Google 發表 Gemini 3.8 Live、Extended Thinking 語音模型，支援即時影音與多步驟推理

Google 發表全新 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 語音對話模型，旨在大幅強化人工智慧的即時推理能力與自然語音互動體驗。Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 這兩款模型針對不同的應用場景與複雜度進行設計，為開發者、企業以及一般使用者提供更具效率與互動性的語音代理支援。

Gemini 3.8 Live 兩大模型定位

在模型定位方面，Gemini 3.8 Live 主要聚焦於規模化應用與成本效益的平衡。它結合深度的對話理解、流暢的自然互動，以及能夠即時處理視覺輸入的視覺接地（Visual Grounding，視覺定位）能力，讓使用者在對話過程中可以直接透過畫面傳遞情境。此外，Gemini 3.8 Live 模型也具備自動偵測並在對話中切換 97 種支援語言的能力，同時還能在背景執行工具與 API 呼叫，確保對話過程不被中斷。

Gemini 3.8 Live Extended Thinking 則專為高複雜度任務所打造，具備強化的多步驟推理能力。它能在背景默默執行工具與 API 呼叫的同時維持對話的流暢度，並透過「同時思考與說話」的機制，在處理複雜非同步任務時提供口語進度說明，或是利用早期口語提示自然地回應使用者。

Extended Thinking 語音品質指數位列第一

在效能與實際應用表現上，Extended Thinking 版本在多項基準測試與分析中展現出色的成果，不僅在語音對話品質指數獲得高分，也具備優異的代理任務執行能力。此外，所有由 Google 語音產品所產生的內容皆會透過 SynthID 技術加入數位浮水印，以確保生成的音訊內容可被辨識，降低虛假資訊帶來的風險。

目前這兩款模型已自即日起逐步向各界推出。開發者可以透過 Gemini API 與 Google AI Studio 進行存取與建置；企業用戶則可在 Gemini Enterprise 中使用預覽版本；一般使用者也將陸續在 Search Live、Gemini Live 以及 Google Workspace 的訂閱方案中體驗到相關功能。