XNews

谷歌DeepMind推出Gemini 3.8实时音频模型

谷歌DeepMind推出Gemini 3.8实时音频模型

谷歌DeepMind宣布推出Gemini 3.8 Live和3.8 Live Extended Thinking,这是其最新的对话式AI模型。该模型支持97种语言、近实时视觉理解以及后台工具调用,可通过Gemini应用和Gemini API使用。

Key insights

发布新一代SOTA实时音频模型

谷歌DeepMind推出了Gemini 3.8 Live和3.8 Live Extended Thinking,据称是迄今为止最优秀的对话式AI。3.8 Live模型支持97种语言无缝切换、异步工具调用,并具备前沿性能。Extended Thinking变体则针对复杂任务增强了性能和精准度,通过叙述其进展来维持对话连续性。

模型升级推理与多模态能力

这些模型具备升级的推理能力、近实时视觉理解以及针对97种语言的自动检测功能。关键能力是后台工具调用,允许AI在不中断用户对话流的情况下执行任务,正如编程辅导使用案例中所展示的那样。

可用性与开发者访问权限

这些模型可通过Gemini应用中的Gemini Live进行测试,开发者则可通过Google AI Studio的Gemini API访问。计划于下周在旧金山举办一场线下Gemini音频体验活动,届时将展示新模型。

Source posts