Google Gemini 3.8模型邊思考邊輸出 強化AI決策透明度

Google 近日發布了其最新的人工智慧模型 Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking，兩者都具有即時語音處理能力，其中「Extended Thinking」技術的應用，讓 AI 模型能邊思考邊輸出，即時揭露其決策過程，試圖提升使用者對 AI 的信任度。

根據《Forkast》報導，Gemini 3.8 Live Extended Thinking 模型在今年九月推出，其核心在於讓 AI 在處理複雜任務時，能以語音方式闡述其思考路徑，例如在背景執行任務時，會先發出「讓我確認一下」等提示。這種視覺化推論（visible inference）的機制，有助於使用者主動監控 AI 的邏輯判斷，並在 AI 產生誤差或誤解指令時及時介入，解決過去 AI 「黑盒子」問題，對於企業導入 AI 應用至關重要。

Gemini 3.8 Live Extended Thinking 在效能方面表現亮眼。《Memeburn》指出，該模型在「Artificial Analysis Speech-to-Speech Quality Index」語音品質指標上獲得 82.6 分，並在「Big Bench Audio」音訊推理測試中達到 97.7% 的成績，於 τ-Voice 的自動化任務（agentic task completion）完成率也達到 68.6%，顯示其在語音處理及自動執行複雜任務方面的優勢。此外，Gemini 模型支援 97 種語言並能無縫切換，且是唯一能原生處理影音內容的業界主流模型。

然而，Google 在其他領域仍面臨競爭。獨立評測顯示，Anthropic 的 Claude Sonnet 4.6 在程式開發評估基準 SWE-bench Verified 上達到 82.1%，大幅領先 Google 舊版 Gemini 3.1 Pro 的 63.8%。雖然 Google 並未公布 Gemini 3.8 系列在程式開發方面的數據，但分析認為 Claude 仍是軟體工程師的首選。在性價比方面，OpenAI 的 GPT-5.6 則被認為表現最佳。

Gemini 3.8 Live 的音訊輸入費用為每分鐘 0.005 美元，音訊輸出則為每分鐘 0.018 美元。Gemini 3.8 Live Extended Thinking 模型已透過 Gemini Live API、Google AI Studio 提供給開發者使用，並整合至 Gmail、Google 文件、Google Keep 等消費性產品中。為確保內容真實性，所有經模型生成的音訊都會嵌入肉眼不可見的 SynthID 浮水印，以防範資訊誤導。包括 Salesforce、Genspark 和 Lumeris 等企業夥伴，以及 Agora、Fishjam、LiveKit、LangChain、Pipecat、Vercel 和 Vision Agents 等開發者生態系，都正在利用 Gemini Live API 打造客製化的語音代理（voice agent）。