模型發佈 | 谷歌發佈Gemini 3.8 Live雙模型，強化實時語音AI

谷歌週二推出兩款新模型Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking，重點提升語音對話中的推理能力。

谷歌表示，Gemini 3.8 Live主要面向需要大規模使用的場景，在對話能力、響應速度和視覺理解方面進行了優化。Extended Thinking版本則針對更復雜的任務，可以進行多步驟推理。

兩款模型都支持實時處理視覺信息。Gemini 3.8 Live支持97種語言，並可以在對話過程中自動切換語言。用戶提出請求後，模型還可以在後臺調用工具和API，同時繼續與用戶交流，不必等任務完成後再繼續對話。

對於需要更多計算的任務，Gemini 3.8 Live Extended Thinking可以一邊進行推理，一邊與用戶交流。谷歌表示，模型在執行較複雜的後臺任務時，會通過語音告知用戶當前進展。

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

在功能方面，Gemini 3.8 Live可以近實時處理視覺輸入，爲語音交流提供更多上下文。該模型支持97種語言，並能夠在對話過程中自動切換語言。

新模型還可以在後臺執行工具和API調用，同時繼續與用戶對話。例如，用戶提出請求後，模型可以先進行回應，在後臺完成任務，而不必讓用戶等待整個過程結束。

對於需要更復雜推理的任務，Gemini 3.8 Live Extended Thinking可以在思考的同時繼續進行語音交流。谷歌表示，該模型能夠通過“讓我查一下”等語音提示回應用戶，並在執行多步驟後臺任務時實時播報進展。

谷歌表示，兩款模型已開始陸續開放。開發者可以通過Gemini API和Google AI Studio使用，企業客戶可以在Gemini Enterprise中進行預覽。此外，Gemini 3.8 Live已開始在Google Search Live中推出，Extended Thinking版本也開始向Gemini Live用戶開放。

谷歌還表示，其AI產品生成的音頻均加入SynthID水印，以便識別AI生成內容。