一句话看懂：Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款实时音频模型，通过 Gemini API 和 Google AI Studio 向开发者开放，以每分钟约 0.005 美元的音频输入定价正面挑战 OpenAI 的 GPT-Live-1。
事件核心：发生了什么
2026 年 9 月 15 日，Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款音频模型，开发者可通过 Gemini API 与 Google AI Studio 调用，官方也在 GitHub 放出了示例应用。Gemini 3.8 Live 能驱动语音智能体在通话过程中后台调用 API、处理视觉输入，并保持连续对话，支持 97 种以上语言。定位更高的 Extended Thinking 版本在 Artificial Analysis 语音到语音排行榜上以 82.6% 位列第一，超过 OpenAI 最新的 GPT-Live-1 系列。价格是这次发布最直接的变量：Google 音频输入每分钟 0.005 美元、输出 0.018 美元，而 OpenAI GPT-Live-1 约为每分钟 0.05 美元。按此推算，一小时语音对话在 Google 侧约 1.38 美元，OpenAI 侧至少 3 美元。
为什么重要
语音交互正从演示走向可计费的生产力场景，单位成本直接决定语音智能体能否规模化部署。Google 这次把价格压到对手的十分之一量级，同时用 Extended Thinking 版本在第三方榜单上拿到第一，等于同时打价格和技术两张牌。但原文也指出，OpenAI 的模型依靠全双工能力可以边听边说，对话自然度可能更好，演示音质也更佳——目前公开信息显示，Google 这一轮更像是用价格优势换市场份额，而非在体验上全面领先。对闭源大模型 API 市场来说，音频推理这条产品线的价格战可能就此开启。
对用户/开发者/创作者的影响
对开发者，语音智能体的成本结构明显改善。一小时的客服或陪伴类语音应用，API 支出从至少 3 美元降到约 1.38 美元，长时段场景的可行性提高，适合先做原型再评估规模化。多语言支持和后台 API 调用能力，也让语音 Agent 更容易接入现有业务系统。对创作者和产品团队，实时语音内容、互动音频应用的试错成本下降。不过需要注意，低价主要覆盖音频输入输出，视觉输入、后台工具调用以及 Extended Thinking 版本的实际计费和延迟表现，还需在项目中实测。企业采购如果更看重对话自然度和音质，GPT-Live-1 仍有保留价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Gemini 3.8 Live 在真实并发场景下的延迟与稳定性，是否与低价相匹配；二是 OpenAI 是否对 GPT-Live-1 调价或推出更便宜的音频档位；三是 Extended Thinking 版本的榜单优势能否转化为开发者实际采用，以及全双工能力是否会被 Google 补上。
