Gemini 3.8 Live 与 Extended Thinking：完整指南、定价与可用性

Google 于 2026 年 9 月 15 日发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking——其最先进的实时音频模型，同日在 Gemini API 正式可用（GA）。3.8 Live 主打规模、速度与成本：音频输入每分钟 $0.005、输出每分钟 $0.018。Extended Thinking 是独立模型，可以边推理边说话，在处理多步骤任务时同步播报进展而不中断对话。两者在文档中均为 Stable 状态，输入窗口 131,072 token、输出 65,536 token。

本指南基于 Google 官方公告、开发者博客、Gemini API 模型页、官方更新日志与 DeepMind 模型卡，核对时间为发布当天（2026 年 9 月 15 日）。

Google 发布了什么

@GoogleAI 的发布推文将这一对模型定位为"迄今最先进的 Gemini 音频模型"：可以与之对话、协作，并把任务交给它。Google 主账号则强调生产化定位——"自然的、可用于生产环境的语音应用"。

线程第二条推文给出了可用性矩阵——两个模型的发布范围并不相同。三条独立的第一方信息源（推文、两篇博客、API 更新日志 9 月 15 日条目）对发布日期与模型 ID 完全一致。

两个模型、两种定位

Gemini 3.8 Live 是低延迟主力：Google 的定位是"面向规模、速度与成本效率"。它支持句中打断、对话中实时切换语言（Google 发布材料称 97 种；详见下文争议点），并理解视觉上下文——在 Search Live 中把摄像头对准断掉的自行车链或漏水的水管，它会一步步给出语音指引。

Gemini 3.8 Live Extended Thinking 是拥有独立端点的另一个模型，而不是 3.8 Live 上的开关。它边推理边说话：在处理"策划一场活动"这类多步骤请求时，用简短的对话式填充句同步播报进展，让线路永远不冷场。API 协议把这一点显式化——客户端需要跟踪 interaction_status 信号（IN_PROGRESS 或 IDLE），而不是把"静默"理解为"完成"。推理深度通过 thinking_config.thinking_level 设为 low、medium 或 high。

记忆方式：3.8 Live 立刻回答你；Extended Thinking 当着你的面干活。值得注意的是，普通 3.8 Live 会直接拒绝 thinking_level 参数——想要思考能力，必须切换模型 ID。

基准速览

Google 的公告以 Extended Thinking 在第三方 Artificial Analysis 语音对语音质量指数上的领先成绩开场。以下全部为 Google 自报数据；指数方法论属于 Artificial Analysis，对比配置由 Google 选定。

需要诚实解读两点。第一，Speech Agent Arena 榜单上是普通 3.8 Live：Google 报告它位居第二（媒体报道其指数约 76.0%，每小时的输入音频成本约 $0.84，Extended Thinking 约 $3.50）。第二，Extended Thinking 的 82.6 相比 2026 年 6 月同一指数的状态（GPT-Realtime-2 以 77.2% 领跑，上一代 Gemini 3.1 Flash Live Preview 为 69.5%）是一次大幅跃升。以上均为 Google 自报，独立验证要等指数维护方发布。

定价与上下文

两个 3.8 模型在官方定价页共享同一行——Google 的价目表没有为 Extended Thinking 收取溢价。下表的按分钟计价与开发者博客脚注完全一致。

规模感参考：付费层上一次两分钟的语音对话（正常轮替）输入成本约 1 美分、输出不足 4 美分。免费层数据会被"用于改进产品"，生产流量应走付费层。注意思考 token 按输出计费——Extended Thinking 的并行推理即使在不说话时也在消耗输出 token。

各平台可用性

发布范围切分得很干净，混淆两个清单是早期报道最常见的错误。DeepMind 模型卡为两个模型分别列出了分发渠道：

成熟度说明值得原样引用：发布推文称 Gemini API 上是"public preview"，而 9 月 15 日的 API 更新日志写的是"generally available (GA)"，两个模型页也标注 Stable。Live API 界面本身在文档中仍带 Preview 横幅。准确的表述是：模型 ID 为 Stable/GA，承载它们的 Live API 界面仍在预览阶段。Vertex AI 可用性是模型卡的声明，但发布时 Vertex 文档页仍返回 404——Cloud 可用性应视为"已宣布、文档未落地"。

Extended Thinking 协议

真正新的工程面在于 Extended Thinking 如何传递状态。在以前的 Live 模型上，turnComplete 事件意味着模型空闲、可以安全地发送下一轮输入。在 Extended Thinking 上这个假设不再成立：模型可以在说完一轮之后继续工作——调用工具、推理——然后再开口。客户端必须改为跟踪 interaction_status：IN_PROGRESS 表示推理或工具调用仍在进行，IDLE 才表示模型真正准备好接收输入。

另外两个契约变化对开发者很重要。Extended Thinking 上的工具必须声明为 NON_BLOCKING——阻塞式声明会直接报错，因为冻结会话的工具调用与"边说边干"的设计相矛盾。模型还会使用"对话填充句"——比如"我看一下"之类的短句——在工作时保持对话不断线，这正是 interaction_status 机制的用户侧呈现。

从 3.1 Flash Live 迁移

官方迁移章节列出了把 gemini-3.1-flash-live-preview 换成 gemini-3.8-live 时会破坏的东西，完整清单：

• 模型字符串：WebSocket setup 消息中使用 models/gemini-3.8-live。
• 3.8 Live 不支持 thinking_level：会话配置中直接省略 thinking_level/thinking_config——该模型不支持（Extended Thinking 接受 low/medium/high，不接受 MINIMAL）。
• 异步函数调用成为默认：behavior: NON_BLOCKING。阻塞模式仍可通过 behavior: BLOCKING 兼容；函数调度（SILENT、WHEN_IDLE、INTERRUPTED）在 3.8 Live 上支持，Extended Thinking 上不支持。
• send_client_content 全会话可用并支持显式角色，取代 3.1 的初始历史注入；turn_complete: true 现在会无条件打断正在进行的生成。
• 主动音频永久开启：设为 false 会报错。
• 情感对话已移除：删除 enable_affective_dialog。
• 轮次覆盖默认值变更为包含所有视频帧——需要控制上下文与成本时要显式控制帧。
• 音频是唯一支持的输出模态：需要文本转录时要开启输出音频转录。

快速开始

Live API 是有状态的 WebSocket 会话：音频输入为 16 kHz 原始 PCM，输出为 24 kHz PCM，视频为不超过 1 FPS 的 JPEG 帧。最小 setup 消息只含模型字符串；语音、工具、VAD 灵敏度与转录开关都挂在会话配置上。Google 推荐的生产路径是：客户端直连场景使用 ephemeral token 而非裸 API key。

// WebSocket setup 消息（最小）
{
  "setup": {
    "model": "models/gemini-3.8-live",
    "response_modalities": ["AUDIO"]
  }
}

// Extended Thinking：独立模型 ID + 思考级别
{
  "setup": {
    "model": "models/gemini-3.8-live-extended-thinking",
    "response_modalities": ["AUDIO"],
    "thinking_config": { "thinking_level": "medium" }
  }
}

最快的上手路径：在 AI Studio 里直接体验（ai.studio/live，选择 "Stream"），克隆 Google 的 Live API 示例仓库，或观看官方视频：

两个模型都源自 Gemini 3 Pro，文档记载的知识截止时间为 2025 年 1 月，所有生成音频带 SynthID 水印。公告点名的集成伙伴包括 Agora、Fishjam、LiveKit、Pipecat、Vercel 与 Vision Agents——例如 Vercel 的 AI Gateway 已经以 google/gemini-3.8-live 与 google/gemini-3.8-live-extended-thinking 的别名提供这两个模型。

注意事项

所有基准数字均为厂商自报。对比配置由 Google 选定。指数本身是第三方的（Artificial Analysis），但 82.6 这一数字在撰写时未被指数维护方独立复现。

语言数量尚未定论。推文与两篇博客都说 97 种语言；Live API 文档仍写 70 种，模型索引页（最后更新 9 月 4 日）甚至没有列出 3.8 系列。在 API 参考文档更新之前，"97"应视为发布营销口径。

没有公开的数值延迟。Google 的材料只有"低延迟""近实时"的定性描述，两个 3.8 模型都没有官方毫秒级或首音频延迟数据——报道中流传的 2.98 秒属于上一代 3.1 Flash Live Preview。Live 专属的速率限制同样未公布；速率限制页（9 月 2 日更新）早于本次发布。

选型建议

选 3.8 Live，如果你在做实时语音产品——客服、语音智能体、交互式助手——且 $0.005/$0.018 的每分钟价格加上打断、视觉上下文、异步函数调用已覆盖你的闭环。它是高并发对话流量的默认之选。

选 Extended Thinking，如果你的语音智能体需要在对话中做事：查记录、调 API、规划多步骤工作——而且用户应该听到"它正在干活"而不是静默。要为它的推理消耗的额外输出 token 做预算，并把客户端设计成围绕 interaction_status 而不是 turnComplete。

暂缓，如果你的部署目标是 Vertex AI 且今天就需要文档化的 Cloud 支持——这两个模型的 Vertex 文档尚无法访问。另外，如果你的 Live 会话依赖情感对话或阻塞式工具，这一代已将其移除；切换模型字符串前先做好迁移规划。

常见问题

来源

核对时间：2026 年 9 月 15 日。

• Introducing Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking — Google 博客
• Build real-time voice applications with Gemini audio models — Google 开发者博客
• Gemini 3.8 Live 模型页 — ai.google.dev
• Gemini 3.8 Live Extended Thinking 模型页 — ai.google.dev
• Gemini API 定价 — ai.google.dev
• Thinking in the Live API 指南 — ai.google.dev
• Gemini 3.8 Audio 模型卡 — Google DeepMind
• @GoogleAI 发布线程（第一条） 与 可用性推文（第二条）

延伸阅读：Gemini 3.8 Flash 完整指南。