谷歌发布 Gemini 3.8 Live 语音模型：边聊边干、97 种语言自动切换
新智元 · wechat · 2026-09-16
Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，官方称其为迄今最先进的实时对话模型。Extended Thinking 在 Artificial Analysis 语音质量榜以 82.6 分登顶总榜第一。
关键能力
- 说话、推理、后台工具调用三线并行：复杂问题先用「让我查一下」接住用户，边推理边播报进度，工具调用与 API 请求放后台跑，消除语音助手的尴尬沉默；
- 97 种语言，对话中途自动检测并切换语种；近实时视觉输入直接进对话，可当编程家教实时看着屏幕讲解；
- 会办事的分数：τ-Voice 68.6%（超 GPT-Live-1Astra 的 67.9%），Sierra τ-Voice-banking 35.1%，BigBench Audio 97.7%；标准版主打成本效率，真人盲听投票排第二。
背景：此前 AI 圈因泄密账号 Lyra 暗示「RSI（递归自我改进）」沸腾一周，结果谷歌交出的是语音模型，被社区调侃；但产品方向明确——语音正成为 Agent 的实时交互界面。
所属事件:谷歌发布 Gemini 3.8 Live 双模型：登顶语音榜且价格减半(29 条相关)→
「多模态」频道最新
- 用 Runway App Studio 无代码搭出路径追踪 3D 编辑器 — jongranskog · 2026-11-02
- RTX 5090 上 2 分钟出 15 秒视频：Minimax H3 提速配置公开 — Free_Pressure8623 · 2026-11-02
- 昆虫贴纸库开源:主 Agent 统筹绘制+独立审核的 AI 原生工作流 — AlchainHust · 2026-11-02
- 涂鸦交响乐提示词模板:双色调勾勒喷绘风格主体 — LudovicCreator · 2026-11-02
- 博主用 Opus 5.5+Tripo 24 小时做出《原神》级动作游戏 Demo — AlchainHust · 2026-11-02
- 128×128 从零训练的 rectified-flow 小模型,CPU 上 2 步 0.27 秒画报纸脸配字 — rustydustyshckleford · 2026-11-02