Google 同日雙發：Gemini 3.8 Live 與 3.8 Live Extended Thinking
Google 9 月 15 日正式發表 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking，定位為旗下「最先進的即時對話模型」。兩者在智慧與平行推理能力上大幅升級，目的是讓使用者用聲音就能直覺地協作 AI、執行複雜任務。兩款模型的分工明確：
- Gemini 3.8 Live：主打規模化與成本效益，結合對話智慧、流暢的語音對話與視覺脈絡理解。
- Gemini 3.8 Live Extended Thinking：鎖定高複雜度任務，提供更強的智慧與多步驟推理能力。對開發者與企業而言，這兩款模型提供「可靠、可上線的語音代理」所需的基本組件；對一般使用者，則讓 Gemini App、Google Workspace 與 Search 的語音互動更流暢、更具協作感。
為什麼這件事重要過去兩年，AI 語音助理始終停留在「能聽懂、但不能做事」的階段：使用者講一句話、模型回一句，再講一句、再回一句，所有複雜邏輯都被迫中斷對話。Gemini 3.8 Live 系列真正改變的是「對話不再被打斷」這件事——模型可以在使用者還在說話的同時，於背景執行工具呼叫、視覺辨識、跨語言翻譯、預訂流程，然後用「讓我查一下⋯⋯」之類的語氣詞自然接話，讓人類感覺 AI 真的「在聽、在想」。
想像一下：你走進一間公司，手機相機對著同事，Gemini 3.8 Live 正在幫新人做 onboarding；你用中文問，AI 用日文跟另一個新人對答；同時 AI 還在背景幫你訂機票、查航班。這在 2025 年是 demo，在 2026 年 9 月，是 Google 正式上線的產品。對企業端的意義更直接：客服、行銷、業務開發長久以來被「語音 bot 太笨」拖累，現在 ServiceNow 的 EVA-Bench 顯示 Gemini 3.8 Live 系列已經站上 Pareto Frontier——也就是同樣準確度下對話品質最好，同樣對話品質下準確度最高。這代表企業可以第一次認真考慮「語音優先」的客戶體驗設計。
關鍵 benchmark 一次看
Google 在公告中公布了多項業界指標：
- Artificial Analysis「Speech to Speech Quality Index」：82.6 分，第一名（3.8 Live Extended Thinking）
- τ-Voice（agentic task completion）：68.6%，領先業界
- Sierra τ-Voice-banking：35.1%
- Big Bench Audio：97.7%
- Speech Agent Arena：第二名（Gemini 3.8 Live）
- ServiceNow EVA-Bench：Pareto Frontier（同場公告評測影片）
3.8 Live（標準版）則以「Speech Agent Arena 第二名」證明用戶偏好，同時維持高成本效益——對需要大規模部署的開發者來說，這是關鍵指標。
視覺脈絡 + 背景任務：對話不再卡住
Gemini 3.8 Live 最關鍵的升級是兩件事：
- 視覺輸入即時處理：模型可以「邊看邊聽」。官方示範中，Gemini 3.8 Live 即時看懂西洋棋盤、走下一步棋，同時用人話解釋為什麼這樣走。
- 背景任務執行：當 AI 正在幫你查航班、訂餐廳時，對話可以繼續。模型會用「讓我查一下⋯⋯」自然地接話，最後把結果無縫帶回。更厲害的是 3.8 Live Extended Thinking 展示的「同時推理 + 同時說話」：模型一邊思考，一邊用口語向使用者報告進度，不再像傳統語音助理那樣「轉圈圈十秒、然後丟結果」。官方 demo 包含把草稿圖即時轉成 React 元件、用語音協調多步驟訂位流程、一句話生成完整商業計畫與行銷工具包。語言覆蓋方面，3.8 Live 自動偵測並切換 97 種語言——這對台灣、香港、東南亞市場意義重大，使用者可以用混雜中英文與 AI 對話，模型不再當機。
開發者生態系：七大平台 + 三大企業夥伴
3.8 Live 透過 Gemini Live API 對接七大開發者平台：
- Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel、Vision Agents
這些平台處理即時媒體串流的複雜基礎設施，讓開發者專注在使用者體驗設計。對台灣開發者來說，LiveKit 與 Pipecat 是熟面孔——前者開源、後者經常出現在繁中技術社群。企業夥伴方面，Google 點名 Salesforce、Genspark、Lumeris 三家已採用 3.8 Live，特別強調其「低延遲、流暢、tool-calling 能力」。
SynthID 浮水印：所有 AI 音訊強制標記
Google 同步強調，所有 3.8 Live 生成的音訊都會內嵌 SynthID 浮水印——肉眼不可察覺，但可被偵測。這是 Google 對抗 AI 生成音訊詐騙（電話語音克隆、假總統語音等）的標準對策。完整的 model card 已公開於 Google DeepMind 網站。對台灣社會的意義在於：隨著 2024-2025 年 deepfake 電話詐騙在亞洲爆發，SynthID 的普及讓執法機關、銀行客服可以「先驗證再信任」AI 語音。這是產業級別的資安防線，不是單一公司的事。
怎麼用：今天就上線
Gemini 3.8 Live（標準版）：
- 開發者：Gemini API、Google AI Studio
- 企業：Gemini Enterprise 私有預覽版（即將上線 Customer Experience）
- 一般使用者：Search Live
Gemini 3.8 Live Extended Thinking：
- 開發者：Gemini API、Google AI Studio
- 企業：Gemini Enterprise 私有預覽版（即將上線 Workspace 商業版）
- 一般使用者：Gemini Live、Workspace Docs（Google AI Pro / Ultra 訂閱者）、Gmail 與 Keep（所有 Google AI 訂閱者）
數據解讀與質疑
為什麼 Extended Thinking 要付費，標準版免費？
Google 把 Extended Thinking 鎖在 Google AI Pro / Ultra 訂閱層（每月約 $20 / $250），這呼應 Anthropic Claude、OpenAI o-series 的「推理模型加值策略」。對開發者而言，標準版 3.8 Live 才是真正大眾化的入口，Extended Thinking 是「企業級」加值品。
為什麼 Speech Agent Arena 3.8 Live 只拿第二？
第一名尚未公告，但業界猜測可能是 OpenAI 的 Realtime API 更新版或 Anthropic Claude 的語音模式。Google 自己也承認「用戶偏好評比」會持續波動。但「第二名 + 高 CP 值」的組合對企業部署來說通常比「第一名 + 貴三倍」更有吸引力。
為什麼沒看到 GPT-4o 或 Realtime 直接對標的 benchmark？
Google 這次刻意挑選 Artificial Analysis、τ-Voice、EVA-Bench 這類「agentic task」基準（不是純語音品質），避開與 OpenAI Realtime 在「自然對話感」上的正面交鋒。這是行銷策略——選對自己有利的賽道。
對台灣使用者的影響？
Workspace Docs Live、Gmail Live、Keep Live 對繁中支援度尚待驗證，Google 過去對繁中處理的品質參差（特別是台灣用語 vs 港式用語 vs 中國簡體）。建議企業在導入前先小規模測試。
Siami 觀點
編按：本文綜合整理自 Google 官方 blog 公告、Gemini 3.8 Audio Model Card 與 Artificial Analysis 公開評測資料，並加入 Siami 編輯部觀點與分析。這是 Google 在語音 AI 領域「從追趕到並跑」的關鍵節點。OpenAI Realtime 2024 年發表時，Google 確實落後半年；2025 年 Gemini 2.0 系列開始追近；2026 年 9 月的 3.8 Live Extended Thinking，則讓 Google 第一次在「企業級語音代理」這個細分賽道上站到 Pareto Frontier 上。對台灣創業圈與企業 IT 的實質建議：
- 客服系統升級窗口已開：如果你還在用「按 1 轉業務、按键 9 重聽」的 IVR，現在是認真評估 AI 語音代理的時機。ServiceNow EVA-Bench 的 Pareto Frontier 結果代表「品質 + 成本」已達甜蜜點。
- 教育與 onboarding 場景值得實驗：官方 demo 中的「新員工 onboarding」是台灣中小企業最痛的需求之一，3.8 Live 的視覺脈絡能力正好對應。
- 不要忽視 SynthID 帶來的合規紅利：當 deepfake 詐騙成為社會問題，使用有 SynthID 標記的 AI 語音服務會是「負責任企業」的形象資產。
網友熱門留言 (4)