专题 · FULL STORY

Gemini 3.8 Live 发布：实时语音对话登顶

谷歌于 9 月 16 日正式发布 Gemini 3.8 Live 及 Extended Thinking 两款实时音频对话模型，支持 97 语种实时语音对话。随后 Artificial Analysis 评测显示其在延迟、Agent 能力等多项语音基准全面登顶，且价格为同类最低。

2026-09-15 ~ 2026-09-16 · 2 集 · 27 条

第 1 集 · 谷歌发布 Gemini 3.8 Live 双模型，语音 Agent 登顶质量榜(2026-09-15,21 条)

谷歌于 9 月 16 日正式发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时音频对话模型，官方称其为迄今最先进的 Gemini 音频模型、达到 SOTA 水平，并以前沿模型的定价与性能提供。开发者已可在 Google AI Studio 在线试用，3.8 Live 同时驱动已向全球所有用户开放的 Search Live 实时对话体验。

已确认

  • 据 Artificial Analysis 官方评测帖，Gemini 3.8 Live 是 Speech to Speech 模型、Gemini 3.1 Flash Live 的继任者，可在对话进行中后台执行工具与 API 调用，分标准版与可配置扩展思考的版本，其价格较此前减半
  • 两款模型支持 97 种语言，可在对话中无缝切换；自动检测语言；语音对话可随时打断
  • 共同特性包括升级的推理能力、近实时的视觉理解、不打断聊天的后台（异步）工具调用；据 eherrerosj 转述，模型在对话结束后还能继续自主完成任务
  • Gemini 3.8 Live Extended Thinking 增加扩展思考能力，DeepMind 官方演示其充当编程家教，可边推理边讲解且不中断对话
  • 据 philschmid 转述，Gemini 3.8 Live 在 Artificial Analysis Quality Index 上以 82.6 分登顶；philschmid 还提供了两款模型在 AI Studio 的在线试用链接
  • 据 gaganghotra 转述的更新信息，3.8 Live 已驱动 Search Live：回答更有帮助并附带网页链接、多语言流畅切换、交互更自然，该功能面向全球所有用户开放
  • 发布前一日（9 月 15 日），testingcatalog 转引 Bedros Pamboukian 的发现，称 GCP 控制台配额与指标页已出现两款模型的条目，印证了发布前的泄露；koltregaskes 的转发也提及相关后台条目出现，并推测 Gemini 3.8 Flash Live 可能随后推出（此点仅为推测）
  • 据 minchoi 转述，官宣由 Google DeepMind 的 Logan Kilpatrick 发出，两款模型以「前沿模型的价格+性能」提供，面向 Live API 使用

尚未确认

  • Gemini 3.8 Flash Live 是否以及何时发布尚无官方信息，仅有转发帖中的推测

为什么重要

  • 延续上月 Gemini 3.5 Transcribe 之后的实时语音 Agent 路线，被视为对 GPT Live 的直接回应（testingcatalog 表述）
  • 「不打断用户流程地说话、思考并后台处理任务」的组合能力，标志着语音助手从纯对话向可执行任务的实时 Agent 演进；Greg Isenberg 认为九成以上垂直 SaaS 将需要语音入口，使用软件的方式变成对话，打字、点击、填表在后台完成（eherrerosj 转述）
  • 在登顶质量榜的同时价格减半（Artificial Analysis 数据），可能加剧实时语音模型赛道的性价比竞争
  • 通过 Search Live 的全球落地，新音频能力首次大规模触达普通用户，而非仅限开发者 API

还有 1 条相关讨论 →

第 2 集 · Gemini 3.8 Live 语音基准全面登顶且价格最低(2026-09-16,6 条)

Artificial Analysis 于 09-16 发布 Gemini 3.8 Live 的多项语音能力评测数据，显示该模型在延迟、Agent 能力、音频推理与成本上全面领先或接近榜首。

已确认

  • 延迟方面，Gemini 3.8 Live 在 Big Bench Audio 上的平均首音频延迟为 1.18 秒，Extended Thinking (High) 为 1.35 秒，较上一代提速约 2.5 倍。
  • Agent 能力方面，Gemini 3.8 Live Extended Thinking (High) 以 68.6% 登顶 Tau Voice 语音 Agent 基准，得分接近上一代的两倍，超过 GPT-Live 等对手。
  • 音频推理方面，其在 Big Bench Audio 上得分 97.7%，领先 Grok Voice Think Fast 等模型，仅次于 Qwen。
  • 盲测偏好方面，在 Speech Agent Arena 实时语音对话盲测中首秀即以 Elo 1083 排名第 2，仅次于上一代 Gemini 3.1 Flash Live。
  • 定价方面，输入音频每小时 $0.84，为其 Speech to Speech 指数中同类模型最低价，约为上一代 Gemini 3.1 Flash Live High 价格的一半左右（原帖以「约为」表述）。

为什么重要

  • 该批数据来自第三方评测机构 Artificial Analysis，覆盖延迟、Agent 基准、音频推理、人类偏好盲测与成本五个维度，为 Gemini 3.8 Live 提供了较完整的横向对比画像。
  • 低延迟加低成本组合表明实时语音 Agent 应用门槛进一步下降，可能加剧与 GPT-Live、Grok 等语音模型的竞争。