Google DeepMind 发布 Gemini 3.8 实时对话模型

Google DeepMind 正式发布了两款全新的实时对话模型：Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。新模型在准实时推理与并行处理能力上实现关键突破，让语音交互与复杂任务执行更加自然高效。

两款模型的分工明确：

Gemini 3.8 Live：专为大规模应用与成本效益设计，兼顾对话智能、流畅交互以及视觉感知能力。
Gemini 3.8 Live Extended Thinking：专为高复杂度任务打造，提供更强大的智能表现与多步骤推理能力。

无论对开发者、企业还是普通用户，这两款模型都为构建可靠、可投入生产的语音 AI 智能体提供了基础构件，同时也让 Gemini 应用、Google Workspace 和 Google 搜索中的语音协作体验更加连贯。

行业基准测试表现领先

在基准测试中，Gemini 3.8 Live Extended Thinking 展现出企业级的任务执行能力：在 Artificial Analysis 的语音对语音质量指数（Speech to Speech Quality Index）中以 82.6 分斩获总分第一；在智能体任务执行测试中，于 τ-Voice 取得 68.6%、Sierra 的 τ-Voice-banking 取得 35.1% 的领先成绩；在 Big Bench Audio 上获得 97.7% 的高分，且使用成本相比同类前沿模型极具竞争力。

Gemini 3.8 Live 则在兼顾成本与性能的同时赢得了用户的广泛认可，在语音智能体竞技场中位居第二。

在针对语音智能体评估的 ServiceNow EVA-Bench 基准上，该系列模型在任务准确率与对话交互质量之间达成了良好平衡。

EVA-Bench 体验与任务完成度表现

准实时视觉感知与边想边说能力

Gemini 3.8 Live 支持准实时处理视觉输入，能够结合环境视觉上下文生成更有针对性的回答。模型支持在对话过程中自动识别并无缝切换 97 种语言，并能在后台执行工具和 API 调用的同时继续对话，无需让用户陷入等待。

面对更复杂的场景，Gemini 3.8 Live Extended Thinking 实现了「边想边说」的能力。在保持连贯对话的同时，模型会通过自然的口语提示（例如「我来查一下……」）及时确认用户指令，并在后台处理多步骤任务时同步语音播报进度，大幅降低了用户的等待焦虑。

在安全合规方面，新模型生成的全部音频均嵌入了不可见的 SynthID 水印，确保 AI 生成内容可追溯、可检测，防范虚假信息传播。

开发者与企业生态集成

通过 Gemini Live API，包括 Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 在内的多家开发者平台均已提供支持。这些平台负责底层复杂的实时媒体流传输，让开发者能将精力集中在产品交互体验上。Salesforce、Genspark、Lumeris 与 ServiceNow 等企业也已将该系列模型投入实际业务场景。

上线节奏

两款模型已即日起陆续推送：

开发者端：已在 Gemini API 与 Google AI Studio 上线。
企业端：在 Gemini Enterprise 开启私有预览，后续将扩展至 Gemini Enterprise 客户体验套件及 Google Workspace 商业用户。
用户端：Gemini 3.8 Live 已集成至 Search Live；Gemini 3.8 Live Extended Thinking 已在 Gemini Live、Docs、Gmail 与 Keep 中向 Google AI 订阅用户推送。