XNews

Gemini 3.8 Live与扩展思考:实时语音与多步骤推理

Gemini 3.8 Live与扩展思考:实时语音与多步骤推理

谷歌推出了Gemini 3.8 Live(实时语音模型,支持97种语言并自动切换)以及Gemini 3.8 Live Extended Thinking(面向企业的多步骤推理版本)。Thinking版本将实时思考与语音同步,允许在持续语音交互的同时进行异步工具调用,并支持近乎实时的多模态视觉理解。

Key insights

Gemini 3.8 Live:高并发实时语音

基础版Gemini 3.8 Live专为大规模部署设计,具有高并发和低延迟特性。它支持97种语言的实时语音交互,可自动切换语言,并具备流畅的多模态交互(视觉+语音)。该模型针对日常助手与检索服务进行了优化,运行成本具有竞争力。

扩展思考:实时推理与语音同步

Gemini 3.8 Live Extended Thinking专注于企业级复杂任务,具备多步骤推理与规划能力。它将实时思考与语音同步:面对复杂问题时,会自动说出‘让我查一下……’同时执行后台任务。它支持异步工具调用(API、数据检索),且不会中断语音对话。此外,它还能理解实时视频,例如回答关于新员工入职环境的问题或下棋。

Source posts