边说边推理：语音那层再进一步

Google 把语音那层又往前推了一步，两枚音频模型一起摆出来，Gemini 3.8 Live 和它的扩展思考版。 分工摆开。 Live 那枚冲着规模、速度和成本去，句中被打断也接得住，九十七种语言当场切换，还能看懂画面。把摄像头对准断掉的自行车链条或漏水的管子，它在搜索里一步一步给出语音指引，连 DIY 那类活也接得上。 扩展思考那枚管最复杂的活，推理和说话并着来，干到一半还会把自己的进展念出来。像策划一场活动这类躲在幕后的多步任务，聊天那条线也不会断。 "边说边推理"这半句是全场重心。前面拍子落下前一百毫秒那篇讲的是判断快，这条讲的是边判断边张嘴。跟前面镜头实验室呼应，那条让人上手拧，这条让人开口问，两头都在把界面往人的本能那侧挪。跟前面说完就到光标处也接得上，一个是把语音送进输入框，一个是把整个会话当工作台。 边干活边自述进展这个细节我留意，它把"黑箱干活"变成了可旁观的流水，人跟着听就大概知道它走到哪一步，这比闷头跑完给结果强。 我留的疑问有三处。九十七种语言的口音覆盖没细说；扩展思考那枚的时延多少没给数；和之前版本的降价关系也没交代。 这周拿它修一次家里的小毛病，全程只开口不动手，看指引的步骤能不能一路跟到底。