Google 推出了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，这是专为实时语音代理设计的原生语音到语音模型，能够在不破坏对话流程的情况下进行推理并执行工具调用。

  • 这两个模型现已作为托管解决方案在 Gemini Live API 和 Google AI Studio 中上线。
  • Gemini 3.8 Live 专注于规模和成本效率，而 Extended Thinking 增加了多步推理能力。
  • Extended Thinking 在 Artificial Analysis 的语音到语音质量指数中排名第一，得分为 82.6。
  • 这些模型支持异步函数调用、视觉上下文、字母数字精度以及 97 种语言。
  • 通过 Live API，音频输入的定价为每分钟 $0.005，音频输出为每分钟 $0.018。

这些发布内容为级联语音管道提供了简化的替代方案，使开发人员能够构建具有集成工具使用和低延迟特性的生产级语音代理。