Gemini 3.8 Live 更新解读：边说边想+97 语言

谷歌 DeepMind 在 2026 年 9 月 16 日凌晨发布了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两个模型，都是原生端到端的语音到语音模型，不是把语音转文字、大模型处理、再文字转语音串起来的流水线。

它们主打的一个能力让行业眼前一亮：AI 可以一边推理、一边说话。开发者即日起可通过 Google AI Studio 与官方 API 接入。

想先看整体怎么入手，可先读站内Gemini 3.8 Live 使用教程和免费获取路径。

这次更新了什么

1. 原生语音到语音：省去语音转文字、文字再转语音的中间环节，对话延迟更低、更像真人
2. Extended Thinking 边说边想：遇到高难度任务会用「让我查一下」这类口头提示先接住，再在后台并发执行多步骤推理、代码排错、工具调用，对话不中断，还会同步讲进度
3. 近实时视觉输入：可以一边看摄像头或屏幕内容一边对话，演示里包括看着棋盘下棋、把白板草图变成能跑的 React 组件
4. 97 种语言对话中途自动切换：不用重开会话，也不用每种语言各配一个模型，跨国客服的集成成本大幅下降
5. 字母数字串精度优化：确认码、工单号、金额这类串最容易出错，这次专门做了优化

这两个模型是分工而不是高低配：Live 管规模与成本，适合大批量、对话式场景；Extended Thinking 管复杂任务，负责多步骤推理。所有语音输出都会自动带上 AI 水印，利于溯源与平台管理。

关键数据怎么看

官方 DeepMind 模型主页和媒体公开了基准，这几个数字值得单独看：

值得留意的是 68.5% 与 35.1% 的落差：同一个模型，通用场景能做完近七成，换到银行这种高度流程化的场景只剩三成半。

也就是说，模型很聪明，但真要落到查账、改预约这类业务前，把护栏和评估做足。

对普通用户和开发者意味着什么

对普通用户：如果你在能调用这类语音的产品里，体会会更自然的中途打断、更低延迟和更多语言切换。对开发者：意味着可以直接用原生音频接口去构建全双工语音 Agent，用于智能硬件、客服、实时编程辅助等产品。

想接到自己项目，参考Gemini 3.8 Live API 使用与 429 排查；想做方案选型，看这篇GPT Live 1 与 Gemini 3.8 Live 的对比。

怎么了联，引擎做怎么用

• 免费入口：去 Google AI Studio 打开控制台，选 3.8 Live 模型即可在线对话测试
• 开发者接入：官方 Gemini Audio 模型主页 列出 3.8 Live 与 3.8 Live Extended Thinking，按文档拿 API Key（Key 申请细节见站内获取 Key 的教程）
• 演示场景：草图生成代码、在线多步骤事务预约、语言同声辅导

接入时碰到配额或 429，站内那篇429 报错排查总结了常见原因与重置等待。

为什么值得关注

Gemini 3.8 是 Google 2026 年 9 月这轮模型的主线之一，同期还发布了面向编程与 Agent 的 3.8 Flash 和 3.8 Flash Cyber。语音 Agent 在实时帮助、多步任务和无感语言切换上的进步，会影响智能终端、客服与内容生产的落地形态，值得持续跟踪。

结语

Gemini 3.8 Live 这一波更新的真正价值是把推理织进了实时对话：能边说边想，能看画面，能 97 种语言中途切换。想落地的开发者先看清 Extended 的基准与业务场景落差，把护栏和评估做足；普通用户直接上 AI Studio 免费试一轮语音交互最直观。

署名：AI345

最后更新：2026 年 9 月