Google发布Gemini 3.8 Live：实时语音AI模型，成本降低40%-60%，性能登顶行业榜首

发布时间: 2026年9月17日 | 分类: 大语言模型动态

声明: 本文基于多家媒体转述整理

---

一句话结论

2026年9月15日，Google正式发布Gemini 3.8 Live系列模型，这是实时语音AI领域的重要突破——不仅支持边看边聊的多模态对话，还能在后台执行任务而不打断对话，且价格仅为竞争对手的40%-60%，性能登顶Artificial Analysis Speech-to-Speech排行榜榜首。

---

这是什么？

Google此次发布的Gemini 3.8 Live系列包含两个版本：

• Gemini 3.8 Live：主打规模与成本效率，适合常规语音对话场景
• Gemini 3.8 Live Extended Thinking：专为高复杂度任务设计，支持多步推理和同时思考说话

核心创新在于：

• 支持97种语言的中途自动切换
• 实时视觉输入处理，边看屏幕边对话
• 后台任务并行执行，对话流畅不打断
• 原生实时处理能力，无需额外中间件

这两个模型通过Google的Live API提供服务，可与Gemini App、Google Workspace和Search深度集成。

---

为什么这很重要？

价格革命：大幅降低语音AI门槛

服务类型	Gemini 3.8 Live	OpenAI GPT-Live-1
音频输入	$0.005/分钟	-
音频输出	$0.018/分钟	-
语音对话	$1.38/小时	$2.3-3.5/小时
Extended Thinking	$3.50/小时	$5.83/小时

相比OpenAI同类服务，Google定价降低40%-60%，不到旧版GPT-Realtime 2.1价格的七分之一（$10.75/小时）。

性能登顶：行业认证

• Artificial Analysis Speech-to-Speech Quality Index: #1 (82.6分)
• τ-Voice benchmark: 68.6%任务完成率
• Big Bench Audio: 97.7%准确率
• ServiceNow EVA-Bench: 复杂工作流表现优异

这些数据表明，Gemini 3.8 Live不仅在价格上有优势，在性能上也达到了行业领先水平。

---

谁会受益？

企业用户

• 客户服务语音助手，支持多语言自动切换
• 后台任务并行处理，提升运营效率
• 企业级安全与数据隐私保障
• 显著降低AI语音服务成本

开发者

• Live API直接接入，兼容OpenAI格式
• 多种部署选项，灵活集成
• 迁移成本低，快速上手
• 支持与Google生态深度整合

个人用户

• 通过Gemini App体验流畅语音交互
• Google Workspace中语音辅助办公
• Search语音搜索能力增强
• 更低的使用成本，更频繁的互动

---

技术亮点详解

实时多模态对话

Gemini 3.8 Live能够同时处理语音和视觉输入，让用户在对话过程中可以随时展示屏幕内容或实物，模型会实时理解并回应。这对于远程协作、教育辅导、技术支持等场景尤为有用。

后台任务并行

传统语音助手在处理复杂任务时往往需要中断对话。Gemini 3.8 Live可以在继续对话的同时，在后台执行API调用、数据查询等任务，实现"边聊边做"的体验。

Extended Thinking能力

Extended Thinking版本专为需要深度推理的任务设计，能够在思考的同时保持语音输出，适合金融分析、法律咨询、技术诊断等专业场景。

成本优化策略

思考token按输出费率计费，而非单独计价，这意味着用户在获得更强推理能力的同时，无需承担额外的费用风险。

---

如何使用？

通过Google Live API即可接入，主要方式包括：

• API直接调用：开发者可通过REST API集成到应用中
• SDK支持：提供多种语言的SDK，简化开发流程
• Google生态集成：直接在Gemini App、Workspace中使用
• 兼容性：兼容OpenAI API格式，已有应用可快速迁移

对于企业用户，Google还提供了Enterprise Agent Platform，支持更复杂的工作流配置和权限管理。

---

行业影响与展望

Google此次发布直接将实时语音AI的价格门槛大幅降低，有望加速企业级语音助手普及。从市场竞争角度看：

• 价格竞争白热化：Google以明显低于竞争对手的定价，迫使行业重新审视定价策略
• 技术门槛降低：更低的价格意味着更多中小企业可以用得起先进的语音AI
• 应用场景扩展：从简单的客服问答扩展到复杂的企业工作流

与之前DeepSeek在文本模型的性价比竞争形成呼应——AI正在从"昂贵的前沿技术"向"普惠的基础设施"转变。未来，我们可能看到更多厂商跟进降价，最终受益的是整个生态系统和终端用户。

---

注意事项

• 版本选择：Extended Thinking版本价格略高，适合复杂推理任务；基础版适合常规对话
• 成本控制：思考token按输出费率计费，需注意长时间推理的成本累积
• 隐私考量：企业用户应关注数据隐私政策，确保符合合规要求
• 兼容性：虽然兼容OpenAI格式，但部分高级功能可能需要特定SDK支持

---

结语

Google Gemini 3.8 Live的发布，标志着实时语音AI进入了一个新的阶段——不再是少数企业的专属工具，而是更多人可以负担的日常助手。当价格下降、性能提升、易用性增强三者同时实现时，AI语音交互的普及将加速到来。

对于开发者而言，这是一个快速构建语音AI应用的好时机；对于企业而言，这是降本增效的新选择；对于普通用户而言，这是更智能、更亲近的数字助手时代的开始。

AI的民主化进程，正在以我们意想不到的速度推进。