双模型分工：实时对话与深度思考并行

过去两年语音模型的竞争点集中在"像不像人"——音色、语气、停顿、情感。Gemini 3.8 Live 系列把战场移到了"能不能干活"。Live 版本解决的是同频对话：用户说话、模型回应、用户打断，整个循环维持在近实时区间，适合客服、陪伴、车载、实时助手这类高频短交互场景。

真正的变量是 Live Extended Thinking。语音场景长期存在一个结构性矛盾：要低延迟就得少思考，要多思考就得让用户干等。这个模型的思路是让推理过程与语音输出并行——模型可以在等待间隙继续展开思考链，同时用填充语音、追问确认、阶段性小结维持对话节奏，避免长时间的静默。这意味着语音助手第一次能承担"先理解、再规划、后执行"的多步任务，比如多轮比价下单、跨系统工单流转、会议中实时查资料并回述结论。

对行业的影响在于，语音入口的价值被重新定价。当语音模型能调用工具、维持长上下文、边想边说，语音就不再只是交互皮肤，而是智能体的主控台。

输入侧，模型接收的是连续的音频流而非切分好的语句。系统需要处理端点检测、说话人分离、背景噪声与重叠语音，同时把音频与视觉、文本、工具返回结果放进同一上下文窗口。近实时意味着输入缓冲必须压得很短，这对流式编码和增量语义理解提出更高要求。

推理与执行侧是两条链路并行。一条是对话链路，负责生成语音回复、控制语气与节奏；另一条是思考链路，负责拆解任务、规划步骤、调用工具、校验中间结果。扩展思考版的关键设计是让思考链路可以在对话链路输出期间继续推进，并在合适的节点插入确认性问题，把"我在想"变成"我在跟你确认"。工具调用被设计为可中断、可回滚的，避免一次误调用直接落地。

输出与评测侧，模型同时产出语音与结构化文本。评测不再只看字错率和自然度，还要看任务完成率、工具调用正确率、打断后的恢复能力、以及思考链与最终回答的一致性。近实时场景下，首字延迟、打断响应时间、静默时长都成为一级指标。