谷歌深夜放大招：Gemini 3.8 Live语音模型登顶榜首

谷歌发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两个实时对话模型，称其为迄今最先进的实时对话模型。Extended Thinking 在 Artificial Analysis 语音质量榜以 82.6 分拿下总榜第一；在 ServiceNow 语音 Agent 测试中，两模型首次同时提升准确性与对话流畅度。

此前 AI 圈因泄密账号 Lyra 发布含 RSI（递归自我改进）暗示的推文、疑似谷歌内部模型配置截图及 Sergey Brin 推动 RSI 的传闻而沸腾一周，预期谷歌将发布重大模型，结果发布的是语音模型，引发调侃。但谷歌实现了过去语音 AI 未做到的事：说话、思考、后台干活三件事互不打断。

Gemini 3.8 Live 主打规模化和成本效率，整合对话智能、流畅度与视觉理解，适合大批量铺开；Extended Thinking 主打高复杂度任务，智能更高，支持多步推理。两者定位为可上生产的语音 Agent 基础组件。

主要改进：面对复杂问题，Extended Thinking 不再沉默，而是先用“Let me check that…”接住用户，再边推理边汇报进度；模型可先应下请求、继续聊天，工具调用和 API 请求放后台运行，开发者无需再拼接空白。支持 97 种语言，对话中途自动检测并切换语种，同声传译成默认能力；近实时视觉输入直接进对话，无需截图上传。谷歌演示让 Extended Thinking 当编程家教，实时看屏幕代码讲解。

成绩方面：Extended Thinking 在 τ-Voice 得 68.6%，略高于 GPT-Live-1 Astra 的 67.9%；在 Sierra 的 τ-Voice-banking 得 35.1%，对手为 32.0%；Big Bench Audio 97.7%。银行场景需核身份、查流水、改额度，一步错需重来，Extended Thinking 只办成三成多。标准版 3.8 Live 不卷难度卷成本，真人盲听投票排第二，谷歌称价格可控。

文章认为，AI 正成为 Agent 的实时界面，人机配合从“下指令、等结果”变为边聊边并行干活。谷歌将能力拆成四块零件：延迟压下来、后台能跑工具、边想边汇报、语言自动切。屏幕首次不再是人机之间的必经之路。