谷歌推出Gemini 3.1 Flash Live实时语音模型，支持语音驱动应用开发，上下文窗口提升2倍，函数调用准确率达90.8%
谷歌推出的最高质量音频和语音模型，专为实时语音交互设计。核心升级在于实时语音 Agent 能力：语音可以直接驱动应用开发（vibe coding），支持连续对话、多语言处理和工具调用。
已在 Gemini App、Search Live 和 Google AI Studio 中同步开放，开发者可通过 API 调用。上下文窗口提升至此前的 2 倍，函数调用准确率达到 90.8%，在多项评测中超过 GPT-Realtime-1.5 和 Qwen3 Omni 30B。
外网网友称其为 Siri"救星"，苹果已获谷歌完整 Gemini 模型直连权限。
在 Google AI Studio 的 Live Vibe Coder 页面，你可以边说话边做应用，让开发过程跟上脑暴的节奏。
实际体验：
整个过程接近和设计师一对一的实时沟通，UI、交互、风格一段话全部重做。
设计协作场景（Stitch 工具）：
跨语言陪伴场景（Ato 设备）：
游戏角色互动（RPG 游戏《Wit's End》）：
函数调用准确率：在 ComplexFuncBench audio 测试中达到 90.8%，相比 Gemini 2.5 Flash Native Audio 去年 12 月版本的 71.5% 有明显提高。
音频输出质量：在 Scale 发布的 Audio MultiChallenge 榜单中得分 36.1%，高于 GPT-Realtime-1.5 的 34.7%、Qwen3 Omni 30B 的 24.3%。
上下文窗口：提升至此前的 2 倍，支持更长的连续对话。
实时对话优化：
已公布 API 价格：
支持多模态输入调用。
Gemini 3.1 Flash Live 已在以下平台开放：
开发者可以访问 Google AI Studio，获取 API 密钥，开始集成到自己的应用中。
谷歌正在把语音能力做成一套更完整的通用能力体系，覆盖编程、AI 硬件交互、移动端入口等多个场景。
国内在语音模型能力上的进展也在加快。阶跃星辰 Step-Audio R1.1 在 Artificial Analysis 语音推理榜单中拿下第一，以 96.4% 准确率超过 Grok、Gemini、GPT-Realtime 等模型。
一边是谷歌不断拉高能力上限，尝试覆盖更多场景；另一边是国内玩家在用户规模与模型能力两端同时推进，语音 Agent 的竞争态势正愈演愈烈。
飞书开源 lark-cli，覆盖 11 大业务域、200+ 命令，支持 Claude Code、Cursor 等主流 AI 工具直接调用飞书能力，Star 数已达 5.5k
飞书正式开源 lark-cli，覆盖11大业务域、200+命令，支持 Claude Code、Cursor 等主流 AI 工具接入，GitHub 已获 5.5k stars
React 核心团队成员开源 Pretext，仅几 KB 的纯 TypeScript 库，前端 UI 渲染速度比传统工具快约 500 倍，已获 2.8 万 Star
