谷歌刚刚发布迄今最先进的音频模型。看看它的排名如何

Google 于 9 月 15 日发布了 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，并称它们是迄今最先进的音频模型。

这两款模型能够对话、推理并处理任务。但在独立分析机构的评测中，它们表现如何？Extended Thinking 版本在 Artificial Analysis 的语音到语音指数中以 82.6 分位居榜首，领先于 GPT-Live-1 和 Grok Voice。

在X上关注我们，以获取最新消息。

各项基准测试如何评价 Google 最新的对话式 AI 模型

Artificial Analysis 的指数综合考量语音推理、智能体表现、竞技场偏好和任务成功率。

在高推理强度测试中，Gemini 3.8 Live Extended Thinking 首次登场便位居第一。GPT-Live-1 Astra 以 81.5 分紧随其后，Grok Voice Think Fast 2.0 High 则以 81.3 分位列第三。

标准版 Gemini 3.8 Live 以 76.0 分位居第五。两个版本的表现都优于 Gemini 3.1 Flash Live High，后者得分为 71.5。

智能体能力方面的差距更大。Extended Thinking 在 Tau Voice 基准测试中的得分达到 68.6%，而上一代为 37.7%。

在语音推理基准测试中，Extended Thinking 得分为 97.7%，略高于 Grok Voice 的 97.2%。不过，它仍落后于得分为 99.2% 的 Qwen Audio 3.0 Realtime Plus。

人类测试者仍更青睐旧版 Gemini 模型

价格方面的差距就更明显了。标准版每小时输入音频的费用为 0.84 美元，约为前代产品 1.75 美元的一半，也是该指数中价格最低的。

Extended Thinking 的运行成本为每小时 3.50 美元，低于 GPT-Live-1 Sol 的 4.47 美元，也低于 Grok Voice Think Fast 2.0 High 的 4.80 美元。

延迟也有所下降。首次音频输出的平均耗时降至 1.18 秒，而旧版 Gemini 模型为 2.99 秒。

不过，听众并没有完全买账。在盲测的 Speech Agent Arena 对话中，Gemini 3.1 Flash Live 仍最受青睐，Elo 评分为 1096。

Gemini 3.8 Live 以 1083 分位居第二。尽管 Extended Thinking 变体完成了 89.1% 的任务，其得分仍落后，只有 990 分。

如今，语音 AI 正依据两套指向不同方向的标准接受评估。基准测试奖励推理能力最强的模型，偏好度则奖励表达最出色的模型。目前 Google 在两方面都处于领先地位，但领跑的是不同模型。

订阅我们的 YouTube 频道，观看领导者和记者提供专业见解

来源：BeInCrypto