别名：gemini-3.8-live-extended-thinking
Google 于 2026 年 9 月 15 日正式发布的高推理实时音频模型，可在语音交互过程中做后台推理，价格与 Gemini 3.8 Live 相同。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模型基本信息
开源和体验地址
官方介绍与博客
API接口信息
| 类型 | 适用条件 | 输入 | 输出 |
|---|---|---|---|
| 文本 | - | $0.750/ 1M tokens | $4.50/ 1M tokens |
| 图像 | - | $1.00/ 1M tokens | — |
| 音频 | - | $3.00/ 1M tokens | $12.00/ 1M tokens |
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
发布机构
模型解读
Gemini 3.8 Live Extended Thinking（gemini-3.8-live-extended-thinking）是 Google 于 2026 年 9 月 15 日通过 Gemini API 正式发布（GA）的高推理音频对音频模型。官方说明它支持“在实时音频交互期间进行后台推理”，建议在需要更多后台推理时使用。核心判断：它和标准版 Gemini 3.8 Live 价格表相同，代价主要是延迟和更多输出 token；Google 没有公布两者的评测差距，后台推理带来多少质量提升目前无法量化。
按模态分开计价，语音输出最贵
本站记录的标准价为：文本输入每百万 token 0.75 美元、文本输出 4.5 美元，图像输入 1 美元，音频输入 3 美元、音频输出 12 美元。语音对话以音频进出为主，实际单价按 3/12 美元估算，比只看文本价高出约 2.7 到 4 倍。Live 与 Live Extended Thinking 两个版本的价格表相同，扩展思考的额外成本体现在更多的输出 token 上。官方 changelog 未列出价格。
规格
两款模型的上下文均为 131,072 token、最大输出 65,536 token，输入支持文本、图像、音频和视频，输出文本或音频，通过 Live API 的会话方式调用。
适用边界
通话中需要查询、计算、规划等多步任务时用 Extended Thinking；以快速应答为主的语音客服用标准版 Gemini 3.8 Live 即可，不必为思考付出额外延迟。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
