Gemini 3.8 Live 登顶 Artificial Analysis Speech to Speech Index：Extended Thinking (High) 82.6 分，GPT-Live-1 退居第二

9 月 15 日 21:44 UTC（北京时间 9 月 16 日 05:44），独立评测机构 Artificial Analysis（@ArtificialAnlys）在称，Google 的 Gemini 3.8 Live 语音到语音模型中，Extended Thinking (High) 版本以 82.6 分首登该机构的 Speech to Speech Index（语音到语音指数）第 1，高于 GPT-Live-1 (Astra, medium) 的 81.5 分与 Grok Voice Think Fast 2.0 High 的 81.3 分。帖文还报告，该版本在 Tau Voice 智能体基准上以 68.6% 居首；标准版 Gemini 3.8 Live 的输入音频成本为 0.84 美元/小时，是该指数中最便宜的模型。

上一轮更新中位列第 1 的 GPT-Live-1 (Astra, medium) 这次退居第 2，GPT-Live-1 (Sol, low) 以 80.1 分列第 4。

榜单图表来源：Artificial Analysis 于 9 月 15 日发布的系列帖文。

标准版以 76.0 分列第 5，两个版本都高于上一代

Artificial Analysis 说，它通过 Gemini Live API 评测了 Gemini 3.8 Live 的标准版与 Extended Thinking 的 High 推理档。按帖文描述，Gemini 3.8 Live 是 Google DeepMind 的 Gemini 3.1 Flash Live 的继任者，可以在继续对话的同时在后台执行工具与 API 调用；其中 Extended Thinking 支持配置推理强度。

本轮榜单上，Extended Thinking (High) 以 82.6 分居首，标准版以 76.0 分列第 5；两个版本分别比上一代 Gemini 3.1 Flash Live High（71.5 分）高 11.1 分与 4.5 分。第 2 至第 4 名依次是 GPT-Live-1 (Astra, medium)（81.5 分）、Grok Voice Think Fast 2.0 High（81.3 分）与 GPT-Live-1 (Sol, low)（80.1 分）。

该指数由四项合成：Big Bench Audio 语音推理、Tau Voice 智能体性能、Arena 偏好与 Arena 任务成功率。

Tau Voice 高出上一代 30.9 个百分点，Big Bench Audio 列第 4

在 Tau Voice 上，Extended Thinking (High) 以 68.6% 居首，领先 GPT-Live-1 (Astra, medium) 的 67.9%、GPT-Live-1 (Sol, low) 的 59.3% 与 Grok Voice Think Fast 2.0 High 的 56.5%，比上一代 Gemini 3.1 Flash Live High 的 37.7% 高出 30.9 个百分点；标准版为 30.1%。该机构在中标注，GPT-Live-1 (Astra, medium)、(Sol, low) 与 GPT-Realtime-2 (Minimal) 基于 1 次试验，GPT-Realtime-2.1 High 基于 2 次试验。

在上，Extended Thinking (High) 得 97.7%，排在第 4，前面是 Qwen Audio 3.0 Realtime Plus 的 99.2%、Qwen3.5 Omni Plus Realtime 的 98.7% 与 StepAudio 3 Realtime 的 97.9%；它高于 Grok Voice Think Fast 2.0 High 的 97.2%，标准版得 91.7%。

Extended Thinking (High) 每小时 3.50 美元，两个版本首音频都不足 1.4 秒

Artificial Analysis 的成本口径是：完成固定的 40 题 Big Bench Audio 子集、按输入音频时长折算为每小时成本。标准版 Gemini 3.8 Live 为 0.84 美元/小时，是这张分表上最低的一条，约为 Gemini 3.1 Flash Live High（1.75 美元/小时）的一半；Extended Thinking (High) 为 3.50 美元/小时，低于 GPT-Live-1 (Sol, low) 的 4.47 美元/小时、Grok Voice Think Fast 2.0 High 的 4.80 美元/小时与 GPT-Live-1 (Astra, medium) 的 5.83 美元/小时，约为 GPT-Realtime-2.1 High（10.75 美元/小时）的三分之一。

时延上，Big Bench Audio 的平均首音频时间为 1.18 秒（标准版）与 1.35 秒（Extended Thinking (High)），优于 Gemini 3.1 Flash Live High 的 2.99 秒，与 GPT-Live-1 (Sol, low) 的 1.24 秒、(Astra, medium) 的 1.34 秒接近，慢于 Grok Voice Think Fast 2.0 High 的 0.70 秒。

盲测偏好：标准版 1,083 Elo，Extended Thinking (High) 990 Elo

Speech Agent Arena 让参与者与两个匿名模型进行实时语音对话，再选出更偏好的一个。标准版 Gemini 3.8 Live 以 1,083 Elo 列偏好第 2，仅次于 Gemini 3.1 Flash Live 的 1,096，高于 GPT-Live-1 (Sol, low) 的 1,053；其任务成功率为 93.2%，仅次于 Grok Voice Think Fast 2.0 High 的 94.6%。指数第 1 的 Extended Thinking (High) 在偏好上为 990 Elo，任务成功率 89.1%。

指数第 1 与偏好第 1 分属两个模型：指数由 Gemini 3.8 Live Extended Thinking (High) 占据，1,096 Elo 的偏好第 1 属于此前的 Gemini 3.1 Flash Live。

结果出自 Artificial Analysis 自建指数，Google 在发布博客中引用

这组数字由 Artificial Analysis 自行评测并发布，依托的是它自建的指数与它对 Tau Voice 的实现。对比涉及的配置为：Gemini 的标准版与 Extended Thinking (High) 档，以及 GPT-Live-1 的 Astra 档（medium）与 Sol 档（low）；Gemini 两个版本之间的 Elo 差距是 93 分（1,083 对 990），Extended Thinking (High) 的小时成本约为标准版的 4.2 倍。

Google 在 9 月 15 日的官方博客中介绍了这两款模型（署名 Tom Ouyang 与 Malini Jaganathan），并引用了同一组结果中的三个数字：Speech to Speech Index 的 82.6 分、Tau Voice 的 68.6% 与 Big Bench Audio 的 97.7%（Google 在博客中称之为 Speech to Speech Quality Index），另外给出 Sierra τ-Voice-banking 的 35.1% 成绩。按博客说法，两款模型当天开始在 Gemini API 与 Google AI Studio 提供，标准版进入 Search Live，Extended Thinking 进入 Gemini Live 与 Workspace（Docs、Gmail、Keep，面向订阅用户）；Google 还称，其 AI 产品生成的音频均嵌入 SynthID 水印。

企业方面，两款模型目前在 Gemini Enterprise 处于私人预览；Google 表示，面向客户体验场景的版本即将推出，Extended Thinking 还将面向 Workspace 商业客户提供。