DeepMind上线Gemini 3.8 Live双模型

时间：2026年9月15日（北京时间16日凌晨） 地点：美国山景城 / 全球同步发布 人物：Google DeepMind Gemini Audio 团队；主工程师 Tom Ouyang、技术员工 Malini Jaganathan 事件详情：Google DeepMind 于9月15日正式上线两款实时语音对话模型——Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，定位公司迄今最强的语音代理模型，重点升级了并行推理能力。 Gemini 3.8 Live 面向规模化部署，主打成本与对话智能平衡；Gemini 3.8 Live Extended Thinking 面向高复杂度任务，强调推理深度与多步处理能力，可边思考边说话，并在背景任务执行时给出“让我先看一下”等自然过渡语音。 在 Artificial Analysis 的 Speech to Speech Quality Index 上，Extended Thinking 以 82.6 分位居榜首；在 Sierra τ-Voice-banking 基准上拿下 35.1%，在 τ-Voice 上拿下 68.6%；Big Bench Audio 跑分 97.7%；标准版 Gemini 3.8 Live 在 Speech Agent Arena 排名第二，并在 ServiceNow EVA-Bench 上推进复杂工作流的帕累托前沿。 技术细节方面，3.8 Live 支持近实时视觉输入与 97 种语言中途切换，可在后台调用工具或 API 时继续对话；Extended Thinking 在保持流畅对话的前提下深度推理，会用语音进度播报陪伴用户走完多步任务。所有音频输出均内嵌 SynthID 水印以保障可追溯性。 合作生态方面，Agora、Fishjam、LiveKit、Pipecat、Vercel、Vision Agents 等实时通信平台已第一时间接入 Live API；Salesforce、Genspark、Lumeris 等企业也在评估其低延迟与工具调用能力。 背景：这是 Google DeepMind 首次将 Live 系列语音模型与文本模型对齐到 3.8 代际。此前 Live 线停留在 Gemini 3.1 Flash Live Preview 与 Gemini 3.5 Live 系列，而文本线已迭代到 3.8 Flash。两款新模型既保留 Live 的低延迟，又补齐了推理与工具调用能力，意味着开发者可在生产环境中构建更可靠的语音代理。 影响：1) 语音代理进入“可深度推理”时代，客服、金融咨询、复杂售后等场景可直接落地；2) Live API 与 Search Live、Gemini Enterprise、Gemini app 全渠道打通，企业部署门槛大幅下降；3) 文本/语音模型首次对齐代际，Google 在实时多模态竞赛中重新拿到话语权。 总结：Gemini 3.8 Live 双模型把语音代理从“会说话”推到“会边想边说”，并通过 Live API 矩阵全面接入开发者与企业端；Google 在文本与语音双线的代际同步上首次实现，标志着实时多模态 AI 进入新阶段。 参考来源： - https://deepmind.google/blog/introducing-gemini-3-8-live-and-3-8-live-extended-thinking/ - https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ - https://artificialanalysis.ai/speech-to-speech?api-benchmarks=agentic-performance-vs-cost-to-run#speech-to-speech-arena-results-tabs - https://servicenow.github.io/eva/#results - https://ai.google.dev/gemini-api/docs/live-api - https://aistudio.google.com/live - https://www.orcarouter.ai/blog/gemini-3-8-live-leak - https://www.scriptbyai.com/google-ai-timeline-biggest-moments