奇链 奇链
← 文章 / 行业与公司动态
DeepMind 博客 23天前 · 2026-10-18 06:51:58 · 18 阅读

Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

更新于 2026 年 9 月 17 日

今天，我们发布了两款新模型，它们在准实时推理方面实现了突破，让语音智能体更高效，使与 AI 的对话更具直觉性和智能感。

  • Gemini 3.8 Live：为规模化部署和成本效率而建，融合了对话智能、流畅对话与视觉定位能力。
  • Gemini 3.8 Live Extended Thinking：为高复杂度任务而建，具备增强的智能水平和多步推理能力。

面向开发者和企业，这些模型提供了构建可靠、生产级语音智能体的核心组件。同时，它们也让在 Gemini 应用、Google Workspace 和 Search 中与 Gemini 语音交互更加流畅协作——助你仅凭语音就能搞定复杂任务。

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与智能表现，在 Artificial Analysis 的 Speech to Speech Quality Index（语音转语音质量指数）中位列综合第一（82.6 分），并在代理任务完成方面领先：在 τ-Voice 上得分 68.6%，在 Sierra 的 τ-Voice-banking 基准上得分 35.1%。它还提供强大的推理能力，在 Big Bench Audio 上得分 97.7%，同时与其他前沿模型相比，价格极具竞争力。

Gemini 3.8 Live 在用户中拥有极高的偏好度，在 Speech Agent Arena（语音智能体竞技场）中位居第二。除性能出色外，它还具备极高的成本效益——为开发者和企业提供了一款既强大又高效、专为规模化应用打造的模型。

在 ServiceNow 的 EVA-Bench（语音智能体评估基准测试）中，我们的模型成功平衡了准确性与对话质量，从而在复杂工作流上推进了 Pareto 前沿。

注：该测试在 Gemini Enterprise Agent Platform 的 Live API 上运行。

A chart showing EVA Bench Experience to Task Completion

Gemini 3.8 Live 能够以准实时速度处理视觉输入，利用上下文丰富对话，提供更具帮助性的响应。它可在对话中途自动检测并切换 97 种支持的语言。模型在后台执行工具和 API 调用的同时继续对话，以便确认请求并继续聊天，直至后台任务完成。

Gemini 3.8 Live 可实时引导员工入职流程，利用视觉上下文回答即时提问。

观看 Gemini 3.8 Live 利用视觉上下文、推理能力及自然的对话流，以准实时速度进行国际象棋对弈。

对于需要深度推理的任务，3.8 Live Extended Thinking 能够同时边思考边说话。它在保持对话流畅不间断的同时，为复杂工作流提供更高的智能水平——使用“让我查一下……”等早期口头提示自然回应请求，并通过实时进度叙述引导用户完成多步骤后台任务。

看看 Gemini 3.8 Live Extended Thinking 如何把粗糙的草图和近乎实时的语音反馈，变成可用的 React 组件。

看 Gemini 3.8 Live Extended Thinking 协调多步骤预订和异步函数调用——全程不打断自然的实时对话。

看 Gemini 3.8 Live 通过自然语音，实时生成完整的商业计划和定制营销工具包。

在 Google Workspace、Search 和 Gemini 应用中，我们的 Live 模型带来了更直观、更协作的体验——尤其是在处理最复杂的任务时。

通过 Docs Live、Gmail Live 和 Keep Live，在 Google Workspace 中体验 Gemini 3.8 Live Extended Thinking。

在 Search Live 中，由 Gemini 3.8 Live 提供支持的实时分步排障帮助触手可及。

在 Gemini 应用中用 Gemini 3.8 Live Extended Thinking 管理你的每一天——让 Daily Brief 汇报今日要事，用语音清空收件箱，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。这些平台在幕后处理复杂的实时媒体流基础设施，让开发者可以专注于打磨用户体验。

我们也在与 Salesforce、Genspark 和 Lumeris 等公司合作，他们对 3.8 Live 和 3.8 Live Extended Thinking 充满期待，尤其赞赏其出色的低延迟、流畅度和工具调用能力。

借助 SynthID 水印确保透明度

我们所有 AI 产品生成的音频均嵌有 SynthID 水印。这种不可感知的水印直接编织在音频输出中，确保 AI 生成内容可被检测，从而有助于防止错误信息传播。欲了解我们在安全与责任方面的策略，请查阅模型卡片。

开始使用我们最新的 Gemini 音频模型：

3.8 Live 自今日起逐步推出：

3.8 Live Extended Thinking 今天起开始逐步推出：

原始来源： DeepMind 博客

评论 (0)