谷歌发布 Gemini 3.8 Live，以极低价格挑战 OpenAI 语音模型

谷歌 DeepMind 于 2026 年 9 月 15 日发布了 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款新音频模型，面向开发者开放，可通过 Gemini API 和 Google AI Studio 接入。这两款模型专为语音智能体场景设计，支持在后台调用外部 API、处理视觉输入，并在执行任务的同时保持语音输出不中断，覆盖语言超过 97 种。

在性能评测方面，Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音对话排行榜上以 82.6% 的综合得分夺得第一，超越了 OpenAI 的 GPT-Live-1 系列模型。这一成绩标志着谷歌在语音 AI 领域的技术积累正在加速追赶，也是其在多模态能力上持续投入的阶段性成果。相关示例应用已在 GitHub 上公开发布，供开发者参考与测试。

价格是谷歌此次发布的最大亮点之一。谷歌对音频输入收费每分钟 0.005 美元、输出收费每分钟 0.018 美元，一小时完整语音对话的总成本约为 1.38 美元。相比之下，OpenAI GPT-Live-1 的每分钟费率为 0.05 美元，一小时费用至少达到 3.00 美元。这意味着谷歌的定价不足 OpenAI 的一半，对于需要大规模部署语音智能体的企业客户而言，成本优势相当显著。

尽管排行榜成绩亮眼，但在对话自然度方面，OpenAI GPT-Live-1 仍被认为更具优势。其核心原因在于全双工技术的支持——该技术允许模型在说话的同时持续监听用户输入，从而实现更流畅、更接近真实人类对话的交互体验。从公开演示来看，GPT-Live-1 的音质与语气表现也更为自然，显示谷歌在此次迭代中优先考量的是成本效率而非极致音质。

此次发布折射出语音 AI 市场竞争格局的深层逻辑：谷歌凭借基础设施规模优势持续压低价格，以性价比吸引开发者生态；而 OpenAI 则坚守高质量体验的差异化路线。对于预算敏感型应用场景，Gemini 3.8 Live 提供了极具吸引力的选择；而对于追求极致对话体验的产品，OpenAI 的全双工方案仍是更优解。两家公司的竞争，正在将语音 AI 的能力边界与价格底线同步推向新的水平。

要点

• Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音对话排行榜上以 82.6% 得分位居第一，超越 OpenAI GPT-Live-1
• 谷歌语音模型每小时对话成本约 1.38 美元，不足 OpenAI 3.00 美元的一半，价格优势明显
• OpenAI GPT-Live-1 凭借全双工技术在对话自然度与音质上仍领先于谷歌
• Gemini 3.8 Live 支持后台 API 调用、视觉输入处理及 97 种以上语言，适合多场景语音智能体部署
• 谷歌此次再度以低价策略切入市场，延续其以规模换份额的竞争路线