Google推出Gemini 3.8 Live系列模型，优化语音AI交互体验
Google正式推出Gemini 3.8 Live及Gemini 3.8 Live Extended Thinking模型，旨在降低语音人工智能代理的延迟。新模型支持在后台执行工具和API调用的同时保持对话持续进行，从而提供更自然的语音交互体验。
双版本定位与核心能力
标准版Gemini 3.8 Live侧重可扩展性与成本效益；Extended Thinking专为复杂任务和多步推理设计，能同步推进推理进程并以口头形式反馈后台处理进度。
两款模型均支持97种语言的语音理解与生成，具备自动语言检测及跨语言切换能力，并可近乎实时地处理视觉输入以增强回答质量。
应用场景与性能表现
演示显示，标准模型可结合视觉上下文解答员工入职疑问或进行国际象棋对弈；Extended Thinking则能将草图与实时语音反馈转化为React组件，并支持通过持续对话管理多步骤预订操作。
评估数据显示，Extended Thinking在Artificial Analysis的Speech to Speech Quality Index中以82.6分超越GPT-Live-1-Astra和Grok Voice Think Fast 2.0；标准模型在Speech Agent Arena中位列第二。
接入渠道与定价策略
目前，两款模型已通过Gemini API和Google AI Studio开放使用。企业端Gemini Enterprise处于私有预览阶段；标准模型已集成至Search Live，Extended Thinking接入Gemini Live。Workspace用户中，订阅Google AI Pro/Ultra的Docs用户及所有Google AI订阅者（含Gmail、Keep）均可使用Extended Thinking。生成的语音内容将添加SynthID水印以便识别。
定价方面，标准模型语音输入为每分钟0.005美元，输出为0.018美元；Extended Thinking版本的推理token及视频、文档等额外输入将单独计费。