Google DeepMind 推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking；後者支援背景推理，兩款模型都已在 Gemini API 與 Google AI Studio 提供

Google DeepMind 推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking；後者支援背景推理，兩款模型都已在 Gemini API 與 Google AI Studio 提供。發布內容 Google DeepMind 表示，兩個模型可在語音持續播放時進行非同步 function calling，並支援即時視覺 context、英數字精準處理、超過 97 種語言與口音一致性，以及將即時音訊和結構化資料合併的增量更新。Extended Thinking 可在對話持續進行時，於背景執行可調整的多步驟推理，並回應或播報處理進度。官方公告詳見Google DeepMind 開發者文章。評測結果 Artificial Analysis 的 Speech-to-Speech Index 平均整合 Big Bench Audio、Tau Voice、Arena preference 與 Arena task-success rate。其報告指出： Extended Thinking High 得分 82.6，standard 得分 76.0，Extended Thinking High 位居該 Index 第一。 Tau Voice 得分分別為 Extended Thinking High 68.6%、standard 30.1%，Gemini 3.1 Flash Live High 為 37.7%。 Big Bench Audio 得分為 Extended Thinking High 97.7%、standard 91.7%。 Speech Agent Arena 中，standard 的偏好 Elo 為 1083、任務成功率 93.2%；Extended Thinking High 則為 Elo 990、任務成功率 89.1%。來源：@ArtificialAnlys｜Artificial Analysis 的 Speech-to-Speech Index 排行榜；定位幀顯示 Gemini 3.8 Live Extended Thinking 分數曾在 62.0 與 82.6 間變動並回到榜首，未逐幀驗證完整 00:00–00:09 軌跡。延遲與成本 Artificial Analysis 測得 standard 的首次音訊平均時間為 1.18 秒，Extended Thinking High 為 1.35 秒；評測所列輸入音訊成本則為每小時 $0.84 與 $3.50。Google 官方 API 定價是音訊輸入每分鐘 $0.005、輸出每分鐘 $0.018。評測排名取決於 Artificial Analysis 的複合方法與當前比較集，不能直接視為所有生產環境的固定排名。示範與限制 @koraykv 分享的 1 分 10 秒影片是經縮短、畫面為模擬的產品示範，展示語音 Agent 互動，以及將手繪草稿轉成介面預覽的流程；畫面可見搜尋欄位、商品輪播、描述區塊與底部選單。這是產品示範，不是延遲、正確率或 benchmark 排名的測量證據；目前來源也未提供可代表生產工作負載的延遲與正確率資料。經縮短、畫面為模擬的 Gemini 3.8 Live Extended Thinking 草圖轉化與介面生成示範。經縮短、畫面為模擬的 Gemini 3.8 Live Extended Thinking 草圖轉化與介面生成示範。 影片中的 Prompt 與操作：操作步驟： 1. （00:00）於方格紙上繪製手機外框草稿 2. （00:04）於畫面上方新增 Search 搜尋列 3. （00:17）於搜尋列下方新增商品輪播圖片 4. （00:21）於輪播圖片下方新增商品說明區塊 5. （00:35）於區塊下方新增底部拉起選單 6. （00:50）調整整體介面風格為 glassmorphism原文：https://easyvibecoding.app/curated/3354-google-deepmind-gemini-3-8-live-extended-thinking-launch