跳到正文
gihyo.jp·· 2026-09-16精選AI 評分79

Google 發佈 Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking

Google、Gemini 3.8 Liveを発表 ——会話を続けながら推論やツール実行が可能

AI 導讀

Google 於 2026 年 9 月 15 日發佈語音對話模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,兩者可在持續對話時理解視覺資訊及非同步呼叫外部工具。

推薦理由

兩款模型分別面向快速、具成本效益的語音智能體與複雜多步任務,並可在不中斷對話下呼叫工具,清楚區分兩者的適用場景。

正文 · 繁體中文

Google於2026年9月15日宣佈推出語音對話 AI 模型「Gemini 3.8 Live」及「Gemini 3.8 Live Extended Thinking」。使用者可一邊持續以語音交談,一邊理解視覺資訊及使用外部工具處理工作。Extended Thinking 加強了背景推理能力,適用於需要多個步驟的複雜任務。兩款模型同日起在 Gemini API 和 Google AI Studio 提供,亦會陸續推出至 Google 的各項服務。

持續對話期間執行外部工具⁠、自動偵測97種語言

兩款模型都能直接處理語音,並以語音作答。它們可以非同步呼叫 API 或外部工具,即使仍在等待處理完成,也能繼續以語音回應。

模型亦能近乎即時地理解視覺資訊,並根據使用者所見作出回應。Google展示了多種應用例子,包括利用視覺資訊回答問題的新員工指引,以及一個一邊觀看棋盤一邊對話的西洋棋示範。

推出 Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking。

具備推理能力的語音代理,令與 AI 對話變得更直覺、更智能。模型能流暢地輪流對話、仔細思考複雜問題,交談起來也更自然。 pic.twitter.com/n2Gz8i2Bz2

— koray kavukcuoglu (@koraykv) 2026年9月15日

在語言方面,模型會自動偵測97種語言,即使對話途中轉換語言亦能應對。Google在面向開發者的說明中表示,模型亦能準確識別包含英數字的驗證碼及技術資料。

此外,開發者可以在持續進行語音對話的同時,以文字或結構化資料向模型補充回答所需的資訊。

看看我們如何運用 3.8 Live Extended Thinking,充當程式設計導師。

兩款模型均具備:
🔵 推理能力升級
🔵 近乎即時的視覺理解能力
🔵 自動偵測97種語言
🔵 在不打斷對話的情況下於背景呼叫工具

應對你最棘手的難題… pic.twitter.com/WHrNvqtHhl

— Google DeepMind (@GoogleDeepMind) 2026年9月15日

Extended Thinking 會在推理期間以語音說明進度

Gemini 3.8 Live 是面向語音代理的模型,着重回應速度及成本效益。Gemini 3.8 Live Extended Thinking 則適用於需要複雜分析或多階段規劃的任務。接到請求後,模型會先以簡短語句回應,再於背景進行推理或呼叫工具,同時以語音告知進度。

Google公開了一段示範,展示 Extended Thinking 如何根據手繪草圖及語音回饋,建立構成網頁介面的 React 元件。Google亦介紹了結合多個步驟及外部工具來完成預約的例子。

Google表示,Extended Thinking在Artificial Analysis用來評估語音對話模型的「Speech to Speech Quality Index」取得82.6,於公布時排名總榜第1。

在「τ-Voice」基準測試中,模型一邊以語音對話一邊使用工具,以完成客戶服務任務,得分為68.6%;在Sierra的「τ-Voice-banking」測試中則得分為35.1%。Google表示,兩項測試的任務完成率均排名第一。

在 API 中,Extended Thinking 的推理深度可設為low、medium或high,共3個級別。Gemini 3.8 Live 亦具備推理功能,但不能指定推理深度。兩款模型的功能差異可參閱Live API 比較表。

陸續推出至Search Live⁠、Gemini Live⁠、Workspace

面向一般使用者,Google將陸續把Gemini 3.8 Live推出至Search Live,並把Extended Thinking推出至Gemini應用程式的Gemini Live,自9月15日起。

Extended Thinking亦會陸續推出至Workspace的Docs Live、Gmail Live及Keep Live,供Google AI訂閱用戶使用。各項服務適用的方案可參閱Google官方公告。

面向企業用戶,兩款模型會以私人預覽版形式在Gemini Enterprise提供。Google亦計劃於近日把模型推出至Gemini Enterprise for Customer Experience,並向Workspace企業客戶提供Extended Thinking。

API語音收費:輸入每1分鐘約0.005美元⁠、輸出約0.018美元

開發者可在Google AI Studio試用兩款模型,亦可使用Gemini Live API將其整合至語音應用程式。模型 ID 為gemini-3.8-live及gemini-3.8-live-extended-thinking。

根據Gemini API 定價表,兩款模型在付費方案中的語音收費為每100萬個 token 輸入3美元、輸出12美元。Google列出的每1分鐘語音換算參考價為輸入約0.005美元、輸出約0.018美元。文字輸入及輸出,以及圖片和影片輸入,則採用與語音不同的單價。

來源:gihyo.jp · gihyo.jp