📰 来源：DeepMind　|　📅 翻译日期：2026年9月18日
🔗 原文：查看原文
🤖 翻译：DeepSeek AI · 仅供参考

今天，我们推出两款新模型，将接近实时的推理能力（near real-time reasoning）引入其中，更有效地赋能语音代理，并让与 AI 的对话体验变得更加直观、智能。

两款模型，各司其职

• Gemini 3.8 Live：为规模化与成本效率而生，融合对话智能、流畅交流与视觉锚定（visual grounding）能力。
• Gemini 3.8 Live Extended Thinking：面向高复杂度任务，具备更强的智能水平与多步推理能力。

对于开发者和企业而言，这两款模型提供了构建可靠、可用于生产的语音代理的核心组件。同时，它们也让用户通过 Gemini app、Google Workspace 和 Search 与 Gemini 交谈时更加流畅、更具协作性——帮助你仅凭语音就能完成复杂任务。

更流畅、更智能的对话

Gemini 3.8 Live Extended Thinking 提供企业级的任务完成能力与智能水平，在 Artificial Analysis 的 Speech to Speech Quality Index 上以 82.6 分位列总分第一，并在代理任务完成方面领先：在 τ-Voice 上取得 68.6%，在 Sierra 的 τ-Voice-banking 基准上取得 35.1%。它还具备强大的推理能力，在 Big Bench Audio 上得分 97.7%，同时与其他前沿模型相比，仍保持了极具竞争力的价格。

Gemini 3.8 Live 则获得了用户的高度青睐，在 Speech Agent Arena 中位列第二。除性能表现之外，它同样极具成本效益，为开发者和企业提供了一个能力强、效率高、专为规模化而打造的模型。

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（Pareto Frontier）。

注：该测试在 Gemini Enterprise Agent Platform 的 Live API 上运行。

实时视觉与多语言支持

Gemini 3.8 Live 能以接近实时的速度处理视觉输入，用上下文丰富对话，从而给出更有帮助的回应。它能在对话过程中自动检测并切换 97 种支持的语言。它还会在后台执行工具调用和 API 调用，同时继续进行对话——因此模型可以先确认请求，并在任务于后台完成的同时保持交谈。

演示场景：

• Gemini 3.8 Live 实时指导员工入职，利用视觉上下文回答现场提问。
• 观看 Gemini 3.8 Live 凭借视觉上下文、推理能力与自然对话流程，近乎实时地下棋。

边推理，边表达

对于需要更深层推理的任务，3.8 Live Extended Thinking 能够同时推理与说话，为复杂工作流带来更强的智能，同时保持……

即刻体验

你可以从今天起通过 Gemini API、Google Workspace 以及 Gemini app 开始使用这些功能，让语音交互更加自然、流畅且智能。