Google今日推出两款新模型，将近实时推理能力应用于语音代理，旨在提升人工智能对话的直观性与智能水平。
- Gemini 3.8 Live：专为规模化部署与成本效率设计，兼具对话智能、流畅交互及视觉定位能力。
- Gemini 3.8 Live Extended Thinking：面向高复杂度任务，具备更高智能水平及多步推理能力。
对于开发者和企业，这些模型提供了构建可靠、可投入生产的语音代理基础模块。同时，Gemini应用、Google Workspace及搜索功能中的语音交互体验也将更加流畅协作，支持仅凭语音处理复杂任务。
更流畅、智能的对话体验
Gemini 3.8 Live Extended Thinking提供企业级任务完成能力。在Artificial Analysis“语音到语音质量指数”中，该模型以82.6分综合排名第一；在代理任务完成率方面处于领先地位，τ-Voice基准测试得分68.6%，Sierra τ-Voice-banking基准测试得分35.1%。此外，其在Big Bench Audio测试中得分97.7%，展现出强大推理能力，且价格极具竞争力。
Gemini 3.8 Live在Speech Agent Arena中排名第二，深受用户青睐。该模型在保持高性能的同时具备极高成本效益，专为规模化部署打造。
在ServiceNow EVA-Bench基准测试中，相关模型通过平衡准确性与对话质量，推动了复杂工作流的帕累托前沿（基于Gemini Enterprise Agent Platform上的Live API运行结果）。
Gemini 3.8 Live支持近乎实时的视觉输入处理，通过丰富上下文提供更精准回答，并能在对话中自动检测及切换97种支持语言。模型可在后台执行工具和API调用的同时维持对话状态，实现请求确认与聊天并行。
针对需要深度推理的任务，3.8 Live Extended Thinking支持推理与语音输出同步进行。它在保持对话流不间断的同时，通过“让我查一下……”等早期语音提示自然确认指令，并实时播报多步后台任务进展，为复杂工作流提供增强智能支持。
赋能开发者与企业生态
借助Gemini Live API，Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel和Vision Agents等平台可帮助开发者轻松构建高性能语音驱动界面，由平台底层管理实时媒体流基础设施，使开发者专注于用户体验。
Google已与Salesforce、Genspark和Lumeris等企业建立合作伙伴关系。这些企业对3.8 Live系列模型的低延迟、流畅性及工具调用能力表示认可。
SynthID水印确保透明度
所有AI产品生成的音频均嵌入不可察觉的SynthID水印，确保AI生成内容可被检测，以防范虚假信息。详细安全与责任方法请参阅模型卡片。
获取最新Gemini音频模型
Gemini 3.8 Live今日陆续上线：
- 开发者：Gemini API和Google AI Studio
- 企业：Gemini Enterprise私有预览版，即将登陆Gemini Enterprise for Customer Experience
- 公众：Search Live
Gemini 3.8 Live Extended Thinking今日陆续上线：
- 开发者：Gemini API和Google AI Studio
- 企业：Gemini Enterprise私有预览版，即将登陆Gemini Enterprise for Customer Experience及Google Workspace商业客户
- 公众：Gemini Live，Workspace Docs的Google AI Pro和Ultra订阅用户，以及Gmail和Keep中的所有Google AI订阅用户