2026年9月15日

|

Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是我们迄今为止最先进的实时对话模型。智能和并行推理方面的重大升级使它们更直观地协作,并可通过语音执行复杂任务。


Tom Ouyang

首席工程师

Malini Jaganathan

技术团队成员,代表 Gemini Audio 团队


图片 1:文字“Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking”以及 Gemini Spark,全部位于浅蓝色背景上

音频 3

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 处于实验阶段

今天,我们推出两款新模型,在近实时推理方面带来进步,以更有效地赋能语音代理,并让与 AI 的对话感觉更直观、更智能。

  • Gemini 3.8 Live:为规模和成本效率而构建,结合了对话智能与流畅对话和视觉基础。
  • Gemini 3.8 Live Extended Thinking:为高复杂度任务而构建,具有更高的智能和多步推理能力。

对于开发者和企业,这些模型提供了可靠、可用于生产的语音代理的构建模块。它们还使通过 Gemini 应用、Google Workspace 和搜索与 Gemini 交谈更加流畅和协作——帮助您仅用语音处理复杂任务。

体验更流畅、更智能的对话

Gemini 3.8 Live Extended Thinking 提供企业级任务完成能力和智能,在 Artificial Analysis 的语音到语音质量指数中夺得总体第一名(82.6),并在代理任务完成方面领先,在 τ-Voice 上达到 68.6%,在 Sierra 的 τ-Voice-banking 基准上达到 35.1%。它还提供强大的推理能力,在 Big Bench Audio 上得分 97.7%,同时与其他前沿模型相比保持极具竞争力的价格点。

Gemini 3.8 Live 在用户中表现出高度偏好,在语音代理竞技场中排名第二。除了这一表现外,它仍然极具成本效益——为开发者和企业提供了一个为规模而构建的强大且高效的模型。

图片 2:显示 Artificial Analysis 语音到语音指数的图表

图片 3:显示 Artificial Analysis 代理性能的图表

图片 4:显示 Sierra 的图表

图片 5:显示 Artificial Analysis 每小时输入音频成本的图表

在 ServiceNow 的 EVA-Bench(一个用于评估语音代理的基准)上,我们的模型通过成功平衡准确性与对话质量,推动了复杂工作流的帕累托前沿。

注意:这是在 Gemini Enterprise Agent Platform 上的 Live API 上运行的。

图片 6:显示 EVA Bench 从体验到任务完成的图表

Gemini 3.8 Live 近实时处理视觉输入,通过上下文丰富对话以提供更有帮助的响应。它会在对话中途自动检测并在 97 种支持的语言之间切换。它在继续对话的同时在后台执行工具和 API 调用,因此模型可以确认请求并在任务于后台完成时继续聊天。

对于需要更深层推理的任务,3.8 Live Extended Thinking 同时进行推理和说话。它为复杂工作流提供更高的智能,同时保持不间断的对话流——使用诸如“让我查一下……”之类的早期口头提示自然地确认提示,并通过实时进度叙述引导用户完成多步后台任务。

在 Google Workspace 和搜索中,我们的 Live 模型提供更直观、更协作的体验——尤其是在处理您最复杂的任务时。

在搜索 Live 中获取由 Gemini 3.8 Live 驱动的分步实时故障排除帮助。

赋能开发者和企业语音生态系统

通过使用 Gemini Live API,Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 等开发者平台使开发者能够轻松构建和部署高性能语音驱动界面。这些平台在幕后管理复杂的实时媒体流基础设施,让开发者能够完全专注于打造用户体验。

我们还与 Salesforce、Genspark 和 Lumeris 等公司合作,他们对 3.8 Live 和 3.8 Live Extended Thinking 感到兴奋,并强调了其令人印象深刻的延迟、流畅性和工具调用能力。

图片 7:Salesforce 引述

图片 8:11Sight 引述

图片 9:Equal AI 引述

图片 10:ServiceNow 引述

图片 11:Genspark 引述

图片 12:Lenskart 引述

图片 13:Lumeris 引述

图片 14:Agora 引述

图片 15:Ambr AI 引述

图片 16:LiveKit 引述

图片 17:Casuu 引述

通过 SynthID 水印确保透明度

我们 AI 产品生成的所有音频均使用 SynthID 添加水印。这种不可感知的水印直接融入音频输出中,确保 AI 生成的内容可被检测,以帮助防止错误信息传播。有关我们安全与责任方法的详细信息,请查阅模型卡。

开始使用我们最新的 Gemini Audio 模型:

3.8 Live 从今天开始逐步推出:

3.8 Live Extended Thinking 从今天开始逐步推出:

在您的收件箱中获取 Google 的最新消息

订阅我们的新闻通讯,获取产品更新、活动信息、特别优惠等。

您的信息将根据 Google 隐私政策 使用。您可以随时选择退出。

本文内容采集自官方网站,排版和翻译可能与原页面存在差异。

阅读官方全文