答案已發布19 來源
Gemini 3.8 Live 同 Extended Thinking：Google 新一代即時語音代理有咩分別？
Gemini 3.8 Live 主打大規模、成本效率、流暢對話同視覺情境理解；Extended Thinking 則針對複雜、多步驟任務。 Extended Thinking 的重點係可以一邊持續用語音回應，一邊喺背景規劃、推理同發出非同步工具呼叫，唔使全程靜候結果。
發布者使用 GPT-5.6 Terra 編輯圖片由 GPT Image 2 生成
研究答案
重點
- Gemini 3.8 Live 主打大規模、成本效率、流暢對話同視覺情境理解；Extended Thinking 則針對複雜、多步驟任務。
- Extended Thinking 的重點係可以一邊持續用語音回應，一邊喺背景規劃、推理同發出非同步工具呼叫，唔使全程靜候結果。
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 推出 Gemini 3.8 Live 同 Gemini 3.8 Live Extended Thinking，兩款都係原生「語音輸入對語音輸出」模型，為即時語音代理同實時對話而設。前者主打可擴展性、成本效率、流暢對話及視覺情境理解；後者則瞄準需要背景推理嘅複雜、多步驟工作。 10
2
最大分別：佢可以繼續講，背後亦可以繼續做嘢
最關鍵嘅新功能屬於 Gemini 3.8 Live Extended Thinking。Google 表示，模型可以喺背景進行推理、規劃，並呼叫非同步工具，同時持續串流語音回應。換言之，遇到要幾秒先有結果嘅工具，代理未必需要完全停晒口等答案；它可以用自然嘅對話銜接語，令互動保持進行。 1
2
呢個所謂「同步推理」唔只係答得快。按 Google 描述，語音生成、背景規劃及非同步工具活動可以並行：語音代理一邊解釋下一步，一邊等候資料，或者處理一個多步驟流程。實際體驗會唔會更好，仍取決於工具本身穩唔穩定、對話設計做得好唔好，以及系統講緊嘅內容係咪真係幫到用家，而唔係純粹填補沉默。 1
2
兩個模型點樣揀？
Gemini 3.8 Live 係偏向低延遲、高流量對話場景嘅選擇。Google 將佢定位為不會因推理而引入額外延遲嘅即時語音模型，同時結合流暢對話同視覺情境理解；即係代理可配合畫面或其他視覺資料去理解對話內容。 10
45
Google 代表亦表示，3.8 Live 支援 97 種語言，而且可喺同一段對話中切換語言。不過，開發團隊實際部署前仍應測試特定口音、語言品質、地區供應情況同效能表現。 16
至於 Extended Thinking，就較適合要分析複雜資料、規劃多個步驟，或者要處理需時數秒工具呼叫嘅場景，例如較複雜嘅技術支援或流程型任務。 1
2
基準分數可參考，但唔應該當成採購結論
發表後報道列出 Speech-to-Speech Quality Index 分數：Gemini 3.8 Live 為 76.0、Gemini 3.8 Live Extended Thinking 為 82.6，而 OpenAI 的 GPT-Live-1 在 medium effort 設定下為 81.5。 25
即係喺呢個已報道比較之中，Extended Thinking 分數最高；但呢啲數字唔係獨立審計後對所有實際生產環境作出嘅總排名。要部署語音代理，仲要睇佢可否應付插話、不同語言與口音、工具呼叫準確度、高負載延遲、安全控制、可觀測性，以及每宗成功完成任務嘅總成本。基準只係一個訊號，唔代表任何一個系統必然最適合所有客服中心或助理工作流程。 25
定價：要睇 Live API，唔好套用一般 Gemini 模型價目
Google 官方定價表將兩款新模型歸入 Live API。付費標準方案列明：音訊輸入為每 100 萬個 token 3.00 美元，或每分鐘 0.005 美元；音訊輸出為每 100 萬個 token 12.00 美元，或每分鐘 0.018 美元。文字輸入為每 100 萬個 token 0.75 美元；文字輸出（包括 thinking tokens）則為 4.50 美元。 37
呢點好重要：其他地方見到嘅 Gemini 3.8 Flash token 價格，唔會自動等於 Live 模型收費。做預算時，應以最新 Live API 價目表同模型文件為準，再用真實通話測試；最終成本取決於輸入、輸出音訊比例、視覺情境、文字內容，以及所用工具。 37
開發者、企業同一般用家喺邊度用到？
Google DeepMind 將兩款模型列為 正式全面推出（General Availability）。官方供應表顯示，兩者均可見於 Gemini app、Google AI Studio、Gemini API 及 Google Enterprise Agent Platform。
當中，Extended Thinking 亦列於 Google Search Live；而 Gemini 3.8 Live 則列於 Google Workspace。 54
對開發者而言，選擇係同一個原生音訊模型家族中，揀一款側重即時流暢對話嘅版本，或揀一款較著重背景推理嘅版本。對企業而言，重點唔只係「有冇得用」，而係目標產品介面、資料控制、可用地區同整合路徑係咪符合部署需要。 54
對生產級語音代理有咩意義？
Google 今次嘅競爭賣點，係將語音互動、視覺情境理解、背景推理同非同步工具整合到同一模型家族。理論上，團隊可以減少自行串接語音辨識、文字模型、工具編排同語音合成嘅工作，並且喺系統處理任務期間保持對話連續。 1
10
GPT-Live-1 仍然係評估全雙工對話體驗時值得比較嘅選項，但單一基準比較不足以決定平台取捨。較可靠嘅評估應以真實代表性通話為本，量度插話處理、工具呼叫正確率、多語言表現、安全機制、故障復原、延遲，同埋每個完成結果嘅成本。 25
有啲問題，Google 目前未講清楚
現有發布資料未能確立 Gemini 3.8 Live 或 Extended Thinking 有一套明確嘅 SynthID 音訊浮水印政策。Google 表示，SynthID 已擴展至為 Gemini app 及網頁版生成嘅文字加上浮水印並協助識別；但呢個說法並唔等於所有 Live 模型輸出嘅音訊都會有浮水印，亦未交代偵測方式或推出條款。 59
同樣地，平台整合與生態系統支援變動可以好快。計劃正式部署嘅團隊，喺落實架構前應核對最新模型文件、定價、平台供應情況，以及適用服務條款。 37
54
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「Gemini 3.8 Live 同 Extended Thinking：Google 新一代即時語音代理有咩分別？」的簡短答案是什麼？
Gemini 3.8 Live 主打大規模、成本效率、流暢對話同視覺情境理解；Extended Thinking 則針對複雜、多步驟任務。
首先要驗證的關鍵點是什麼？
Gemini 3.8 Live 主打大規模、成本效率、流暢對話同視覺情境理解；Extended Thinking 則針對複雜、多步驟任務。 Extended Thinking 的重點係可以一邊持續用語音回應，一邊喺背景規劃、推理同發出非同步工具呼叫，唔使全程靜候結果。