模型发布 | 谷歌发布Gemini 3.8 Live双模型，强化实时语音AI

谷歌周二推出两款新模型Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking，重点提升语音对话中的推理能力。

谷歌表示，Gemini 3.8 Live主要面向需要大规模使用的场景，在对话能力、响应速度和视觉理解方面进行了优化。Extended Thinking版本则针对更复杂的任务，可以进行多步骤推理。

两款模型都支持实时处理视觉信息。Gemini 3.8 Live支持97种语言，并可以在对话过程中自动切换语言。用户提出请求后，模型还可以在后台调用工具和API，同时继续与用户交流，不必等任务完成后再继续对话。

对于需要更多计算的任务，Gemini 3.8 Live Extended Thinking可以一边进行推理，一边与用户交流。谷歌表示，模型在执行较复杂的后台任务时，会通过语音告知用户当前进展。

在Artificial Analysis的Speech to Speech Quality Index测试中，Gemini 3.8 Live Extended Thinking得分82.6分，排名第一；该模型在Big Bench Audio测试中的得分为97.7%。Gemini 3.8 Live在Speech Agent Arena中排名第二。

在功能方面，Gemini 3.8 Live可以近实时处理视觉输入，为语音交流提供更多上下文。该模型支持97种语言，并能够在对话过程中自动切换语言。

新模型还可以在后台执行工具和API调用，同时继续与用户对话。例如，用户提出请求后，模型可以先进行回应，在后台完成任务，而不必让用户等待整个过程结束。

对于需要更复杂推理的任务，Gemini 3.8 Live Extended Thinking可以在思考的同时继续进行语音交流。谷歌表示，该模型能够通过“让我查一下”等语音提示回应用户，并在执行多步骤后台任务时实时播报进展。

谷歌表示，两款模型已开始陆续开放。开发者可以通过Gemini API和Google AI Studio使用，企业客户可以在Gemini Enterprise中进行预览。此外，Gemini 3.8 Live已开始在Google Search Live中推出，Extended Thinking版本也开始向Gemini Live用户开放。

谷歌还表示，其AI产品生成的音频均加入SynthID水印，以便识别AI生成内容。