XNews

谷歌发布Gemini 3.8 Live与扩展思维模型

谷歌发布Gemini 3.8 Live与扩展思维模型

谷歌推出了Gemini 3.8 Live和3.8 Live Extended Thinking,这是新一代的先进实时音频模型。3.8 Live支持97种语言的无缝切换、近乎实时的视觉理解以及后台工具调用。扩展思维版本增加了多步骤推理功能,并伴有进度叙述,主要面向企业级任务。

Key insights

Gemini 3.8 Live聚焦高并发、低延迟部署

基础版Gemini 3.8 Live模型专为大规模低成本部署而设计。它支持高并发、低延迟的日常助手与检索服务。在对话过程中,模型能够自动检测并平滑切换97种语言。同时,该模型以极具竞争力的运行成本实现了视觉与语音相结合的多模态实时交互。

扩展思维版本增加实时推理与进度叙述

Gemini 3.8 Live Extended Thinking面向企业级复杂任务,强化了多步骤逻辑推理与规划能力。该模型实现了“实时思考与说话同步”:面对复杂问题时,它会自然地说出“让我查一下……”作为过渡,然后在后台执行多步骤任务的同时叙述进度。这营造出类似与真人电话交谈的对话体验。

后台异步工具调用实现并发协作

两个模型均支持后台异步工具调用。在调用外部API、检索数据或预订预约时,前端语音对话可继续不间断进行。这实现了真正的并发协作,使模型能够在执行操作的同时不打断对话流。

多场景演示近乎实时的视觉理解能力

模型能够一边观察场景一边进行对话。例如,回答关于新员工入职环境的问题、通过观察棋盘下棋,甚至看着草图用语音生成React代码。这一功能在Live和Extended Thinking两个版本中均可使用。

Source posts