Google 发布了 Gemini 3.8 Live，这是其全新的语音到语音模型，其中 Extended Thinking（High）变体首次亮相便以 82.6 分登顶 Artificial Analysis 语音到语音指数，并以 68.6% 在我们实现的 Tau Voice 基准测试中排名第一

Gemini 3.8 Live 是 @GoogleDeepMind 推出的 Gemini 3.1 Flash Live 的继任者，这是一款语音到语音模型，能够在继续对话的同时在后台执行工具和 API 调用。它有两个变体：标准版 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，后者支持可配置的推理力度。我们通过 Gemini Live API 评估了标准模型以及在 High 推理力度下的 Extended Thinking 变体。

要点：
➤ 语音到语音指数：Gemini 3.8 Live Extended Thinking（High）以 82.6 首次登顶第 1，领先 GPT-Live-1（Astra，medium）的 81.5、Grok Voice Think Fast 2.0 High 的 81.3 以及 GPT-Live-1（Sol，low）的 80.1。标准版 Gemini 3.8 Live 以 76.0 首次亮相第 5，两个版本均高于 Gemini 3.1 Flash Live High 的 71.5（分别 +11.1 和 +4.5 分）。该指数综合了语音推理（Big Bench Audio）、智能体表现（Tau Voice）、Arena 偏好度和 Arena 任务成功率
➤ 语音智能体 Arena：Gemini 3.8 Live 在偏好度上以 Elo 1083 排名第 2，落后于 Gemini 3.1 Flash Live（1096），领先于 GPT-Live-1（Sol，low）的 1053；在任务成功率上以 93.2% 排名第 2，落后于 Grok Voice Think Fast 2.0 High 的 94.6%。Gemini 3.8 Live Extended Thinking（High）以 Elo 990 和 89.1% 的任务成功率落后
➤ Tau Voice：Gemini 3.8 Live Extended Thinking（High）在我们实现的 Tau Voice 基准测试中以 68.6% 拿下榜首，领先 GPT-Live-1（Astra，medium）的 67.9%、GPT-Live-1（Sol，low）的 59.3% 和 Grok Voice Think Fast 2.0 High 的 56.5%——相比 Gemini 3.1 Flash Live High 的 37.7% 大幅提升。标准版 Gemini 3.8 Live 得分为 30.1%
➤ Big Bench Audio：Gemini 3.8 Live Extended Thinking（High）在音频推理上得分 97.7%，领先 Grok Voice Think Fast 2.0 High 的 97.2%，落后于 Qwen Audio 3.0 Realtime Plus 的 99.2%。标准版 Gemini 3.8 Live 得分为 91.7%
➤ 速度：在 Big Bench Audio 上，Gemini 3.8 Live 的平均首音频时间为 1.18 秒，Extended Thinking（High）为 1.35 秒，两者均大幅领先 Gemini 3.1 Flash Live High（2.99 秒），与 GPT-Live-1（Sol，low）的 1.24 秒和 GPT-Live-1（Astra，medium）的 1.34 秒相当，但落后于 Grok Voice Think Fast 2.0 High 的 0.70 秒
➤ 成本：Gemini 3.8 Live 每小时输入音频成本为 $0.84，是该指数中最便宜的模型，约为 Gemini 3.1 Flash Live High 的 $1.75 的一半。Extended Thinking（High）成本为每小时 $3.50——比 GPT-Live-1（Sol，low）的 $4.47、Grok Voice Think Fast 2.0 High 的 $4.80 和 GPT-Live-1（Astra，medium）的 $5.83 更便宜，且比 GPT-Realtime-2.1 High 的 $10.75 便宜约 3.1 倍

详见下方更多细节 ⬇️