2026 年九月 15 日，Google 推出了兩款新模型——Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。它們被定位為最先進的即時對話模型，針對低延遲和即時性進行了優化。
與 Gemini 3.1 Flash Live 等前代產品的主要區別在於對交錯推理（interleaved reasoning）和非同步函數呼叫的支援。該模型能夠在推理的同時生成語音，而工具則在後台執行，不會中斷對話。
這是透過原生音訊架構實現的，輸入和輸出均為即時音訊與文字。支援近乎即時（near real-time）的視覺上下文、在 97 種語言之間自動切換以及會話內容更新。價格為每分鐘音訊輸入 $0.005，每分鐘輸出 $0.018。
Extended Thinking 在基準測試中處於領先地位：在 Artificial Analysis Speech to Speech Quality Index 獲得 82.6 分，在 τ-Voice 獲得 68.6% 分，在 Sierra’s τ-Voice-banking 獲得 35.1% 分，以及在 Big Bench Audio 獲得 97.7% 分。基礎版本在 Speech Agent Arena 中排名第二，並在 EVA-Bench 上表現強勁。
基準測試方法側重於代理任務完成度（agentic task completion）和語音品質，但並不總是揭露留出（held-out）測試或與零樣本（zero-shot）場景比較的細節。這讓人對其在特定企業任務之外的實際泛化能力存疑。
在產業格局中，這與 OpenAI 的 GPT-Live 和 xAI 的 Grok Voice Think Fast 的方法有所不同。Google 強調任務的並行執行和視覺基礎（visual grounding），而不僅僅是回應速度。先前的模型通常需要暫停進行推理，這破壞了對話的自然流暢度。
新功能為生產級語音代理鋪平了道路，模型可以在保持對話流暢的同時執行複雜的多步驟操作。這在與 Search Live、Gemini Live 和 Workspace 的整合中尤為明顯。
目前尚不清楚在獨立驗證以及真實環境噪音或口音條件下，這些結果的穩定性如何。社群可能會測試邊緣案例（edge-cases）中的延遲，並將其與開源替代方案進行比較。
關鍵的轉變是從反應式語音介面轉向真正的代理式（truly agentic）介面，其中推理過程不會干擾自然的交流。
