谷歌发布 Gemini 3.8 Live 系列:支持后台思考,边聊天边调用工具不打断对话

早报2个月前发布 小马良
72 0

谷歌正式推出了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款全新模型。这标志着语音交互 AI 从“简单的问答”迈向了“复杂的并行任务处理”。这两款模型不仅具备近实时的推理能力,更引入了关键的后台工具执行功能,让 AI 能在与你流畅对话的同时,在幕后完成搜索、查询 API 等复杂操作。

核心突破:边聊边做,无缝衔接

传统语音 AI 在执行任务(如查天气、搜网页)时往往会陷入沉默或中断对话。Gemini 3.8 Live 系列通过以下机制解决了这一痛点:

  1. 后台工具执行 (Background Tool Execution)
    • 模型可以在继续与用户自然交谈的同时,在后台异步调用工具和 API。
    • 体验升级:不再有尴尬的等待静音。AI 会先确认请求(如“让我查一下……”),然后在后台完成任务,期间你可以继续聊天或追问。
  2. 并行推理与说话 (Parallel Reasoning & Speaking)
    • Gemini 3.8 Live Extended Thinking 专为高复杂度任务设计,能够同时进行深度推理和语音输出。
    • 它使用早期语言提示和实时进度叙述,引导用户理解多步骤任务的进展,保持对话流的连贯性。
  3. 近实时视觉与多语言支持
    • 支持近实时的视觉输入处理,用画面上下文丰富对话。
    • 自动检测并在 97 种语言之间无缝切换,甚至支持在对话中途改变语言。
谷歌发布 Gemini 3.8 Live 系列:支持后台思考,边聊天边调用工具不打断对话

性能表现:霸榜多项基准测试

模型核心定位关键基准成绩
Gemini 3.8 Live规模与成本效率,流畅对话Speech Agent Arena: 第 2 名
高用户偏好度,极具性价比
Gemini 3.8 Live Extended Thinking高复杂度任务,多步推理Artificial Analysis 语音质量指数: 82.6 (全球第 1)
Big Bench Audio: 97.7%
τ-Voice: 68.6%
Sierra τ-Voice-banking: 35.1%

注:在 ServiceNow 的 EVA-Bench 上,该系列模型成功平衡了准确性与对话质量,推动了复杂工作流的帕累托前沿。

谷歌发布 Gemini 3.8 Live 系列:支持后台思考,边聊天边调用工具不打断对话

开发者与企业生态

Google 正通过 Gemini Live API 赋能整个语音开发生态系统:

  • 合作伙伴集成:Agora, LiveKit, Vercel, Pipecat, Fishjam, Vision Agents, LangChain 等平台已支持集成,帮助开发者轻松构建高性能语音界面。
  • 企业应用:Salesforce, Genspark, Lumeris 等企业伙伴正在利用其低延迟和强大的工具调用能力优化客户体验。
  • Google Workspace 整合:Extended Thinking 模型将逐步融入 Docs, Gmail, Keep 等应用,为订阅者提供更智能的语音协作体验。

安全与透明度:SynthID 水印

为了应对 AI 生成内容带来的 misinformation 风险,Google 确认所有由 Gemini 生成的音频都嵌入了不可见的 SynthID 水印。这种水印直接编织在音频波形中,肉眼/耳无法察觉,但可通过专用工具检测,确保内容的可追溯性。

如何获取?

Gemini 3.8 Live

Gemini 3.8 Live Extended Thinking

  • 开发者:Gemini API, Google AI Studio
  • 企业:Gemini Enterprise (私人预览), 即将登陆 Google Workspace 商业版
  • 大众:Gemini Live App, Google AI Pro/Ultra 订阅者 (Workspace Docs, Gmail, Keep)
© 版权声明

相关文章