你让语音助手订一张机票，它却沉默了十几秒。你不知道它在思考、查票，还是已经卡住。Gemini 3.8 Live 想解决的正是这种尴尬：让 AI 在持续对话中理解语音和画面，同时调用工具；遇到复杂任务，也能先回应、再一边处理一边报告进度。
Google DeepMind 此次发布了两款模型。Gemini 3.8 Live 面向大规模、重视成本效率的应用；Gemini 3.8 Live Extended Thinking 则面向更复杂的多步任务。前者强调反应和交互，后者增加思考投入。所有性能数字和产品描述目前均来自 Google DeepMind 官方博客，尚缺少独立复现与完整测试配置。
两条路线，不是一味“想更久”
实时推理，指模型在对话仍在进行时快速理解输入并作答。它决定语音 Agent——能听懂要求并代用户执行任务的 AI——能否自然接话，及时调用外部工具。
Gemini 3.8 Live 走的是轻快路线。它支持近实时处理视觉输入，并做视觉 grounding——把一句话里的“这个杯子”对应到镜头中的具体物体。它还能在对话中自动识别并切换 97 种受支持语言。不过，这只说明系统支持切换，不代表每种语言的能力相同，也不代表它们都经过同等强度的测试。
更关键的变化是后台执行。模型调用工具或 API——连接航班、日历或企业系统的程序接口——时，不必暂停对话。它可以先确认请求，继续与用户交流，等后台任务完成后再交付结果。对语音产品来说，这种“边聊边办”比单纯缩短回答时间更重要，因为它让等待过程变得可理解。
Extended Thinking 则处理另一类难题。这个词指模型在回答前投入更多计算，完成多步推理，通常会带来更高延迟和成本。Gemini 3.8 Live Extended Thinking 的做法，是让推理和说话同时进行。它会先用“让我查一下”之类的简短回应确认收到要求，再实时播报多步骤任务的进展。换句话说，它没有消除等待，而是把黑箱式沉默改造成连续对话。
分数不错，但先别急着下结论
据 Google DeepMind 官方博客，Extended Thinking 在 Artificial Analysis 的 Speech to Speech Quality Index 获得 82.6 分，排名总体第一；在衡量智能体任务完成的 τ-Voice 上达到 68.6%，在 Sierra 的 τ-Voice-banking benchmark 上为 35.1%。它在 Big Bench Audio 上取得 97.7%。标准版 Gemini 3.8 Live 则在 Speech Agent Arena 排名第二。
这些数字分别指向语音质量、任务执行和音频推理，但还不能直接回答真实使用中的延迟、价格与可靠性。官方没有在供稿中给出榜单版本、评测日期、参评模型、具体配置或第三方复现情况，因此“第一”应理解为特定评测条件下的结果，而不是全面领先。
在 ServiceNow 的 EVA-Bench 复杂工作流测试中，Google 称两款模型同时推进了准确率与对话质量的 Pareto Frontier——也就是在两项彼此牶制的指标之间取得了更好的组合。该测试通过 Gemini Enterprise Agent Platform 的 Live API 运行，未必能代表其他部署环境。
为什么这次升级值得看
这条路线最早因 Project Astra 演示受到关注。据 Google DeepMind，2024 年 Google I/O 的视频中，系统持续观察桌面和房间后，能回答“我的眼镜放哪了”。那次演示展示的不是一次性的看图答题，而是多模态 AI——同时处理文字、语音和画面的模型——如何保留现场上下文。
如今，竞争重点正从“AI 能不能听懂”转向“它能不能在不打断交流的情况下把事情办完”。标准版负责规模和效率，Extended Thinking 承担复杂推理，两者共同指向一种更实际的语音 Agent：它既要像人一样维持对话，也要像软件一样可靠执行流程。
Google 表示，这些模型将进入 Gemini app、Google Workspace 和 Search，开发者也可通过 Gemini Live API 构建语音智能体。AI 产品生成的音频会嵌入不可感知的 SynthID 水印，用于帮助识别 AI 生成内容。
局限与未知
- 官方使用了“近实时”“高性价比”和“生产就绪”等表述，但没有披露可比较的延迟、价格、故障率与对照实验数据。
- 第三方榜单的版本、日期、参评模型和测试配置仍需回查，现有成绩也尚无独立复现。
- 供稿未提供不同设备、网络和部署环境下的表现，企业平台测试结果不能直接外推到所有应用。