辽宁
DeepMind 正式推出 Gemini 3.8 Live 系列实时音频模型，包含 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两个版本，补齐大模型在实时音视频交互场景的能力缺口。
Gemini 3.8 Live 原生支持近实时视觉输入，同步覆盖 97 种语言的语音交互，模型可在对话过程中后台调用各类工具，一边接收语音、画面信息，一边完成信息检索、数据计算等动作，延迟表现适配实时对话、远程交互场景。
其中 Extended Thinking 版本，重点面向复杂长链路任务。不同于普通实时模型只做简短应答，该版本在保持低延迟语音交互的基础上，强化深度推理能力，语音相关评测指标实现大幅提升。用户可以用自然语音下达多步骤复杂指令，模型边听边思考，分步完成整套任务，不再局限于一问一答式简单沟通。
实时多模态交互，一直是 AI 落地远程协作、智能客服、现场辅助、实时翻译等场景的核心瓶颈。过往多数实时语音模型，推理能力偏弱；强推理大模型又很难做到低延迟音画同步。Gemini 3.8 Live 系列的发布，尝试平衡实时响应速度与深度推理能力。
在行业竞争层面，实时 Agent 交互正在成为巨头角逐新战场。语音、视觉、工具调用三者融合，意味着 AI 不再只能处理静态文本，能够同步感知现实世界画面与语音，实时参与人的工作流程。
不过实时多模态模型仍存在挑战，持续长时对话稳定性、复杂环境下语音识别抗干扰能力，以及大规模商用后的算力成本，依旧是后续需要持续优化的方向。这套模型的落地，将进一步推动实时 AI 交互从 Demo 走向产业场景。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
