ARTICLE · 1024172

新版 Siri 可看屏跨 App 操作,Gemini 3.8 Live 重构语音交互

发布时间：2026-09-17 09:08:45 最近访问：2026-09-17 09:08:45

苹果 Siri 重生：既能看屏幕又会操作 App

9月16日凌晨，苹果正式推送 iOS 27、iPadOS 27、macOS 27 等正式版。

同步上线了全面重构的 Siri AI 以及新一代 Apple Intelligence。

新版 Siri 有大幅度更新，支持个人语境理解、屏幕感知、跨应用操作，以及跨设备对话。

苹果称此次更新是在生成式 AI 上面，规模最大的一次系统级整合。

目前，Siri AI 首发仅支持英语。

10月将扩展到法语、日语、韩语、葡萄牙语和西班牙语。

新 Siri 限定支持机型 iPhone 15 Pro 及以后，每日限制调用次数。苹果表示后续会开放更多能力，但需要付费使用。

欧盟的 iOS、iPadOS、watchOS 暂不开放 Siri AI，而中国大陆也暂不可用。

据官方消息，iOS 27 性能有了很大提升。

应用启动速度最高提速30%，照片载入最高快70%，AirDrop 传输最高快80%。

无障碍侧给 VoiceOver 补上了更丰富的图像描述与实时识别能力。

TechCrunch 实测后声称，新的 Siri AI 是基于谷歌 Gemini 模型构建。

如果属实，这意味着大模型使用了竞争对手的产品，以求更好的体验。

但是，对于苹果来说，手里真正的筹码是权限。

屏幕感知、跨应用操作这类能力只有苹果才能给得了，Gemini 再强也拿不到 iOS 的入口。

短期补齐用户的体验，而长期议价权仍然还控制在自己手上。

这笔交易划不划算，将来还要看苹果自研模型需要多久能追上来。

对国内开发者来说，Siri AI 国行不可用，而机型又卡在 15 Pro 以上。

说明 iOS 上系统级的 AI 入口短期内仍是空白，第三方小程序在这块仍然有窗口。

但也不要把产品设计完全押在“用户手机里有个强模型”上面，端侧算力和调用次数等都是硬约束。

9月16日凌晨，Google DeepMind 发布了 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款新的原生语音模型。

新模型走的是音频输入、音频输出，端到端的实现方式。不再是传统的“语音转文字 + 大模型 + 语音合成”的分步式方案。

新模型交出的成绩单也是相当炸裂。

Extended Thinking 以82.6的高分成功拿下了 Artificial Analysis 语音对语音测试第一，以1.1分的优势超过了 GPT-Live-1 Astra Medium。

此外，τ-Voice 拿到68.6%，Big Bench Audio 97.7%。

3.8 Live 目前支持多达97种语言，能够在对话中自动切换。以及能够在后台并行调用工具和 API 而不打断说话。

另外一方面，价格优势也是相当大，相当的能打。

官方定价为音频输入0.005美元/分钟，而输出为0.018美元/分钟。

经过第三方实测，用3.8 Live 跑前沿级语音代理，成本约为0.84美元/小时，比竞争对手大约要低80%。

即日起，开发者可以在 Gemini API 与 Google AI Studio 调用，生成音频将全部带有 SynthID 隐形水印。

语音识别赛道的评价标准悄然发生了改变。

以前比语音模型识别的准不准，现在比的是对话被打断以后，AI 还接不接得住。

端到端的架构设计，把延迟和成本也一起打下来了。这是纯粹的架构红利，而不是靠堆参数堆出来的。

价格偏移虽然好，但是这两款语音模型目前都是托管模式，没有开放权重，只能调 API。

谷歌今天打价格战，等到实现市场垄断后，就有调价议价的主动权。

对于语音交互最为核心能力的团队，这相当于等于把成本命脉交了出去。

对于做应用的开发者来说可能是非常好的机会。

语音客服、口语陪练、无障碍工具这些以往需要昂贵的调用成本，现在每小时竟然不用一美元就能跑起来。

关注我们：如果你觉得这篇文章有帮助，欢迎点赞、在看、转发。关注本公众号，获取更多 AI 工具实用技巧。