答案已发布19 来源
Gemini 3.8 Live 与 Extended Thinking：Google 把“边说边办”带入实时语音智能体
Gemini 3.8 Live 面向高并发、低延迟和成本效率；Gemini 3.8 Live Extended Thinking 面向需要后台推理与多步处理的复杂语音任务。 核心变化不只是更快回答：Google 的设想是让语音智能体在解释下一步时，同时规划任务、等待工具返回并处理结果，而不是让用户一直等在静音中。
发布者使用 GPT-5.6 Terra 编辑图片由 GPT Image 2 生成
研究答案
要点
- Gemini 3.8 Live 面向高并发、低延迟和成本效率；Gemini 3.8 Live Extended Thinking 面向需要后台推理与多步处理的复杂语音任务。
- 核心变化不只是更快回答：Google 的设想是让语音智能体在解释下一步时，同时规划任务、等待工具返回并处理结果，而不是让用户一直等在静音中。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce about Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking, including their real-time conversational, visual-under. Article summary: Google introduced two generally available, native audio-to-audio models for real-time voice agents: Gemini 3.8 Live for lower-cost, high-volume dialogue, and Gemini 3.8 Live Extended Thinking for more difficult, multi-st. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Google 发布了两款面向实时语音智能体与实时对话的原生音频到音频模型：Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。标准版定位于规模化、成本效率、流畅对话及视觉理解；Extended Thinking 则面向需要更高推理能力的复杂多步骤任务。 10
2
最大区别：任务还在跑，对话不必停
真正的分水岭在 Gemini 3.8 Live Extended Thinking。Google 表示，该模型能在持续输出语音时进行后台推理、规划，并调用异步工具。对于耗时较长的工具调用，它可以用自然的对话性衔接语维持互动，而不必等结果返回后才继续整段回复。 1
2
这意味着所谓“同时推理”并不只是轮次切换更快。按 Google 的设计，语音生成、后台规划与异步工具活动可以并行推进。比如，语音智能体可一边向用户说明正在处理的步骤，一边查询数据或完成多步流程。
不过，体验是否真正更好，仍取决于工具本身是否可靠、对话流程是否设计得当，以及这些持续语音是否提供有效信息，而非单纯填补沉默。 1
2
标准版 Gemini 3.8 Live 做什么
Google 将 Gemini 3.8 Live 定位为适合低延迟、高并发对话场景的选择，强调避免由推理带来的响应停顿。它把实时对话与视觉理解结合起来，智能体可结合画面或其他视觉上下文参与交流。 10
45
Google 相关人士还称，该模型支持 97 种语言，并可在同一段对话中切换语言。实际部署前，开发者仍应针对目标口音、语言质量、地区可用性及具体业务场景做测试验证。 16
基准成绩可以参考，但不能替代选型
发布后的对比报道显示，在 Speech-to-Speech Quality Index 中，Gemini 3.8 Live 得分为 76.0，Gemini 3.8 Live Extended Thinking 为 82.6；OpenAI 的 GPT-Live-1 在中等推理力度设置下为 81.5。 25
在该项对比中，Extended Thinking 分数最高；但这不能直接等同于已经独立验证的生产环境“综合最优”。真正上线语音智能体，还需要评估打断处理、带口音或多语言语音识别与生成、工具调用准确性、高负载延迟、安全控制、可观测性，以及每个成功完成任务的总体成本。上述数字只是一个评测信号，不是适用于每个客服中心或助手场景的最终结论。 25
价格：应以 Live API 价表为准
Google 官方价表将两款新模型归入 Live API。标准付费层中，音频输入为每百万 token 3.00 美元，或每分钟 0.005 美元；音频输出为每百万 token 12.00 美元，或每分钟 0.018 美元。文本输入为每百万 token 0.75 美元，文本输出（含思考 token）为每百万 token 4.50 美元。 37
这一点很关键：其他 Gemini 3.8 Flash 型号的 token 单价，并不自动适用于 Live 系列。预算测算应以最新 Live API 价表和模型文档为准，并用真实会话压测，因为实际成本会受到输入和输出音频、视觉上下文、文本以及关联工具调用比例的共同影响。 37
开发者、企业与消费者端的可用性
Google DeepMind 将两款模型均列为正式可用（GA）。其公开可用性表显示，两者均覆盖 Gemini 应用、Google AI Studio、Gemini API 以及 Google Enterprise Agent Platform。
其中，Extended Thinking 列入 Google Search Live；Gemini 3.8 Live 则列入 Google Workspace。 54
对开发者而言，这意味着可在同一原生音频到音频模型家族中，在“实时流畅对话”和“更强后台推理”之间选择。企业用户还需进一步确认目标产品入口、数据控制要求、部署地区及集成路径是否匹配自身方案。 54
对生产级语音智能体意味着什么
Google 的竞争重点是把语音交互、视觉理解、后台推理和异步工具整合进同一模型家族。理论上，这可减少团队将语音识别、文本大模型、工具编排和语音合成等多个组件自行拼接的工作，并让任务处理期间的对话保持连贯。 1
10
GPT-Live-1 仍是评估全双工对话能力时的重要参照，但单一基准比较不足以决定平台选择。更可靠的评估方式，是使用有代表性的真实通话，测量打断处理、工具调用正确率、多语言表现、安全机制、故障恢复、延迟，以及每项完成结果的成本。 25
目前尚未明确的事项
现有发布材料并未明确 Gemini 3.8 Live 或 Extended Thinking 的 SynthID 音频水印具体政策。Google 已表示，SynthID 已扩展至为 Gemini 应用和网页端生成的文本添加并识别水印；但这并不能证明这两款 Live 模型生成的每一段音频流都带有水印，也没有说明检测方式或覆盖范围。 59
同样需要谨慎看待生态整合信息：平台集成与合作支持变化很快。计划用于生产环境的团队，应在确定技术架构前核验最新模型文档、价格、平台可用性和适用服务条款。 37
54
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“Gemini 3.8 Live 与 Extended Thinking：Google 把“边说边办”带入实时语音智能体”的简短答案是什么？
Gemini 3.8 Live 面向高并发、低延迟和成本效率；Gemini 3.8 Live Extended Thinking 面向需要后台推理与多步处理的复杂语音任务。
首先要验证的关键点是什么？
Gemini 3.8 Live 面向高并发、低延迟和成本效率；Gemini 3.8 Live Extended Thinking 面向需要后台推理与多步处理的复杂语音任务。 核心变化不只是更快回答：Google 的设想是让语音智能体在解释下一步时，同时规划任务、等待工具返回并处理结果，而不是让用户一直等在静音中。