ITCOW牛新网 9月16日消息，当地时间9月15日，谷歌正式发布两款全新实时语音对话大模型Gemini 3.8 Live、Gemini 3.8 Live Extended Thinking，官方称其为目前旗下能力最强的实时对话模型，在并行推理与交互智能化上实现升级。
两款模型定位形成差异化，Gemini 3.8 Live主打成本优势，适合大规模商业部署，兼顾对话流畅度与视觉理解；Extended Thinking版本面向高难度复杂任务，强化多步骤推理能力，在多项语音基准测试当中拿到靠前名次。其中Extended Thinking拿下语音对语音质量指数总榜第一，多项音频推理测试取得亮眼得分。
交互能力层面，Gemini 3.8 Live可以近实时处理画面输入，对话过程中自动识别、切换97种语言，还能够在后台调用工具与API，不会打断当前语音对话。Extended Thinking实现推理与语音输出同步进行，处理复杂任务时可以向用户同步后台处理进度，用自然话术反馈思考过程。
安全方面，该系列模型输出的AI音频全部嵌入SynthID隐形水印，便于识别AI生成音频，防范虚假信息传播。
开发者可通过Gemini Live API完成应用搭建，谷歌已经和声网、LiveKit等平台达成适配，同时联动多家企业推进行业落地。目前两款模型已经开放推送，开发者可在API与AI Studio体验；企业用户可通过Gemini Enterprise抢先试用，普通用户分别可在Search Live、Gemini Live当中体验对应能力，部分Workspace、Gmail等功能仅限对应订阅用户开放。
文章导航
微软将xAI的Grok模型接入Office三件套Copilot，扩充第三方AI模型选项
