Gemini Live 加入深度推理，邊想邊答
Google Blog · 2026-09-15
Google 的 Live API 一直只朝一個方向優化：把語音對話的延遲壓到最低，讓模型「秒回」。新推出的 Gemini 3.8 Live Extended Thinking 打破了這個單一目標，讓模型在對話進行中同時啟動多步推理迴圈，用「先開口、邊想邊答」取代「想完才答」。Google 於 2026 年 9 月 15 日發布 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩個版本，皆以 Gemini 3 Pro 為底層模型。
背景
Live API 走的是串流語音對話架構：麥克風輸入即時送進模型，模型幾乎同步吐出語音回應，中間沒有給推理留緩衝時間。這種設計對閒聊、簡單問答夠用，但遇到需要拆解步驟、查核事實、跨輪推算的任務——例如客服要先核對帳戶資料才能回答——模型只能用同一套淺層生成邏輯硬答，容易答錯或答得空泛。過去 Live API 沒有提供「先想清楚再回答」的模式可選。
核心改動
官方部落格描述 Extended Thinking 的機制是「reasons and speaks simultaneously」：模型在背景跑推理的同時，先用口語銜接詞（原文舉例「Let me check that...」）撐住對話節奏，而不是整段沉默等推理跑完。這讓語音互動在維持即時感的前提下，換得更長的思考深度。
不過官方公告、Live API 文件與 Gemini 3.8 Audio model card 三份原始資料都沒有揭露開發者要怎麼在 API 呼叫裡切換 Extended Thinking 的具體參數名稱、思考 token 預算，也沒有給出這個模式比一般 Live 模式多花多少延遲的數字——這些細節目前皆未公布。
規格細節
Model card 列出的規格：輸入情境窗上限 128K token，輸出上限 64K token，知識截止日為 2025 年 1 月。Live API 文件則載明串流格式：輸入為 16-bit PCM、16kHz、little-endian 原始音訊，可搭配 JPEG 影像（≤1FPS）與文字；輸出為 16-bit PCM、24kHz、little-endian 音訊，連線方式是長駐 WebSocket（WSS）。官方公告另指出 Gemini 3.8 Live 可在對話中即時偵測並切換 97 種語言。
| 指標 | 數值 | 對應版本 |
|---|---|---|
| Artificial Analysis Speech to Speech Quality Index | 82.6 | 3.8 Live Extended Thinking |
| τ-Voice agentic task completion | 68.6% | 3.8 Live Extended Thinking |
| Sierra τ-Voice-banking | 35.1% | 3.8 Live Extended Thinking |
| Big Bench Audio reasoning | 97.7% | 3.8 Live Extended Thinking |
| Speech Agent Arena 排名 | 第 2 名 | 3.8 Live |
影響範圍
對正在用 Gemini API／AI Studio 開發語音或多模態應用的工程師，現在要在兩顆模型之間做成本延遲取捨：Gemini 3.8 Live 主打低成本、高流量、低延遲場景；Gemini 3.8 Live Extended Thinking 換來推理深度，但沒有公開的延遲或計價數字可以直接排進 SLA，上線前得自己實測。定價也未公布，預算規劃要等後續資訊。
接取管道也分層：兩個版本都已在 Gemini API 與 Google AI Studio 開放；企業用戶僅能透過 Gemini Enterprise 私測管道申請；消費端則是 Gemini 3.8 Live 進 Search Live 全面開放，Extended Thinking 只給 Google AI Pro／Ultra 訂閱者的 Gemini Live 使用。若團隊原本就把 Live API 用在金融或客服類語音代理上，要留意 Sierra τ-Voice-banking 完成率僅 35.1%，正式導入前仍需要人工複核流程。原本串接輸入音訊格式（16kHz PCM）與影像張數限制（≤1FPS）的既有整合，不受這次更新影響，可維持原設定。