一句话看懂：Google DeepMind 于 2026 年 9 月 15 日发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者主打低成本高并发，后者主打复杂任务的多步推理，均已在 Gemini API、Google Workspace、Search 和 Gemini app 上线。
事件核心：发生了什么
两款模型针对不同场景分工。Gemini 3.8 Live 定位规模化与成本效率，支持近实时视觉输入、对话中自动切换 97 种语言，并能在后台执行工具与 API 调用而不打断对话。Gemini 3.8 Live Extended Thinking 面向高复杂度任务，边推理边说话，用“让我查一下……”这类提前口头提示确认请求，并实时播报任务进展。
数据方面，Extended Thinking 在 Artificial Analysis 语音到语音质量指数得 82.6 分，位列第一；τ-Voice 智能体任务完成率 68.6%，Sierra τ-Voice-banking 基准 35.1%，Big Bench Audio 97.7%。Gemini 3.8 Live 在 Speech Agent Arena 排名第二。官方称两款模型在 ServiceNow EVA-Bench 上推动复杂工作流的帕累托前沿，兼顾准确率与对话质量，且价格相对其他前沿模型有竞争力。
为什么重要
语音一直是人机交互中体验最难做顺的环节：延迟、打断、上下文丢失、任务执行与对话抢资源，都是工程难题。这次发布的关键不在“能说话”，而在于把推理、视觉理解、后台工具调用三条链路并行化——Extended Thinking 在思考时不静音，Live 在跑 API 时不断线。目前公开信息显示，这是把语音智能体从演示推向生产环境的一次工程收敛。对 Google 而言，语音也是把 Gemini 铺进 Workspace、Search 和手机入口的天然通道，与 OpenAI、Anthropic 在实时多模态上的竞争直接相关。
对用户/开发者/创作者的影响
普通用户能在 Gemini app、Search 和 Workspace 里直接用语音处理更长的任务，比如边看屏幕边提问、边等结果边继续聊。开发者可通过 Gemini API 搭建语音智能体，官方给出的基准覆盖了银行等强流程场景，意味着客服、外呼、辅助操作类应用的可落地性提高。创作者可关注实时视觉加语音的组合，用于直播解说、素材讲解等互动形式。企业采购方则可对照 EVA-Bench 等指标评估替换成本，但需注意这些分数由厂商参与提交，实际部署仍需自测。
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 API 定价与并发限制是否公布更细的档位，这直接决定语音智能体的单位成本。二是 97 种语言的中途切换在真实口音与噪声环境下是否稳定。三是竞品是否跟进“边推理边说话”的并行架构，以及第三方基准能否复现官方分数。
