這幾天大家在討論 Google 剛端出來的 Gemini 3.8 Live 及其 Extended Thinking 模式，場景切入點很有趣，是一個關於西洋棋的示範影片。Google 想展示的是模型在即時語音交互中展現的「思考過程」，試圖讓那種長達數十秒的空白不再是冷冰冰的等待，而是充滿邏輯跳躍的動態。諷刺的是，這個被標榜為「最先進」的模型，在示範中竟然輸給了西洋棋中最基礎的將死陣法。這讓我想起那些在咖啡館裡侃侃而談哲學、卻連基本生活常識都欠奉的文藝青年。技術層面上，這暴露了推理模型（Reasoning Models）在處理具有嚴密規則約束的離散數學問題時，依然存在某種不可忽視的結構性缺陷。
當我們談論 Extended Thinking 時，本質上是在討論模型如何分配計算預算。Gemini 3.8 試圖模仿 OpenAI o1 的做法，將推理鏈條顯性化。在語音模式下，這種「思考」被轉化為更具情緒起伏的語調和停頓。我試著讓它處理一段複雜的系統架構優化建議，Gemini 在輸出的文字美感上確實比 ChatGPT 優雅不少。它不像 GPT-4o 那樣喜歡堆砌無意義的標點和重複的肯定義，它的措辭更有層次感，甚至帶點人性的克制。然而，當任務進入到需要精確計算 token 消耗或處理嵌套邏輯的 function calling 時，Gemini 的表現開始變得飄忽。它太想「像人」了，以至於有時候會為了維持對話的流暢度而忽略了事實的準確性。在處理超過 20 個並行工具調用時，Gemini 的不穩定性比 GPT-4o 更加明顯，它會出現一種奇怪的「認知漂移」，忘記最初設定的限制條件。
這種現象在當前的技術競爭中顯得格外刺眼。相較於 Qwen Image 2.1，Gemini 在多模態理解的深度上顯然投入了更多資源在「交互感」的打磨上。Google 的策略似乎是先建立一個讓人感到舒適的「人設」，再往裡面填補邏輯。而這種做法的代價就是，在面對西洋棋殘局這種容錯率為零的邏輯黑洞時，那種經過包裝的「思考感」反而成了一種尷尬的點綴。相比之下，Claude 在處理長文本任務時展現出的那種冷靜、幾乎不帶感情的邏輯推演，雖然在語音交互中顯得有些生硬，但在專業技術場景下的可信度卻高得多。Grok 則是在另一個極端，它追求的是反應速度和語境的尖銳度，對於「思考過程」的打磨遠不如 Gemini 這麼精細。
目前很多企業帳戶甚至還停留在舊版本的 Flash 階段，這反映了 Google 在算力分配與模型部署上的謹慎。大家都在問 3.7 或 3.8 什麼時候能全面鋪開，但真正核心的問題在於，這種 Extended Thinking 究竟是真正的邏輯演進，還是僅僅是為了緩解用戶焦慮而設計的一種「進度條」演算法？在與 Qwen Image 2.1 的更新節奏對照下，Google 展現出的這種技術優越感，如果無法轉化為解決基礎邏輯錯誤的能力，那麼它在語音模式下表現出的那種親和力，最終也只會淪為一種昂貴的裝飾品。
我們真的需要一個會「嘆氣」、會「沉思」、甚至會在語音中表現出猶豫感的 AI 嗎？如果它連最簡單的棋局都能走錯，這種模擬出來的思考過程，究竟是在縮短人機之間的距離，還是在用更精巧的方式掩蓋底層智能的短板？當 AI 學會了人類的語氣，卻還沒學會人類的邏輯時，我們該把它當作一個專業的助手，還是僅僅是一個演戲演得很逼真的聊天機器人？或許，那種被我們嫌棄的、充滿機器味的冷冰冰回答，反而是目前這個階段最誠實的表現。