Google 昨天在官方部落格一次放出兩個版本:Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking。一個主打即時對話,一個主打深度推理。
聽起來像「同一個模型兩種模式」的常見操作,但仔細看產品頁與 HN 討論,事情沒那麼單純。
3.8 這個版號跳得有點反常
Gemini 系列從 3.0、3.5 一路走來,3.8 是個少見的跳號。Google 官方部落格沒解釋這個數字,推特上有人猜是內部小版本直接外發,也有人說是 Gemini 3 系列的某條子線。
筆者傾向認為,這是 Google 在即時語音與多模態這條線上的獨立發版節奏,與文字模型不同步。Live 這條產品線(原 Project Astra 那一脈)的迭代速度本來就比純文字模型快,版號獨立也很合理。
但對外不解釋就是個坑——開發者看到 3.0 → 3.5 → 3.8 這種跳躍,預設會猜「能力有質變」,實際用起來可能只是某個 benchmark 多了 2 分。
標準 Live vs Extended Thinking:不是兩個產品,是一組 API
官方公告把兩個版本並列擺出,但實際定位並不相同:
- Gemini 3.8 Live:走低延遲對話,目標是語音 Agent、即時翻譯、影片理解這類場景
- Gemini 3.8 Live Extended Thinking:走多步推理,賣點是「多想幾秒換更好答案」,對標 Claude 的 extended thinking 與 o3 的思考模式
同一個底層模型,走兩條路由,使用者依場景選 API endpoint。
這套路並不新鮮。OpenAI 是 o3 與 GPT-4o 兩套模型分開用,Anthropic 是同一套 Claude 靠開關切 thinking。Google 現在選擇把兩個塞在「Live」這個產品線下,語意上更模糊——開發者第一眼看到「Live」,本能反應是低延遲,不會想到還有個深推理選項。
筆者比較好奇的是:Extended Thinking 真的能用在 Live 場景嗎
這是本文真正想聊的反直覺觀點。
「Live」通常代表 <1s 回應,但 Extended Thinking 的賣點是「多想幾秒換更好答案」。兩個一起發,Google 沒講清楚延遲預算——是分場景切換,還是允許單次請求裡 30 秒思考加上 5 秒輸出?
這決定它能不能真的用進語音 Agent。
舉個具體場景:使用者對著語音 Agent 說「幫我訂明早 8 點去機場的專車,要比上次那家便宜」。這時候需要 Extended Thinking(比價、做對比),但使用者等的每一秒都是對話沉默——體驗直接崩盤。
如果 Extended Thinking 能被選擇性觸發,例如使用者說「幫我仔細想想」就切到深思考模式,同時給個「思考中...」的語音回饋,這產品形態是真有用。否則就是 Google 在堆 SKU,開發者無從選擇。
HN 上 110 分 / 62 則評論在討論什麼
HN 原帖 ID 是 49715947,登上首頁。評論區分幾派:
延遲派:有開發者跑了個簡單測試,把 Gemini 3.8 Live 與 GPT-4o Realtime API 在同等網路條件下做往返延遲比較。結論是 Live 的 TTFB(time to first byte)在文字場景下與 GPT-4o 差不多,但語音串流的 chunk 間隔稍長,大約多 80-120ms。這個差距在對話裡可被感知。
定價派:有人吐槽定價頁沒更新,新模型上線 24 小時了,文件還指向舊的 per-character 計費,不確定是按 token 還是按音訊秒數計費。這個抱怨很真實——Google 的文件更新速度一直是個槽點。
思考派:有幾個人在追問 Extended Thinking 的思考過程能不能被截斷。也就是使用者問到一半,模型正在 thinking,這時使用者改變主意了,能不能中斷?目前 API 文件沒明說,只給了個 best-effort 的 cancel 欄位。
這三類問題都是開發者實際用起來才會撞到的,而不是「模型有多強」那種通稿話術。
對多模態 Agent 意味著什麼
如果 Extended Thinking 能在 Live 模式下被選擇性觸發,這是真有用的產品形態。
筆者想到的一個具體應用:會議 Agent。使用者進入視訊會議,Agent 即時聆聽並在畫面產生摘要。這部分是 Live(標準延遲就夠)。但使用者隨時可以問「他剛才說的 Q3 數字具體是多少?跟上一季對比?」,這時候需要切到 Extended Thinking,從會議歷史裡檢索並計算。
如果這種切換是 API 一行程式碼的事:
stream = client.live(model="gemini-3.8-live-extended-thinking", ...)
對比
stream = client.live(model="gemini-3.8-live", ...)
開發者會願意用。
如果是同一個 endpoint 加個 thinking_mode: "deep" 參數,實際後端路由一樣、延遲表現一樣,那就只是行銷話術。
Google 這次沒把這兩個版本的 API 形態說清楚,可能是刻意的——留空間讓第三方解讀,再慢慢釋出細節。也有可能就是內部還沒定案。
編輯觀點
Google 的雙版本策略本質上是承認一件事:一個模型同時做好低延遲對話和深推理,目前還做不到。
OpenAI 用 o3 與 GPT-4o 兩套模型分流,Anthropic 用開關切 thinking,Google 現在也走到這條路上——但 Gemini 把兩個塞在 Live 同一產品線裡,定位更模糊,試錯成本反而更高。
這次具體與過去不同的點在於:Live 這條線原本只服務語音與影片場景,是 Astra 的延續。現在把 Extended Thinking 加進來,等於 Live 開始接管文字推理的工作,邊界模糊了。
筆者的判斷:接下來半年,Google 會把這兩個合併成一個帶 thinking_mode 參數的單一 API,就像 Anthropic 的做法。分開發只是過渡形態。
不確定的部分:Extended Thinking 的 token 計費策略。如果深思考的輸出比標準貴 5-10 倍,開發者會被迫做「該用不用」的優化,而不是「能開就開」的體驗優先。這會直接影響產品決策。