2026 年 9 月 15 日
|
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。智能水平和并行推理能力的重大升级，让它们协作起来更直观，也更适合用语音来执行复杂任务。
Tom Ouyang
首席工程师
Malini Jaganathan
技术人员，代表 Gemini 音频团队
▶ Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking
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 2026 年 9 月 17 日
今天，我们推出两款新模型，它们带来了近实时推理方面的进步，能更有效地支持语音智能体，并让与 AI 的对话更直观、更智能。
- Gemini 3.8 Live：为规模化和成本效益而打造，兼具对话智能、流畅的对话体验和视觉定位能力。
- Gemini 3.8 Live Extended Thinking：专为高复杂度任务而打造，具备更高的智能水平和多步推理能力。
对开发者和企业而言，这些模型为构建可靠、可投入生产的语音智能体提供了基础模块。它们还让用户在 Gemini 应用、Google Workspace 和搜索中与 Gemini 的语音交流更流畅、更具协作性，仅凭语音就能帮你处理复杂任务。
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 的语音到语音质量指数（Speech to Speech Quality Index）中以 82.6 分位居总榜第一，并在智能体任务完成度方面领先：在 τ-Voice 上达到 68.6%，在 Sierra 的 τ-Voice-banking 基准测试上达到 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极具竞争力的价格。
Gemini 3.8 Live 在用户中获得了很高的偏好度，在 Speech Agent Arena 中排名第二。除了这一表现，它依然极具成本效益，为开发者和企业提供了一款能力出色、高效且适合规模化的模型。
在 ServiceNow 的 EVA-Bench（一项评估语音智能体的基准测试）上，我们的模型在准确性与对话质量之间取得了成功的平衡，推进了复杂工作流的帕累托前沿。
注：该测试是在 Gemini Enterprise Agent Platform 上的 Live API 中运行的。
Gemini 3.8 Live 能近实时地处理视觉输入，用上下文丰富对话，给出更有帮助的回复。它能在对话过程中自动检测并切换 97 种受支持的语言。它会在后台执行工具和 API 调用，同时继续对话，因此模型可以先确认请求，并在任务于后台完成的同时继续聊天。
Gemini 3.8 Live 实时指导员工入职，并利用视觉上下文回答现场提问。
观看 Gemini 3.8 Live 借助视觉上下文、推理和自然的对话节奏，近实时地下国际象棋。
对于需要更深入推理的任务，3.8 Live Extended Thinking 可以一边推理一边说话。它在为复杂工作流提供更高智能的同时，保持对话流畅不中断——用“让我查一下……”这样的早期口头提示自然地确认请求，并通过实时进度讲解，带用户了解多步后台任务的进展。
观看 Gemini 3.8 Live Extended Thinking 把原始草图和近实时的语音反馈转化为可用的 React 组件。
看 Gemini 3.8 Live Extended Thinking 协调多步预订和异步函数调用，而且完全不打断自然的实时对话。
观看 Gemini 3.8 Live 通过自然语音，即时构建完整的商业计划和定制营销工具包。
在 Google Workspace、搜索和 Gemini 应用中，我们的 Live 模型带来更直观、更具协作性的体验，在处理你最复杂的任务时尤其如此。
在 Google Workspace 中通过 Docs Live、Gmail Live 和 Keep Live 试用 Gemini 3.8 Live Extended Thinking。
在 Search Live 中，获得由 Gemini 3.8 Live 驱动的逐步实时排障帮助。
在 Gemini 应用中用 Gemini 3.8 Live Extended Thinking 管理你的一天——让它给你每日简报，靠对话清空收件箱，或者把待办事项交给它。
赋能开发者和企业语音生态
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交互界面。这些平台在幕后管理复杂的实时媒体流基础设施，让开发者可以全心专注于打磨用户体验。
我们还与 Salesforce、Genspark 和 Lumeris 等公司合作，它们对 3.8 Live 和 3.8 Live Extended Thinking 感到兴奋，并称赞其出色的延迟、流畅度和工具调用能力。
通过 SynthID 水印确保透明度
我们的 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被直接编织进音频输出中，确保 AI 生成的内容仍可被检测，有助于防止虚假信息。有关我们在安全与责任方面的做法，详见模型卡。
开始使用我们最新的 Gemini 音频模型：
3.8 Live 自今天起陆续推出：
- 面向开发者：在 Gemini API 和 Google AI Studio 中
- 面向企业：在 Gemini Enterprise 中提供私有预览，并即将登陆 Gemini Enterprise for Customer Experience
- 面向所有人：在 Search Live 中
3.8 Live Extended Thinking 自今天起陆续推出：
- 面向开发者：在 Gemini API 和 Google AI Studio 中
- 面向企业：在 Gemini Enterprise 中提供私有预览，并即将登陆 Gemini Enterprise for Customer Experience 和 Google Workspace 企业客户
- 面向所有人：在 Gemini Live 中提供；Google AI Pro 和 Ultra 订阅用户可在 Workspace 的 Docs 中使用，所有 Google AI 订阅用户可在 Gmail 和 Keep 中使用
发布于：