大模型

Google 双发 Gemini 3.8 Live:实时对话和深度思考还能兼得吗?

Google 一次放两个版本,标准版冲延迟,Extended Thinking 版冲推理。3.8 这个跳号暗示能力有质变,但双版本策略本身是个值得拆解的产品决策。

字号

Google 昨天在官方博客一次性放出了两个版本:Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。一个主打实时对话,一个主打深度推理。

听起来像是"一个模型两种模式"的常规操作,但仔细看产品页和 HN 讨论,这事没那么简单。

3.8 这个版本号跳得有点反常

Gemini 系列从 3.0、3.5 一路过来,3.8 是个少见的跳号。Google 官方博客没解释这个号,推上有人猜是内部小版本直接外发,也有说是 Gemini 3 系列的某个子线。

我倾向认为这是 Google 在实时语音 + 多模态这条线上的独立发版节奏,和文本模型不同步。Live 这条产品线(原 Project Astra 那一脉)的迭代速度本来就比纯文本模型快,版本号独立也很正常。

但对外不解释就是个坑——开发者看 3.0 → 3.5 → 3.8 这种跳跃,默认会猜"能力有质变",实际用起来可能只是某个 benchmark 多了 2 分。

标准 Live vs Extended Thinking:这不是两个产品,是一组 API

官方公告把两个版本并列放,但实际定位不一样:

  • Gemini 3.8 Live:走低延迟对话,目标是语音 Agent、实时翻译、视频理解这类场景
  • Gemini 3.8 Live Extended Thinking:走多步推理,卖点是"多想几秒换更好答案",对标 Claude 的 extended thinking 和 o3 的思考模式

同一个底层模型,走两条路由,用户按场景选 API endpoint。

这套路不新鲜。OpenAI 是 o3 + GPT-4o 两套模型分着用,Anthropic 是同一套 Claude 靠开关切 thinking。Google 现在选择把两个塞在"Live"这个产品线下,语义上更模糊——开发者第一眼看到"Live",本能反应是低延迟,不会想到还有个深推理选项。

我比较好奇的是:Extended Thinking 真的能用在 Live 场景吗

这是文章真正想聊的反共识点。

"Live" 通常意味着 <1s 响应,但 Extended Thinking 的卖点是"多想几秒换更好答案"。两个放一起发,Google 没说清楚延迟预算——是分场景切换,还是允许单次请求里 30s 思考 + 5s 输出?

这决定它能不能真用进语音 Agent。

举个具体场景:用户对着语音 Agent 说"帮我订明早 8 点去机场的专车,要比上次那家便宜"。这时候需要 Extended Thinking(调价格、做对比),但用户等的每一秒都是对话沉默——体验直接崩。

如果 Extended Thinking 能被选择性触发,比如用户说"帮我仔细想想"就切到深思考模式,同时给个"思考中..."的语音反馈,这产品形态是真有用。否则就是 Google 在堆 SKU,开发者选不动。

HN 上 110 分 / 62 评论在讨论什么

HN 原帖 ID 是 49715947,上了首页。评论区分几派:

延迟派:有开发者跑了个简单测试,把 Gemini 3.8 Live 和 GPT-4o Realtime API 在同等网络条件下做了往返延迟对比。结论是 Live 的 TTFB(time to first byte)在文本场景下和 GPT-4o 差不多,但语音流的 chunk 间隔稍长,大约多 80-120ms。这个差距在对话里可感知。

定价派:有人吐槽定价页没更新,新模型上线 24 小时了,文档还指向旧的 per-character 计费,不知道是按 token 还是按音频秒数。这个吐槽很真实——Google 的文档更新速度一直是个槽点。

思考派:有几个人在追问 Extended Thinking 的思考过程能不能被截断。也就是用户问一半,模型在 thinking,这时候用户改主意了,能不能中断?目前 API 文档没明说,只给了个 best-effort 的 cancel 字段。

这三类问题都是开发者真用起来才会撞的,而不是"模型有多强"那种通稿话术。

对多模态 Agent 意味着什么

如果 Extended Thinking 能在 Live 模式下被选择性触发,这是真有用的产品形态。

我想到的一个具体应用:会议 Agent。用户进视频会议,Agent 实时听并在屏幕生成摘要。这部分是 Live(标准延迟就够)。但用户随时可以问"他刚才说的 Q3 数字具体是多少?和上个季度对比?",这时候需要切到 Extended Thinking,从会议历史里检索 + 计算。

如果这种切换是 API 一行代码的事:stream = client.live(model="gemini-3.8-live-extended-thinking", ...) vs client.live(model="gemini-3.8-live", ...),开发者愿意用。

如果是同一个 endpoint 加个 thinking_mode: "deep" 参数,实际后端路由一样,延迟表现一样,那就只是营销话术。

Google 这次没把这两个版本的 API 形态说清楚,可能是故意的——留空间让第三方解读,然后慢慢放出细节。也可能就是内部还没定。

编辑思考

Google 的双版本策略本质上是承认一件事:一个模型同时做好低延迟对话和深推理,目前还做不到。

OpenAI 用 o3 + GPT-4o 两套模型分,Anthropic 用开关切 thinking,Google 现在也走到这条路上——但 Gemini 把两个塞在 Live 同一产品线里,定位更模糊,试错成本反而更高。

这次具体和过去不同的点在于:Live 这条线原来只服务语音 / 视频场景,是 Astra 的延续。现在把 Extended Thinking 加进来,等于 Live 开始接管文本推理的活儿,边界模糊了。

我的判断:接下来半年,Google 会把这俩合并成一个带 thinking_mode 参数的单一 API,就像 Anthropic 的做法。分开发只是过渡形态。

不确定的地方:Extended Thinking 的 token 计费策略。如果深思考的输出比标准贵 5-10 倍,开发者会被迫做"该用不用"的优化,而不是"能开就开"的体验优先。这会直接影响产品决策。

来源: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/