实时多模态模型正在从“听得清、答得快”，走向“想得深、接得住”。
发生了什么
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。从命名看，这是同一代 Live 模型的两个版本：前者面向低延迟的实时交互，后者在 Live 的基础上引入 Extended Thinking，即在响应前进行更长的推理过程。二者共享“Live”这一前缀，意味着它们延续的是 Gemini 面向实时音视频流的交互路线，而非纯文本 API 的迭代。
为什么重要
Live 系列解决的是交互形态问题：模型需要持续接收音频、视频等连续输入，并在对话节奏内给出回应。这条路线过去的核心矛盾是延迟——实时场景容不下长时间的思考，模型往往被迫用“快思考”换体验。
Extended Thinking 的引入改变了这个取舍结构。它把“先想再答”的推理模式搬进实时通道，让模型在需要时延长内部推理，再输出结果。对语音助手、实时视频理解、会议与直播辅助这类场景来说，这相当于在同一个交互界面里同时提供两种档位：日常对话走快路径，复杂问题走慢路径。
这也呼应了行业近一年的整体走向——推理时计算（test-time compute）从文本模型扩散到多模态与实时模型。当“思考更久”成为一种可调用的能力，模型产品的设计空间就从“单次回答质量”扩展到“何时值得等待”。
影响与看点
对开发者而言，最直接的问题是路由：什么请求交给 Live，什么请求交给 Live Extended Thinking。这不仅是成本与延迟的权衡，也涉及产品体验的一致性——用户需要感知到“它在思考”，而不是单纯觉得卡顿。交互设计上的等待反馈、可打断性、思考过程的可视化，都会成为工程细节。
对行业而言，实时多模态与深度推理的合流，可能重新定义“助手”的边界。此前的实时模型更像反应式的接口，Extended Thinking 则让它具备处理多步任务、跨模态推理的潜力，例如在视频通话中理解屏幕内容并给出操作建议。
值得关注的是延迟与质量的边界究竟落在哪里。实时场景对响应时间的容忍度有限，Extended Thinking 能延长多少、在哪些任务上收益明显，将决定它是实用能力还是演示特性。我的判断是：这一代产品真正的价值不在于模型更聪明，而在于它把“思考深度”变成了实时交互中可调度的一维参数——这比单点能力提升更接近产品范式的变化。
