谷歌发布Gemini 3.8 Live与Extended Thinking，提升语音交互体验

谷歌今日发布两款新语音对话模型：Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking。前者面向大规模部署和成本效率，兼顾对话智能和视觉基础；后者针对高复杂度任务，提供更强的多步推理能力。

Gemini 3.8 Live支持近实时视觉输入，能在对话中自动检测并切换97种语言，同时可在后台执行工具和API调用而不打断对话。Extended Thinking版本则在推理的同时说话，用“让我查一下”等口头确认和进度播报来引导用户理解多步任务。

在性能基准上，Extended Thinking版在Artificial Analysis的语音对话质量指数中排名第一（82.6分），在τ-Voice代理任务完成率上达到68.6%，在Sierra的τ-Voice-banking上为35.1%，并在Big Bench Audio上获得97.7%。Live版在Speech Agent Arena中位列第二。

这些模型目前已通过Gemini API、Google Workspace和Gemini应用供开发者使用。Agora、LangChain、LiveKit等平台已集成Gemini Live API，便于开发者构建语音驱动界面。