Google 发布语音对话模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking
- 1Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款近实时语音对话模型
- 2官方称 Extended Thinking 版以 82.6 分居 Artificial Analysis 语音质量指数第一
- 3官方援引基准称其 τ-Voice 完成率 68.6%、Sierra τ-Voice-banking 35.1%、Big Bench Audio 97.7%，3.8 Live 在 Speech Agent Arena 排第二
- 43.8 Live 支持近实时视觉输入、97 种语言中途自动切换，可边对话边在后台执行工具与 API 调用
语音智能体从演示走向生产是这轮发布的实质，Google 用双档模型分别覆盖成本与复杂度两端。
- 影响：语音客服等高频对话场景获得面向生产的模型选项；按复杂度分双档便于把预算投向高价值任务；官方为 AI 生成音频内置 SynthID 水印，语音真伪可检测。
- 参考：可考虑选一个客服或内部咨询流程用 Gemini API 试点语音智能体，并记录耗时与任务完成率；值得先算出高频对话的单次成本，再决定是否需要 Extended Thinking 档。
- 依据：全部性能数字为 Google 官方援引 Artificial Analysis、Sierra、ServiceNow 等第三方基准，暂无独立复测；上线范围与私测安排以官方公告为准。
Sep 15, 2026
|
Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是我们迄今最先进的实时对话模型。在智能与并行推理方面的重大升级，让它们在协作以及使用语音执行复杂任务时更加直观。
Tom Ouyang
首席工程师
Malini Jaganathan
技术团队成员，代表 Gemini 音频团队
收听文章
[[duration]] 分钟
此内容由 Google AI 生成。生成式 AI 尚处于实验阶段
更新于 September 17, 2026
今天，我们推出两款新模型，它们在近实时推理方面带来进步，能更有效地支持语音智能体，并让与 AI 对话的感觉更加直观、智能。
- Gemini 3.8 Live：为规模化与成本效益而构建，将对话智能与流畅对话和视觉定位相结合。
- Gemini 3.8 Live Extended Thinking：为高复杂度任务而构建，具备更强的智能和多步推理能力。
对于开发者和企业而言，这些模型提供了构建可靠、生产就绪的语音智能体的基础构件。它们还让在 Gemini 应用、Google Workspace 和 Search 中与 Gemini 语音交流变得更加流畅、更具协作性——帮助你仅凭语音就能处理复杂任务。
体验更流畅、更智能的对话
Gemini 3.8 Live Extended Thinking 提供企业级的任务完成能力和智能水平，在 Artificial Analysis 的 Speech to Speech Quality Index（82.6）中夺得总体第一名，并在智能体任务完成方面处于领先地位：在 τ-Voice 上取得 68.6%，在 Sierra 的 τ-Voice-banking 基准上取得 35.1%。它还具备强大的推理能力，在 Big Bench Audio 上得分 97.7%，同时与其他前沿模型相比保持着极具竞争力的价格。
Gemini 3.8 Live 在用户中获得了高度青睐，在 Speech Agent Arena 中获得第二名。除了这一成绩之外，它仍然极具性价比——为开发者和企业提供了一款为规模化而构建的强大且高效的模型。
在 ServiceNow 用于评估语音智能体的基准测试 EVA-Bench 上，我们的模型通过成功平衡准确性与对话质量，推动了复杂工作流的帕累托前沿。
注意：此次测试是在 Gemini Enterprise Agent Platform 上的 Live API 上运行的。
Gemini 3.8 Live 可近实时处理视觉输入，通过上下文丰富对话内容，从而提供更有帮助的回复。它能在对话过程中自动检测并切换 97 种支持的语言。它会在继续对话的同时在后台执行工具调用和 API 调用，因此模型可以在后台完成任务的同时确认请求并持续交流。
对于需要更深层次推理的任务，3.8 Live Extended Thinking 能够边推理边说话。它为复杂工作流提供更强的智能，同时保持不间断的对话流——通过 “让我查一下…” 之类的早期口头提示自然地确认请求，并在多步后台任务推进时通过实时进度播报引导用户了解进展。
在 Google Workspace、Search 和 Gemini 应用中，我们的 Live 模型带来更直观、更具协作性的体验——尤其是在处理你最复杂的任务时。
赋能开发者与企业语音生态系统
借助 Gemini Live API，Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 等开发者平台让开发者能够轻松构建和部署高性能的语音驱动界面。这些平台在幕后管理复杂的实时媒体流基础设施，让开发者能够完全专注于打造用户体验。
我们还在与 Salesforce、Genspark 和 Lumeris 等公司合作，这些公司对 3.8 Live 和 3.8 Live Extended Thinking 充满期待，并称赞其出色的延迟表现、流畅性和工具调用能力。
借助 SynthID 水印确保透明度
我们 AI 产品生成的所有音频都带有 SynthID 水印。这种难以察觉的水印直接融入音频输出中，确保 AI 生成的内容保持可检测性，以帮助防止错误信息传播。有关我们安全和责任方法的详情，请查阅模型卡。
开始使用我们最新的 Gemini 音频模型：
3.8 Live 从今天开始推出：
- 面向开发者：通过 Gemini API 和 Google AI Studio
- 面向企业：Gemini Enterprise 私享预览版中提供，即将登陆 Gemini Enterprise for Customer Experience
- 面向所有用户：通过 Search Live 提供
3.8 Live Extended Thinking 从今天开始推出：
- 面向开发者：通过 Gemini API 和 Google AI Studio
- 面向企业：Gemini Enterprise 私享预览版中提供，即将登陆 Gemini Enterprise for Customer Experience，并面向 Google Workspace 企业客户推出
- 面向所有用户：通过 Gemini Live 提供；Workspace 中的 Docs 面向 Google AI Pro 和 Ultra 订阅者提供，Gmail 和 Keep 面向所有 Google AI 订阅者提供
在您的收件箱中获取 Google 最新资讯
订阅我们的新闻通讯，获取产品更新、活动信息、特别优惠等更多内容。
您的信息将按照Google 隐私政策使用。您可以随时选择退订。
来源：Google DeepMind：Blog · deepmind.google