TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Gemini 3.8 Live 開放 API，語音代理拆成快聊與深想兩款
Google 將 Gemini 3.8 Live 與 Extended Thinking 兩款即時語音模型轉正式版並開放 API，音訊輸入每分鐘 0.005 美元，第三方實測每小時成本 0.84 美元，推理與代理成績登上語音模型排行首位，直接對上 OpenAI 的 GPT-Live-1。
用 AI 摘要這篇文章：
Google 在台北時間 9 月 16 日凌晨把兩個即時語音模型送上正式版：Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking。這次發布對開發者的意義，是 Google 頭一回把「反應快、好聊」和「背景推理強」拆成兩個各自穩定的型號讓你按場景選性格，再配上一張把音訊、文字、思考全部包進去的單一價目表。
先講結論給正在選型的人：熱線客服、前台對話這類講求流暢的場景，選標準版 3.8 Live，它的人類偏好評分與任務完成率都在第三方排行前列，實測成本也是付費同類最低；需要多步驟推理的語音代理，才上 Extended Thinking，它的綜合指標是目前語音模型最高，但代價是成本四倍出頭，真人盲測裡反而沒有標準版討喜。
9 月 15 日上線的東西：兩個正式版型號，一個被降級的舊款
照 Gemini API 官方更新日誌的記載，9 月 15 日這兩個模型「generally available」，脫離預覽轉為正式版。Google DeepMind 的官方部落格在同日發布公告，Google AI Studio 的 Logan Kilpatrick 隨後在 X 上宣布，時間戳經雙重驗證為 UTC 9 月 15 日 17 時 13 分，換算台北時間是 16 日凌晨一點多。模型頁面上，兩個型號都掛上了 New Stable 標籤。
兩款模型的官方定位寫得很直白。gemini-3.8-live 是「多數低延遲語音代理體驗的預設選項」，不需要推理等待；gemini-3.8-live-extended-thinking 則是「高推理語音模型」，在直播音訊互動中做背景推理，官方建議用在需要更深推理的請求。用白話說：一個負責即時接話，一個負責邊想邊講。
同一天還有一個容易被忽略的變動：上一代的 Gemini 3.1 Flash Live 被標為 legacy，官方文件建議直接更新到 3.8 Live。如果你的語音代理還掛在 3.1 Flash Live 上，這次屬於官方把遷移建議直接寫進模型對照表的等級，不是可選的順手升級。
有個身分細節值得注意：模型本身是穩定版，但承載它們的 Live API 整體仍標示為 Preview。正式產品可以接，但介面後續仍有調整空間，這點會影響你綁定多深。
快聊與深想是兩種性格，第三方成績拆開看就分家
Google 在公告裡自己引用了 Artificial Analysis 的語音對語音排行榜，說 Extended Thinking「排名第一」。該排行確實如此，但把整張表拆開看，會看到更有選型價值的故事：兩個型號在不同欄位互換領先。Artificial Analysis 的 Speech to Speech Index 是推理、代理任務、人類偏好、任務成功率的加權總分，截至 9 月 16 日造訪的快照如下：
| 模型 | Index | 人類偏好 Elo | 任務成功率 | 代理任務 | 每小時實測成本 |
|---|---|---|---|---|---|
| Gemini 3.8 Live Extended Thinking (High) | 82.6 | 990 | 89.1% | 68.6% | $3.50 |
| GPT-Live-1（Astra 後端） | 81.5 | 1048 | 87.4% | 67.9% | $5.83 |
| Gemini 3.8 Live 標準版 | 76.0 | 1083 | 93.2% | 30.1% | $0.84 |
綜合指標的部分，Extended Thinking 的 82.6 確實居首，贏過 OpenAI 上週才開放 API 的 GPT-Live-1（Astra 後端 81.5），Google 把這點寫進官方公告不意外。
但看人類偏好 Elo，標準版 3.8 Live 拿到 1083，是全表第二，僅次於自家舊款 3.1 Flash Live Minimal 的 1096；深想版的 Elo 反而只有 990，落到中段，明顯落後 1048 到 1096 的前段集團。任務成功率也是標準版 93.2% 領先深想版的 89.1%。真人盲測裡，「更會想」的模型比較不討喜：合理推測是回應前的思考停頓與進度旁白吃掉了對話手感，這個代價在偏好欄位被誠實反映了出來。
代理任務欄位的差距最戲劇化：深想版在 τ-Voice 客服情境解決率 68.6% 全表最高，標準版只有 30.1%，中間夾著 GPT-Live-1 的 67.9%。換句話說，「好聊」的模型一遇到要連續呼叫工具、多步驟完成的場景，成功率就掉到三成。這正是 Google 拆成兩個型號銷售的理由，也是選型時唯一要回答的問題：你的語音代理是在陪聊，還是在辦事。對手動態順帶定位：GPT-Live-1 的 Astra 與深想版的代理成績只差 0.7 個百分點，兩家在綜合指標與代理成績已經貼身（Astra 這個引擎的提示詞寫法我們先前整理過），差別拉開在計費結構與價格。
看這張榜還要帶著它的量測限制讀。Artificial Analysis 在代理欄位特別註記：GPT-Live-1 的兩個後端版本各只跑了 1 次試測，GPT-Realtime-2.1 High 是 2 次，樣本窄的數字本來就更容易抖動；τ-Voice 情境也只涵蓋全雙工模型，25 款裡有量到分數的是 18 款。再往榜單下看，Grok Voice Think Fast 2.0 以 81.3 緊咬在兩強之後，Deepslate 等新面孔也在擠進來。82.6 的「第一」是真實的，但它是 9 月 16 日這一天的快照，不是長期格局。
錢怎麼算：一張價目表全包，與 OpenAI 兩層計費的分野
官方公告的定價逐字是「音訊輸入每分鐘 0.005 美元、音訊輸出每分鐘 0.018 美元」。直接換算：一小時的語音輸入約 0.30 美元，一小時的語音輸出約 1.08 美元，純語音對話來回一小時的成本約 1.38 美元。定價頁同一張卡上，文字輸入是每百萬 tokens 0.75 美元，文字輸出每百萬 4.50 美元，而且註明思考產生的 tokens 也照文字輸出計費。兩個型號共用這張價目表，價差來自深想版會多想、多講。
真正的重點在計費結構。OpenAI 的 GPT-Live-1 把帳單拆成兩層：每分鐘 0.05 美元的語音層，加上後端推理模型的 tokens 費用另計，我們先前拆解過這個設計。Google 這邊沒有分層，音訊進、音訊出、文字思考全部在一張價目表內，預估成本時不需要猜後端用了多少 tokens。對要把語音代理的成本算給財務看的人，這個差異比單價本身更實際。
第三方實測可以佐證結構差。Artificial Analysis 用固定的 40 題語音基準子集，按輸入音訊長度把完成任務的成本換算成每小時數字：標準版 3.8 Live 是 0.84 美元，是表列付費原生語音模型中最低；深想版 3.50 美元；GPT-Live-1 的 Astra 後端 5.83 美元、Sol 後端 4.47 美元。這不是價目表的數學換算，而是跑完同一組任務的實際帳單，同口徑下標準版與 Astra 版差了將近七倍。要留意的是，這個數字對應基準任務的輸入長度分布，實際用量結構不同，倍數會浮動，但量級差距很難翻轉。這也是今年模型市場的主旋律之一：DeepSeek 用 token 價格換代、Google 用語音計費結構壓低成本，價格競爭已經打到每個品類。
價目表上還有兩行對實際部署有感。走視覺情境的話，影像輸入是每分鐘 0.002 美元或每百萬 tokens 1.00 美元，「看得見」的代理成本比純語音再加一層但不算貴。接 Google 搜尋接地（Grounding with Google Search）的話，每月 5,000 次查詢免費，名額跨所有 Gemini 3.x 型號共用，超過後每 1,000 次 14 美元，而且官方提醒一次使用者請求可能觸發多筆搜尋查詢、逐筆計費。要讓語音代理即時查外部資料的團隊，這行要先算進去。
免費層能直接試，但定價頁有一行要先看清楚：免費層的「Used to improve our products」欄是 Yes，付費層才是 No。用免費額度做的測試對話，會被 Google 拿去改進產品。要拿真實客戶情境驗收，直接上付費層比較乾淨。
搬遷面：三個介面差異最容易咬到舊專案
價格與成績之外，這次更新的工程差異集中在官方模型對照表裡，三個地方最容易出事。
函式呼叫的行為分了梯度。標準版 3.8 Live 預設走非同步（NON_BLOCKING），工具在背景執行的同時模型繼續講話，但也保留阻塞模式（BLOCKING）當相容選項，還支援 SILENT、WHEN_IDLE、INTERRUPTED 三種工具排程。深想版只支援非同步，阻塞模式與排程都不給。舊的 3.1 Flash Live 則完全不支援非同步，工具呼叫是順序式的，模型會等你回傳工具結果才開口。從 3.1 遷移的專案，除非顯式設成 BLOCKING 維持舊語意，否則工具呼叫這段要重新檢視。
事件語意也變了。官方文件明寫：在深想版上，當非同步推理進行中，turnComplete: true 不再代表 session 空閒，要改用 interaction_status 的 IN_PROGRESS 與 IDLE 來判斷。客戶端邏輯如果是靠 turnComplete 決定何時開放麥克風，搬上深想版後這段判斷必須換掉，否則會在模型還在想事情時就把話權交回使用者。
思考深度的設定同樣分家。標準版 3.8 Live 不支援 thinkingLevel，設定裡必須整個省略；深想版支援 low、medium、high 三檔，minimal 不提供。這也是兩個型號性格分歧的程式面證據：標準版的推理是交錯進行、不可調，深想版才能把背景推理當參數轉。
對照表裡還有一條對舊專案友善的延續：兩個新型號都支援在整個 session 生命週期裡用 send_client_content 帶明確角色（user 或 model）送入內容，而且 turn_complete 設 true 時會無條件打斷生成中的回應。舊版一個伺服器事件可能同時塞多種內容型別，官方特別提醒程式要把每個事件的全部 parts 都處理到，否則會漏內容；深想版又因為背景推理的關係，同一個事件流裡會攪進進度旁白與思考後的最終回答兩種節奏，前端狀態機要照 interaction_status 去分派，不能只認單一事件。
同一個模型家族，已經在 Google 自家產品上跑
API 之外，這批模型的消費端去向，發布當天就跟著定案。據 9to5Google 引述 Google 提供的素材，Extended Thinking 已開始推送進 Gemini Live app，Gmail 的對話搜尋、Docs 的草稿生成、Keep 的筆記功能用的也是它；標準版 3.8 Live 則會驅動 AI Mode 裡的 Search Live 語音搜尋。你在 Google 自家產品裡講話的對象，跟 API 裡買到的是同一批模型，這對穩定性的意義比任何行銷文字都大。
官方公告列的能力清單裡，有兩項對企業場景特別實用。一是視覺情境，模型可以接著直播的視覺輸入對話，做「看得見」的語音代理；二是英數精確度，官方明說能正確解析確認碼、理賠編號這類技術性內容，這正是過去語音模型最常出錯、也最讓客服系統不敢上線的一環。語言支援是 97 種，原生音訊模型會在對話中自然切換語言；不過中文在清單上是單一條目，沒有區分繁簡，而且官方文件明言無法強制指定語言代碼，只能靠系統指令去限制。
還沒定案的部分
有幾件事只能標註為未定，引用時請留意層級。Google 向媒體提供的成績單裡有一項「Sierra τ-Voice-banking 銀行情境 35.1%」，這個數字目前只在 9to5Google 的報導裡出現，Google 官方文件沒有對應頁面，同情境也沒有其他獨立來源可對照；同一份成績單裡的 Big Bench Audio 97.7%，倒是與排行頁顯示的 98% 四捨五入後一致。消費端的推送時程也只有「開始推送」四個字，何時全量上線沒有承諾。
排行數字本身也有保存期限。排行快照取於 9 月 16 日，GPT-Live-1 上週才開放 API，兩家都在快速迭代，兩週內回查一次是合理頻率；價格同理，任何一方調整價目表，上文的成本倍數就要重算。至於實際通話品質、延遲體感、中文口音的表現，排行榜回答不了，訂了 API 自己跑一輪語料再下判斷。
整體看下來，這次發布把即時語音代理的選型題從「哪家模型最強」換成「你的場景要哪種性格」，再用一張全包的價目表把試錯成本壓到願意實驗的水位。模型市場打到語音這一局，競爭的單位已經從能力清單變成性格與帳單結構，這對開發者是好事。
要動手的話，入口在 Google AI Studio 的即時語音頁，公告裡附了 GitHub 範例與 live api skill，Agora、LiveKit、LangChain、Pipecat、Vercel 等整合夥伴都已經掛上支援。先用免費層確認行為符合預期，正式驗收換付費層，在 AA 實測的付費行列裡，這條路徑已經是最低價。
