Gemini 3.8 Live 是什么？当天可用的语音模型

Google 在 2026 年 9 月 15 日放出了两个实时语音模型：Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。一句话概括升级点：语音对话更自然的同时，模型能在后台执行工具、看懂摄像头画面、中途自动换语言，复杂任务还能「边想边说」不加停顿。发布当天起，Gemini 应用、搜索、Workspace 和开发者 API 都能用上。

一次发了两个模型：分工不同

按官方博客的定位（署名 Gemini Audio 团队，Principal Engineer Tom Ouyang 等），两个模型各有侧重：

1. Gemini 3.8 Live：为规模和成本效率打造，主打流畅对话、对话式智能和视觉接地（visual grounding），适合量大、追求低成本的语音场景。
2. Gemini 3.8 Live Extended Thinking：为高复杂度任务打造，具备多步推理能力，官方说法是「推理和说话同时进行」。

Extended Thinking 最有意思的交互细节是它不会让对话冷场：接到复杂请求时先用「Let me check that…」这类口头确认接住你，然后一边后台执行一边实时播报进度，多步任务做完之前对话不中断。

关键能力：这四点是实打实的增量

1. 近实时视觉理解：处理摄像头或屏幕画面作为对话上下文，官方演示里它能看着棋盘下棋、给新员工实时讲解操作流程。
2. 97 种语言中途自动切换：对话里中英混说、临场换语言都不用设置，模型自动检测并切换。
3. 后台执行工具和 API 调用：你继续说你的，它把订票、查询这类多步任务放到后台跑完再汇报。
4. SynthID 音频水印：所有 AI 生成的音频都带不可感知的水印，用于甄别合成内容。

官方还给了几个演示方向：把草图对着镜头说需求，直接生成可用的 React 组件；全程语音完成多步预订；口头描述就生成完整商业计划和营销工具包。

跑分与定位

官方博客给出的成绩集中在 Extended Thinking 上，整理如下：

另外在 ServiceNow 的 EVA-Bench（语音智能体基准）上，官方称两个模型在复杂工作流里同时压住了准确率和对话质量，站在帕累托前沿。要注意以上均为 Google 自述口径，第三方复测还需要时间。

上线首日这则发布在 Hacker News 拿到 281 分热度，早期讨论集中在一个意外方向：多位用户称赞它在小语种口语上的表现，有人用它练南非语、有人当通勤陪聊，口语陪练的用法已经先于功能列表流行起来。

它和 OpenAI 语音路线是什么关系

语音实时对话这条赛道现在有两个头部玩家。OpenAI 9 月刚上线了全双工语音 API，定位偏开发者接入，具体对比见站内的 GPT-Live-1 是什么？OpenAI 全双工语音 API 上线；Gemini 3.8 Live 这边则是消费端和开发者一起推：应用、搜索、办公套件、API 四条线同时铺。两边目前都没有公布完整的中文场景专项跑分，选谁先试可以看生态：重度用 Google 全家桶的直接在 Workspace 里体验，做语音应用开发的可以把两家 API 各跑一轮延迟测试。

普通用户今天怎么用上

按官方博客的放量口径：

1. 所有人：Gemini 应用里的 Gemini Live，以及搜索里的 Search Live（3.8 Live）。
2. 订阅用户：Extended Thinking 进入 Workspace 的 Docs（Google AI Pro 和 Ultra）、Gmail 和 Keep（所有 Google AI 订阅者）。
3. 企业：Gemini Enterprise 私测中，客户服务版本随后跟进。
4. 开发者：Gemini API 和 Google AI Studio 当天可用。

每条路径的具体步骤和门槛，见 Gemini 3.8 Live 怎么用？三条上手路径与订阅门槛。动手前想先确认 Google 账号和订阅状态的话，可以对照 Google AI 与 Gemini 怎么用？Google AI Studio 免费白嫖与 API 教程（2026 最新）。

国内用户的现实情况：Google 服务在中国大陆不直接提供，需要已有 Google 账号和可用的网络环境；语音对话对延迟敏感，网络链路质量会直接影响体验。已有订阅的话，Gemini 学生认证教程 一文整理过账号和订阅的常见坑。