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
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。
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。
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