产品简介
Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 是 Google DeepMind 于 2026 年 9 月 15 日发布的两个近实时语音对话模型，官方称其为迄今最先进的实时对话模型。两个模型同日推出、共享同一底座，区别在于面向的场景：Gemini 3.8 Live 为规模化与成本效率构建，把对话智能、流畅交流与视觉接地（visual grounding）结合在一起；Gemini 3.8 Live Extended Thinking 面向高复杂度任务，具备更强的多步推理能力，能够一边推理一边说话。
Extended Thinking 的交互设计是这一代最有意思的变化。它会用「Let me check that…」这类提前给出的口头提示确认请求，然后在后台推进多步任务的同时持续用语音叙述进度，把等待过程变成可感知的对话，而不是让通话陷入沉默。两个模型都能在后台执行工具调用与 API 请求，同时继续与用户交谈，也支持用户随时打断并即时改口。
能力层面，两个模型都支持在对话中途自动检测并切换语言，覆盖 97 种语言；生成的音频统一使用 SynthID 加入不可感知水印。开发者通过 Gemini Live API 接入，Google AI Studio 中提供 /live 入口。企业侧走 Gemini Enterprise 私有预览，消费侧已经进入 Search Live、Gemini Live，以及 Workspace 的 Docs、Gmail、Keep。
核心功能
- 两个变体分工明确：Gemini 3.8 Live 主打规模化与成本效率，负责快速流畅的实时对话；Extended Thinking 面向高复杂度任务，以更强推理能力做多步任务执行与后台处理。
- 边推理边说话：Extended Thinking 在推理过程中同步输出语音，用「Let me check that…」这类提前口头提示确认请求，并实时叙述多步后台任务的进度，用户不必在沉默中等待。
- 后台工具调用与异步长任务：在后台执行工具调用、API 请求与异步函数调用，同时保持自然对话不中断，适合需要查数据、下单、走流程的语音场景。
- 视觉接地：近实时处理视觉输入，把用户摄像头或屏幕里的画面纳入对话上下文，支撑边看边问的实时指导类任务。
- 97 种语言中途切换：自动检测语言并支持在同一通对话里切换语言，不需要重启会话。
- 可打断与并行推理：支持用户随时打断并纠正方向，这一代在智能水平与并行推理上做了较大升级，能同时处理主线对话与后台任务。
- SynthID 音频水印：所有生成音频都织入不可感知水印，便于识别 AI 生成内容，降低伪造风险。
适合谁用
以下类型的用户会特别受益于 Gemini 3.8 Live：
- 语音客服与坐席辅助：边通话边查资料、走业务流程，不必让用户听等待音
- 实时故障排查：结合视觉输入与语音，一步一步指导用户解决问题
- 企业员工入职引导：在通话中回答实时提问，并关联视觉上下文
- 多步预订与事务办理：后台异步调用函数，同时保持自然对话节奏
- 面向全球用户的语音产品：依靠 97 种语言的实时切换覆盖多语种场景
- 在 Google Workspace 内做语音办公：Docs、Gmail、Keep 中的实时语音协作
优点亮点
- 官方定位为迄今最先进的实时对话模型，Speech to Speech Quality Index 82.6 排名第一
- Extended Thinking 把推理与表达并行，长任务期间对话不冷场
- 后台工具调用与异步任务不阻塞当前会话
- 支持 97 种语言并在通话中途自动切换
- 视觉接地让语音助手能读懂现场画面
- 生态接入方较多，LiveKit、Agora、Pipecat、LangChain、Vercel、Vision Agents 等平台均已支持 Gemini Live API
价格与方案
Google 尚未公布具体费率，官方表述为相较其他前沿模型保持极具竞争力的价格，并强调 3.8 Live 的成本效率。开发者可通过 Gemini API 与 Google AI Studio（/live 入口）接入试用；Gemini Enterprise 走私有预览；面向普通用户的 Search Live 可直接使用，Extended Thinking 在 Google AI Pro 与 Ultra 订阅者的 Workspace Docs 中可用，所有 Google AI 订阅者可在 Gmail 与 Keep 中使用。具体定价以官方页面为准。
总结与建议
Gemini 3.8 Live 这一组模型解决的是语音助手最容易被抱怨的两件事：等得久，和不敢打断。标准版负责把实时对话做得便宜又稳，Extended Thinking 负责让复杂任务在通话里跑完。官方给出的成绩里，Extended Thinking 在 Artificial Analysis Speech to Speech Quality Index 上以 82.6 排名第一，τ-Voice 68.6%、Big Bench Audio 97.7%，语音智能体的任务完成能力是这轮升级的重点。需要做语音客服、实时指导、多步事务办理的产品值得优先测试这一代 Live API；如果只是文本对话需求，Gemini 3.8 Flash 一类的通用模型仍更直接。
版本演进
- Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 正式发布 （2026-09-15）：Google DeepMind 发布两个近实时语音对话模型：Gemini 3.8 Live 面向规模化与成本效率，Gemini 3.8 Live Extended Thinking 面向高复杂度任务并支持边推理边说话。Extended Thinking 在 Artificial Analysis Speech to Speech Quality Index 取得 82.6 分排名第一，τ-Voice 68.6%、τ-Voice-banking 35.1%、Big Bench Audio 97.7%；标准版在 Speech Agent Arena 列第二名。两个模型均支持 97 种语言中途切换、用户打断、后台工具调用与异步长任务，音频统一带 SynthID 水印。开发者通过 Gemini API 与 AI Studio 接入，企业侧为 Gemini Enterprise 私有预览，消费侧已上线 Search Live、Gemini Live 与 Workspace 的 Docs、Gmail、Keep。