谷歌发布Gemini 3.8双版本：实时视觉交互与思维可视化成亮点

北京时间9月16日凌晨，谷歌在开发者大会上正式发布了两款突破性实时对话AI模型——Gemini 3.8 Live及其增强版Gemini 3.8 Live Extended Thinking。此次更新聚焦三大核心能力升级：多模态语音交互、动态推理响应和复杂任务自动化处理，标志着谷歌在生成式AI领域迈出关键一步。

据技术白皮书披露，Gemini 3.8 Live实现两大技术突破：其一，通过改进的视觉编码器支持近乎实时的图像理解，在对话过程中可同步解析摄像头画面或上传图片；其二，搭载全新语言切换引擎，能在单次对话中无缝切换97种语言，特别优化了中英混合对话场景。更值得关注的是其后台工具调用能力，开发者可预设API触发规则，使模型在对话中自动完成数据库查询、第三方服务调用等操作。

作为进阶版本，Extended Thinking模型引入认知架构革新，采用思维链（Chain-of-Thought）技术实现推理过程可视化。在处理多步骤任务时，模型会主动拆解任务节点，通过语音实时汇报思考进度，用户可随时介入修正方向。谷歌演示了其规划旅行路线的完整流程：从机票比价、酒店预订到景点推荐，模型在每步操作前都会用自然语言确认用户意图。

商业化落地方面，基础版已通过Gemini API和Google AI Studio全面开放，Search Live搜索服务同步集成实时对话功能。增强版则采取邀请制测试，首批开放给教育、医疗领域的Gemini Live企业用户。行业分析师指出，此次升级使谷歌在智能客服、实时翻译等场景获得显著竞争优势，预计将引发新一轮AI应用开发热潮。