当地时间9月15日，谷歌宣布推出Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking，称这是其迄今最先进的实时对话模型，在智能和并行推理方面有重大升级。两款新品分别面向规模部署与成本优化，以及高复杂度任务和多步推理。
Gemini 3.8 Live兼顾对话智能、流畅交流和视觉理解，适合大规模部署，在Speech Agent Arena排名第二。它能近实时处理视觉输入，自动检测并切换97种语言，还能后台调用工具和API而不打断对话。Extended Thinking在多项基准测试中领先，拿下Artificial Analysis语音对语音质量指数第一，得分82.6%；τ-Voice完成率68.6%，Sierra τ-Voice-banking达35.1%，Big Bench Audio得分97.7%。它支持推理与发言同步，用“让我确认一下”等提示自然回应，并实时讲解多步后台任务。
开发者可通过Gemini Live API在声网、LiveKit、Pipecat、Vercel等平台构建语音界面，谷歌还与Salesforce、Genspark、Lumeris等合作。所有AI生成音频均嵌入SynthID隐形水印，用于检测AI内容、防止虚假信息传播。目前，Gemini 3.8 Live已在Gemini API和Google AI Studio开放，企业用户可在Gemini Enterprise抢先体验，普通用户可在Search Live体验；Extended Thinking也向开发者开放，并将在Gemini Live、Google Workspace、Gmail和Keep等场景推送。
原创文章，作者：Google，如若转载，请注明出处：https://www.kejixun.co/article/762201.html
