Gemini 学会了说「我查一下」，然后真的去查
9 月 15 日谷歌发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，见 https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/ 。一个调的是规模和成本，一个调的是多步推理。两个都能做准实时语音，带视觉 grounding，97 种语言自动识别。但真正重要的功能被埋在里面：后台工具执行。
这才是全部的门道，值得拆开讲。语音智能体一直有个文本智能体没有的结构性问题。一次工具调用要四秒，文本智能体转个圈，没人在意。语音智能体沉默四秒，对面的人会以为电话断了。Extended Thinking 这一版的做法是把工具扔到后台跑，同时用嘴把这段空白填上——像真人一样说一句"我查一下"，然后带着答案回来。用对话填充词当延迟遮蔽机制，这是一个真正漂亮的交互设计。
数字在关键处站得住。Artificial Analysis 语音对语音质量 82.6，第一名。Big Bench Audio 97.7%。Speech Agent Arena 第二。但诚实的是那两个智能体分数：τ-Voice 任务完成率 68.6%，Sierra 的 τ-Voice-banking 35.1%。银行那个数字值得记住。三分之二的银行类任务仍然失败，而且这是一个由卖语音智能体的人做的 benchmark，用的是一个刚刚拿下语音质量第一的模型。听起来像人和真的把一笔业务办完，还是两件很不一样的事。
可用性是即时的：开发者可以在 Gemini API 和 AI Studio 里用，企业版走 Gemini Enterprise 私有预览，Search Live、Gemini Live 和 Workspace 后面已经换成了它。价格被形容为"有竞争力"，没给数字，谷歌一贯的说法，意思是过阵子自己去看价目表。
这是 3.x 这条线七周内的第四次发布，前面是[月初的 3.8 Flash 和 Flash Cyber](https://clauday.com/article/9bbb73f1-52f6-42d3-b078-43a25a14caa1)。节奏本身开始说明问题了。谷歌推出窄的、按任务塑形的变体，速度已经超过了任何人评测它们的速度，选对哪一个正在从默认项变成一个真正的工程决策。[同一周苹果造了个接口让竞争对手的模型来驱动 Siri](https://clauday.com/article/53d68876-64b6-4022-a749-2e9c35c7882d)，语音从一个功能变成了一个市场。
← 返回所有文章
这才是全部的门道，值得拆开讲。语音智能体一直有个文本智能体没有的结构性问题。一次工具调用要四秒，文本智能体转个圈，没人在意。语音智能体沉默四秒，对面的人会以为电话断了。Extended Thinking 这一版的做法是把工具扔到后台跑，同时用嘴把这段空白填上——像真人一样说一句"我查一下"，然后带着答案回来。用对话填充词当延迟遮蔽机制，这是一个真正漂亮的交互设计。
数字在关键处站得住。Artificial Analysis 语音对语音质量 82.6，第一名。Big Bench Audio 97.7%。Speech Agent Arena 第二。但诚实的是那两个智能体分数：τ-Voice 任务完成率 68.6%，Sierra 的 τ-Voice-banking 35.1%。银行那个数字值得记住。三分之二的银行类任务仍然失败，而且这是一个由卖语音智能体的人做的 benchmark，用的是一个刚刚拿下语音质量第一的模型。听起来像人和真的把一笔业务办完，还是两件很不一样的事。
可用性是即时的：开发者可以在 Gemini API 和 AI Studio 里用，企业版走 Gemini Enterprise 私有预览，Search Live、Gemini Live 和 Workspace 后面已经换成了它。价格被形容为"有竞争力"，没给数字，谷歌一贯的说法，意思是过阵子自己去看价目表。
这是 3.x 这条线七周内的第四次发布，前面是[月初的 3.8 Flash 和 Flash Cyber](https://clauday.com/article/9bbb73f1-52f6-42d3-b078-43a25a14caa1)。节奏本身开始说明问题了。谷歌推出窄的、按任务塑形的变体，速度已经超过了任何人评测它们的速度，选对哪一个正在从默认项变成一个真正的工程决策。[同一周苹果造了个接口让竞争对手的模型来驱动 Siri](https://clauday.com/article/53d68876-64b6-4022-a749-2e9c35c7882d)，语音从一个功能变成了一个市场。
评论