Google发Gemini 3.8 Live：语音AI能边想边说、边聊边干活

美东时间9月15日，Google DeepMind发布Gemini 3.8 Live和3.8 Live Extended Thinking，定位“迄今最先进的实时语音对话模型”，距上一代音频模型更新还不到一个月。

核心卖点一句话：语音AI开始“边想边说”，推理和对话并行，不再让你对着话筒干等沉默。

以前的语音助手有个老毛病：要么说话，要么思考。任务一复杂，你就得听着“死气”等它转圈。

这次两个型号都把工具调用和API请求挪到了后台，让它查日历订餐厅，它口头应一句“让我查一下”，聊天不断线，任务完成再汇报。

分工很清楚：3.8 Live主打低延迟和成本，近实时处理视觉输入，镜头对着坏了的家电它能边看边教你怎么修，97种语言自动检测、句子说到一半也能切换；Extended Thinking专攻复杂任务，多步规划、异步执行，边推理边播报进度。

跑分上，Extended Thinking在第三方Artificial Analysis的语音质量指数拿82.6排第一，语音Agent任务完成率68.6%；3.8 Live在用户偏好榜Speech Agent Arena排第二。榜单是第三方的，比自家口径有分量。

铺开的路子也是全家桶：开发者走Gemini API和AI Studio；普通用户在Search Live全员可用；Gemini app的语音模式和Docs、Gmail、Keep面向订阅用户开放；企业走Gemini Enterprise私有预览，Salesforce等已在测试。

Live API接入了LiveKit、Pipecat、Vercel等语音基础设施平台。所有AI生成的音频都带SynthID水印。

冷静说一句：价格没公布，参数量和延迟数据也没给；而35.1%的银行场景任务完成率提醒所有人，最好的语音Agent在真实金融服务里，仍有过半任务做不完。上线之前，企业最好先跑自己的领域评测。

这是DeepMind把语音从“附加功能”升级成“主接口”的一步：API给开发者，Enterprise给企业，Search和Workspace给数亿消费者，三个面互相喂数据。

回看最近两周，Astra让AI学会用电脑，机器人给AI装上身体，现在Gemini Live让AI开口说话。Agent的交互面，正从对话框扩到整个世界。