Google 發布 Gemini 3.8 Live 與 Extended Thinking 語音模型：支援 97 語言與背景 API 呼叫，跑分擊敗 GPT-Live-1

Google 宣布推出迄今最先進的即時對話模型 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking，今日起於 Gemini API、Google AI Studio 上線，並逐步整合至 Search Live、Gemini Live 與 Workspace。 Gemini 3.8 Live 專注於規模化部署與成本效益，具備近即時視覺輸入處理能力，支援對話中自動偵測並切換 97 種語言。該模型可在背景執行工具與 API 呼叫，同時保持對話流暢不中斷。 Gemini 3.8 Live Extended Thinking 針對高複雜度任務設計，具備多步推理能力，能實現「邊想邊說」。模型會使用「讓我確認一下...」等提示詞自然回應，並即時口述多步背景任務的處理進度。 在效能評測上，Extended Thinking 版本在 Artificial Analysis 語音對語音品質指數以 82.6 分奪冠，領先 OpenAI 的 GPT-Live-1；在 τ-Voice 任務完成率達 68.6%，Sierra 的 τ-Voice-banking 基準測試達 35.1%，Big Bench Audio 得分 97.7%。3.8 Live 則在 Speech Agent Arena 排名第二。兩款模型在 ServiceNow EVA-Bench 測試中皆推高了複雜工作流的 Pareto Frontier。 定價方面，Google 音訊輸入每分鐘 0.005 美元，輸出每分鐘 0.018 美元。據 The Decoder 報導，一小時語音對話成本約 1.38 美元，大幅低於 OpenAI GPT-Live-1 的 3.00 美元。 為防範錯誤資訊，所有由新模型生成的音訊皆直接寫入 SynthID 隱形浮水印。