隆重推出 Gemini 3.8 Live 與 3.8 Live Extended Thinking：Google 將其語音產品線一分為二

Google 的 Gemini 3.8 Live與Gemini 3.8 Live Extended Thinking於 2026 年 9 月 15 日登場——一場發表、兩款模型，以及產品線上一次真正的分岔。最吸睛的數字是 Artificial Analysis 語音對語音指數上的 6.6 點差距，82.6 對 76.0。而它底下的數字是 38。在同一份榜單的 τ-Voice 代理式任務完成度指標上，推理版本能解決 68.6% 的模擬客服情境，標準模型則解決 30.1%。那 6.6 點，是指數所說的；那 38 點，則是當你要求這兩款模型真正把事情辦成時，所發生的情況。

發布至今已過一天，這個分支也有了價格。兩個模型都透過 Live API 公布了每分鐘音訊費率，而 Artificial Analysis 的排行榜將輸入音訊的每小時成本列為$0.84（標準模型），相對於$3.50（推理版本）——每小時高出四倍多一點，換取那 6.6 個指數分數。這個取捨就是整個決策的核心，而單憑指數來判斷只會得出錯誤的結論。

這次發布之所以不同於常見的語音模型更新，在於這種區分並非尺寸分級。它關乎對語音代理職責為何的分歧。這些模型之中，一個是對話介面。另一個則是碰巧會說話的推理系統。

兩種型號，兩種任務

Google 自己對此的表述異常清楚。Gemini 3.8 Live被描述為「專為規模化與成本效益而打造，結合對話式智慧、流暢對話與視覺接地。」Gemini 3.8 Live Extended Thinking則被形容為「專為高複雜度任務而打造，具備更強的智慧與多步驟推理能力。」

實際差異會顯示在功能清單上，而不是規格表上：

• Gemini 3.8 Live — 近乎即時的視覺輸入處理、在 97 種支援語言間自動於對話中途切換，以及背景工具／API 執行，讓模型確認請求後能繼續交談，同時呼叫在背景完成。

• Gemini 3.8 Live Extended Thinking — 同時推理並開口說明，在多步驟任務執行期間以「讓我確認一下……」等提示語即時描述進度。

• 共同 — 所有生成的音訊都帶有 Google 的 SynthID 浮水印，兩者皆涵蓋於以 gemini-3-8-audio 為名發布的模型卡中，且兩者現在都有已記載的 API 模型 ID：gemini-3.8-live 與 gemini-3.8-live-extended-thinking。

Extended Thinking 模型並不只是擁有更長思考預算的 3.8 Live。它是能夠同時維持對話與任務計畫，而不會讓對話停滯的模型——這正是讓語音代理在正式環境中失敗的原因。使用者不希望在代理查資料時出現沉默。他們希望代理繼續說話。

電路板標示 6.6。元件標示 38。

Speech to Speech Index 是四項底層結果的加權平均：語音推理，由 Artificial Analysis 自家的 Big Bench Audio 測試集衡量；代理表現，透過執行 τ-Voice 客服基準測試衡量；Arena 偏好度，取自 Speech Agent Arena；以及任務成功率。只有具備全部四項元件的模型才會獲得指數分數，這就是為什麼該排行榜上有些列會是空白的。

拆開來看，這兩款新模型根本不像是一對相差 6.6 分的組合：

• 語音轉語音指數 — Gemini 3.8 Live Extended Thinking (High) 82.6 對比 Gemini 3.8 Live 76.0

• 代理式效能（τ-Voice 任務完成率） — 68.6% 對比 30.1%

• 語音推理（Big Bench Audio） — 98% vs 92%

• 對話動態 — 91.9% 對 96.1%

• Arena 偏好（Elo） — 990 對 1083

• 任務成功率 — 89.1% 對比 93.2%

• 首次音訊時間 — 1.35 秒 vs 1.18 秒

• 每小時輸入音訊的成本 — $3.50 vs $0.84

誠實地看，標準模型在八項指標中贏了四項。它在首次音訊延遲上更快，在 arena 的評分中更高，更有可能完成任務，而且在對話動態方面評價更好。它的價格也只要三分之一。它做不到的是，當工作有步驟時完成工作：30.1% 對 68.6% 是本次發布中任何地方最大的單一差距，而且它落在區分語音代理與語音介面的那一個軸線上。

在那張表被視為定論之前，有兩點提醒。指數中採用的競技場偏好數值，會在模型符合發布資格的那一刻凍結，因此不會追蹤 Speech Agent Arena 圖表上的即時 Elo——請把它讀作快照，而不是持續更新的分數。而排行榜頂端的 τ-Voice 差距小到可能只是雜訊：推理變體的 68.6% 領先 67.9% 的 GPT-Live-1（Astra 後端、中等投入）0.7 個百分點，其後是 59.3% 的 GPT-Live-1（Sol、low）與 56.5% 的 Grok Voice Think Fast 2.0 High。兩個 Gemini 模型之間 38 個百分點的差距並不小。領先 GPT-Live-1 的 0.7 個百分點才是。

它在指數中的位置

在下方這張攝於 2026 年 9 月 16 日的擷取畫面中，看板頂部的內容顯示如下：

• Gemini 3.8 即時延伸思考（高）—— 82.6（第一名）

• GPT-Live-1（Astra 後端，中等投入）— 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1（Sol 後端，低投入）— 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

同一張榜單上之所以出現這道分歧，情況就是如此。Extended Thinking 版本拿下榜首，以該榜單的(High)推理投入等級標籤運行——這與它對 Grok Voice Think Fast 2.0 High 和 GPT-Realtime-2.1 High 採用的慣例相同，也是為什麼你在報導中看到附在此模型名稱後的「(High)」後綴時，它其實是配置標籤，而非獨立發布的版本。標準版本則落在第五名——低於兩組 GPT-Live-1 配置，也低於 Grok。Google 自家的部落格形容標準模型「極具成本效益」，並指出它「在 Speech Agent Arena 拿下第二名」，而那是另一張衡量不同事物的榜單。兩種說法都成立。合起來讀，它們說的是：3.8 Live 是一款價格非常實惠、表現非常出色的對話模型，但它並非語音智慧的最前線。

搶先一步的洩密

這些模型在公告前一天被發現在 Google Cloud 的配額頁面上，而我們當時報導了這次發現，將其視為一個未經證實的代號，沒有模型卡、沒有定價，也沒有 Google 的確認。那篇文章對狀態的判斷是對的，但對時間線的判斷是錯的——確認在大約 24 小時內就到來了。

這項教訓值得記錄下來，因為它違背了一般直覺。發表前一天外洩的網址代稱，就是發表。一個外洩的網址代稱，若八週內都沒有可佐證的文件，就完全是另一回事。區分兩者的訊號並不是那個網址代稱，而是配額頁面的存在；這種頁面只有在容量已完成佈建時才會存在。

每分鐘的費用

在發布宣布時，Google 的資料並未在價格上區分這兩款模型——標準模型有給出費率，推理版本則沒有，這正是上方計分板所記錄的情況。這個落差後來已經補上。這兩款模型現在都透過 Live API 公布定價：音訊輸入每分鐘 $0.005，音訊輸出每分鐘 $0.018，Google 在 9 月 16 日兩者推出時確認了這一點。同一份公布的價目表也涵蓋 Gemini 3 Live 級別的 token 定價——文字 token 每 1M 輸入 $0.75、輸出 $4.50，音訊 token 每 1M 輸入 $3.00、輸出 $12.00，以及圖片或影片輸入每 1M $1.00——不過那些 token 列是針對該級別而非個別模型公布，因此請把它們解讀為該級別的價目表，而不是特定變體的報價。

Artificial Analysis 也補上了對規劃而言最重要的那個數字。其排行榜現在新增了一欄「每小時輸入音訊成本」——也就是完成固定的 40 題 Big Bench Audio 子集所需成本，並標準化為每小時費率——而兩款新模型在該欄位都有數字：

• Gemini 3.8 Live — 每小時輸入音訊 $0.84，是該看板上最低的付費費率

• Gemini 3.8 Live Extended Thinking（高）— 每小時 $3.50，仍低於它憑品質勝過的兩個模型

• Grok Voice Think Fast 2.0 High — 每小時 $4.80

• GPT-Live-1（Astra 後端，中等投入）— 每小時 $5.83

• GPT-Realtime-2 (High) — 每小時 $4.14

• GPT-Realtime-2.1 High — 每小時 $10.75

關於上方這些擷取畫面的一點說明：由於排行榜螢幕截圖中的成本面板早於這兩列資料，其中既未出現 $0.84，也未出現 $3.50，而它最低的長條是 $1.42。清單中的數字是從看板截至 2026 年 9 月 16 日的摘要表讀取而來，並非取自該圖片。圖片中顯示的指數值不受影響，且與該表相符。

把這兩個新數字對照上面的元件來看，這次發布就不再是兩款模型的公告，而變成一個附有公開匯率的單一決策。推理版本以略高於四倍的每小時音訊成本，換得 6.6 個指數點、6 個語音推理點數，以及 38.5 個代理式任務完成點數。這是否值得付費，完全取決於你的代理在做什麼——而答案的樣貌在元件公布之後就改變了。一個職責是完成多步驟任務的語音代理，買到的是這次發布中單一最大的改進，每小時 $3.50，同時比 GPT-Live-1 Astra 便宜約 40%，比 Grok Voice Think Fast 2.0 High 便宜約四分之一，而且得分高於兩者。一個職責是對話的語音代理——回答、維持話題、代接訊息、讓人感覺愉快——多付推理深度幾乎買不到什麼，而每小時 $0.84，它買到的是目前市面上任何人所發布最便宜且稱職的語音模型。

這就是這份清單的樣貌。Google 將其推理模型的定價訂得低於它擊敗的兩個模型，也將其標準模型的定價訂得低於排行榜上的所有模型。如果你要大量處理語音分鐘數，真正會影響你帳單的是這個數字，而不是指數分數——而這兩種變體相差 4 倍的事實，意味著該選哪一個來呼叫，是整個堆疊中最大的單一成本槓桿。

「Private preview」在那句話裡起了實際作用。

就合約意義而言，這兩個模型都尚未正式全面提供，但開發者介面已開放，且現在已有定價，這改變了你可以據以規劃的內容：

• Gemini 3.8 Live — 開發人員可透過 Gemini API、Live API 和 Google AI Studio，以文件記載的 ID gemini-3.8-live 取得；企業可在 Gemini Enterprise 中獲得私人預覽，而 Gemini Enterprise for Customer Experience「即將推出」；所有人則可在 Search Live 中使用。

• Gemini 3.8 Live Extended Thinking——在 gemini-3.8-live-extended-thinking 下提供相同的開發者介面，並加上更廣泛的消費者使用途徑：Gemini Live、專為 Google AI Pro 與 Ultra 訂閱者推出的 Docs Live，以及為所有 Google AI 訂閱者提供的 Gmail Live 與 Keep Live。

目前仍然欠缺的，是企業所需的那一塊：正式推出（GA）的承諾、公布的正常運作時間數據，以及 Google 承諾維持的費率。如果你需要這些，就再等等。如果你是在做原型開發，這條路今天已經走得通，而且背後有真實的價目表支撐，這比一個沒有公布價格的預覽版處於實質上更有利的位置。現在就建置整合是合理的；但把攸關營收的電話線路，押在 Google 尚未承諾的可用性目標上就不合理了，而針對這一點的解決辦法說明如下。

供應商宣稱的終點

Google 在推出之際也同步公布了自己的各項元件數據——在 τ-Voice 上為 68.6%、在 Sierra 的 τ³-Banking 排行榜上為 35.1%，以及在 Big Bench Audio 上為 97.7%，全部歸功於 Extended Thinking 模型。這些數據如今分成兩組，而這個區分很重要。

三者中有兩項與 Artificial Analysis 以自家測試框架自行跑出的測量結果相符。其 τ-Voice 代理式元件在此模型測得 68.6%，相較於 GPT-Live-1 Astra 的 67.9% 與 Grok Voice Think Fast 2.0 的 56.5%；其 Big Bench Audio 語音推理元件則測得 98%，相較於 Google 的 97.7%。Artificial Analysis 將 τ-Voice 與 Big Bench Audio 描述為自家基準測試，並在資料可取得時跑三次試驗。因此，τ-Voice 與推理數字如今已登上你可以自行查閱的公開排行榜，而不只出現在 Google 的公告中——請把它們視為已獲佐證，而非已成定論，因為 Google 引用的確切數字很可能就是同一輪測試，而非第二次獨立測試。

Sierra 的數字沒有這類佐證，仍屬廠商說法：在 Sierra 的 τ³-Banking 排行榜上為 35.1%，相較之下 GPT-Live-1 Astra 為 32.0%，xAI-Realtime 為 16.5%。這也是個值得細想的數字，因為 35.1% 意味著該排行榜上領先的語音模型，在每三次擬真的銀行任務完成嘗試中，大約有兩次失敗。Google 也引用了在 Gemini Enterprise Agent Platform 中 Live API 上執行的一項 ServiceNow EVA-Bench 測試，並將這兩款模型描述為推動複雜工作流程的帕雷托前緣——而這兩者都沒有附上獨立解讀。

這裡有一個值得記住的先例。xAI 在七月通報 Grok Voice Think Fast 2.0 的 Speech to Speech Index 數值為 82.9。在上面擷取的排行榜中，該模型落在 81.3。廠商通報的指數分數不一定經得起實際排行榜的檢驗——通常是因為指數經過修訂，有時則是因為受測的配置並非實際出貨的配置。請在你自己的流量上驗證 τ-Voice 與 Big Bench 的數字，並把 agentic 欄位視為最需要用力測試的一欄。

這些代理實際運行的層

這兩個模型都位在後端之前。背景工具執行、多步驟任務規劃，以及每個認真的語音代理都會採用的委派模式，全都歸結為一般的文字模型呼叫——而這正是成本變異最大、鎖定程度最低的層級。

OrcaRouter以單一金鑰提供 190 個模型，價格為供應商定價且無加成，這意味著上游實驗室的降價當天就會在我們這邊生效，而不是等到下一次合約續約。對於前端是預覽模型的語音堆疊而言，兩項有用的特性是：委派目標可以更換而無須觸碰語音整合，以及自動容錯移轉能在後端出錯或逾時時讓通話保持不中斷。確切說明我們有託管與沒有託管什麼：Gemini 3.8 Live 端點不在我們的路由器上——那些來自 Google 自家的 API——但這些代理交辦出去的文字模型往往在我們這裡，Gemini 3.8 Flash 便是其中之一。

接下來要看什麼

有三件事將能解答本次發布中懸而未決的問題。第一是正式推出，以及 Google 承諾維持的費率——價格現已公布，但預覽價格向來常有變動，而價目表並不是合約。第二是競技場與任務成功率這兩個欄位是否站得住腳，因為標準模型的 1083 Elo 與 93.2% 任務成功率，是反對為推理變體支付 4 倍費用的最強論據，而且該指數的競技場數字是在符合資格時凍結的，並非即時數據。第三是針對代理能力差距本身的獨立執行結果：68.6% 對上 30.1% 是本次發布中最大的宣稱，也是最值得重現的一項，因為這兩個模型在其他各方面都相去不遠。

在那之前，誠實的總結取決於兩個數字，而不是一個。Gemini 3.8 Live Extended Thinking 是公開排行榜上得分最高的語音模型，在代理能力項目上直接居冠，而且每小時成本低於緊追其後的兩款模型。Gemini 3.8 Live 是該排行榜上最便宜且堪用的語音模型，較受競技場青睞，在淺層任務上也更可靠，整體則落後 6.6 分，並在代理真正受雇要做的那件事上有著硬性上限。Google 已兩度推出同一個分支，價格相差四倍，也讓這個選擇變得異常容易定價——前提是你讀的是各項組成部分，而不只是總指數。