Google 在 9月15日發布 Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking，定位為新一代即時語音對話模型。官方表示，Gemini 3.8 Live 側重規模化及成本效益，支援更自然的語音互動、視覺脈絡理解及 97 種語言切換；Gemini 3.8 Live Extended Thinking 則面向較複雜任務，可在維持對話流暢度的同時處理多步推理與背景工具調用。
面向開發者的同步公告補充，兩個模型已透過 Gemini API 及 Google AI Studio 開放，並支援非同步 function calling、即時視覺輸入、字母數字精準辨識、多語支援及結構化內容更新。Google 同時披露 Live API 的估算價格為音訊輸入每分鐘 0.005 美元、音訊輸出每分鐘 0.018 美元，並列出 Agora、LiveKit、LangChain、Pipecat、Vercel 等整合夥伴。
Google DeepMind 的 model card確認，Gemini 3.8 Audio（即 Live 與 Live Extended Thinking）基於 Gemini 3 Pro，支援音訊、圖片、影片及文字輸入，最高 128K token context window，輸出可包含音訊及文字。對工程、客戶服務及內部知識支援團隊而言，這類即時語音代理模型的重點不只在語音生成，而是能否可靠地把現場視覺資訊、企業 API 及工作流程串接在同一段對話中。
獨立科技媒體 9to5Google亦報道，新模型會支援 Gemini Live、Gmail、Keep 及 Google Workspace 相關體驗。建築、工程及設施管理團隊如正評估語音巡檢、維修支援或多語培訓工具，宜同時留意 API 成本、資料保護、操作紀錄及模型在現場噪音環境下的可靠性。