AI热榜 谷歌发布两款实时对话模型 昨晚，谷歌发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，并表示这是其迄今为止最先进的实时对话模型。
两款模型在智能和并行推理方面进行了重大升级，让用户能够更直观地使用语音进行协作并执行复杂任务。
两款模型虽然都面向语音 Agent，但分工不同：Gemini 3.8 Live 侧重低延迟和规模化部署，Extended Thinking 则为需要多步骤推理、调用多个工具的复杂任务增加了后台思考能力。
据介绍，这两款模型已通过 Gemini API 和 Google AI Studio 向开发者开放。
那么，谷歌新发的这两款语音模型，要解决什么问题？
据谷歌方面称，此次更新要解决一个语音 Agent 常见的问题：用户要求助手查数据、调用系统或完成预约时，对话往往会停下来，等待工具返回结果。
文字界面可以显示“正在处理”，但语音通话中的几秒沉默会让人难以判断它究竟在思考、执行任务，还是已经失去响应。
谷歌在 Live API 技术文档中解释，Gemini 3.8 Live Extended Thinking 可以在后台规划任务并异步调用工具，同时先给出“我来查一下”之类的语音回应。
任务继续执行时，模型还能口头报告进度，最后再说出结果。
例如，用户要求比较航班与酒店，Agent 可以分别查询相关服务，查询过程中维持对话，而不是等所有接口返回后才第一次开口。
这也改变了开发者判断“一轮对话结束”的方式。
普通实时语音模型说完一段话，通常就意味着该轮响应结束；Extended Thinking 可能已经说完一句进度提示，却仍在后台推理或等待工具结果。
因此，开发者需要根据 Live API 返回的 IN_PROGRESS
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接