同时，该模型在Big Bench Audio测试中得分97.7%，在保持竞争力的定价基础上，显著提升了复杂工作流的智能水平。

Gemini 3.8 Live则在用户体验和成本效益上获得高度认可，在Speech Agent Arena排名中位列第二。该模型具备出色的视觉理解能力，可近实时处理视觉输入，并在对话过程中自动检测并切换97种支持的语言。此外，它能够在后台执行工具与API调用，同时保持对话流畅不中断，成功平衡了准确性与对话质量，推高了复杂工作流的帕累托前沿。

针对深度推理需求，Gemini 3.8 Live Extended Thinking实现了推理与发言的同步进行。在不中断对话流畅度的前提下，它通过“让我确认一下…”等自然语言提示回应，并能实时讲解多步后台任务的处理进度。这种设计使得模型在处理高复杂度任务时，既能提供准确的逻辑推导，又能维持自然的交互体验。

在生态建设方面，开发者可通过Gemini Live API，在声网、Fishjam、LiveKit、Pipecat、Vercel、Vision Agents等平台轻松构建高性能语音驱动界面。谷歌还与Salesforce、Genspark、Lumeris等企业开展合作，共同推进相关生态的发展，旨在将先进的实时对话能力更广泛地应用于各类商业场景。

安全与合规是此次发布的重要组成部分。谷歌在所有AI生成的音频中添加了SynthID隐形水印，直接嵌入音频输出。这一技术旨在帮助检测和防止虚假信息传播，确保AI生成内容的可追溯性，为用户和企业提供更安全的AI交互环境。

目前，Gemini 3.8 Live已开始推送。开发者可在Gemini API和Google AI Studio中使用；企业用户可在Gemini Enterprise抢先体验，并即将登陆Gemini Enterprise for Customer Experience；全用户可在Search Live中体验。该模型的普及标志着实时对话技术在更多场景下的落地应用。

Gemini 3.8 Live Extended Thinking也已开启推送。开发者同样可在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以及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Google Workspace的Docs中使用，所有Google AI订阅者可在Gmail和Keep中体验。