تقديم Gemini 3.8 Live و3.8 Live Extended Thinking: جوجل تقسم خطها الصوتي إلى قسمين

من Google Gemini 3.8 Live و Gemini 3.8 Live Extended Thinking وصل في 15 سبتمبر 2026 — إعلان واحد، ونموذجان، وتفرّع حقيقي في خط المنتجات. الرقم الرئيسي هو فجوة قدرها 6.6 نقاط على مؤشر Speech to Speech لدى Artificial Analysis، من 82.6 إلى 76.0. الرقم الذي تحته هو 38. على مقياس τ-Voice نفسه لإتمام المهام الوكيلية، تحل النسخة الاستدلالية 68.6% من سيناريوهات خدمة العملاء المحاكاة، بينما يحل النموذج القياسي 30.1%. نقاط 6.6 هي ما يقوله المؤشر. أما نقاط 38 فهي ما يحدث عندما تطلب من أي من النموذجين أن ينجز شيئًا فعليًا.

بعد يوم من الإطلاق، أصبح للنسخة المتفرعة سعر. يحمل كلا النموذجين أسعارًا صوتية منشورة لكل دقيقة عبر Live API، وتضع لوحة المتصدرين الخاصة بـ Artificial Analysis تكلفة الساعة من الصوت المُدخل عند $0.84 للنموذج القياسي مقابل $3.50 للنسخة الاستدلالية — أكثر بقليل من أربعة أضعاف في الساعة مقابل تلك النقاط الـ6.6 في المؤشر. هذه المقايضة هي القرار بأكمله، وقراءتها من المؤشر وحده تُفضي إلى نتيجة خاطئة.

ما يجعل هذا الإصدار مختلفًا عن التحديث المعتاد لنماذج الصوت هو أن الانقسام ليس فئة حجمية. بل هو خلاف حول ماهية وظيفة الوكيل الصوتي. أحد هذين النموذجين واجهة محادثة. والآخر نظام استدلالي تصادف أنه يتحدث.

نموذجان، وظيفتان

إن تأطير Google نفسه واضح بشكل غير معتاد بشأن هذا. Gemini 3.8 Live يُوصف بأنه "مصمم للتوسع وكفاءة التكلفة، ويجمع بين الذكاء الحواري والحوار السلس والتأصيل البصري." Gemini 3.8 Live Extended Thinking "مصمم للمهام عالية التعقيد، مع ذكاء متزايد واستدلال متعدد الخطوات."

يظهر الفرق العملي في قائمة القدرات لا في ورقة المواصفات:

• Gemini 3.8 Live — معالجة المدخلات البصرية شبه الفورية، والتبديل التلقائي أثناء المحادثة بين 97 لغة مدعومة، وتنفيذ الأدوات/واجهات API في الخلفية بحيث يقرّ النموذج بالطلب ويواصل التحدث بينما يكتمل الاستدعاء.

• Gemini 3.8 Live Extended Thinking — يستنتج ويتحدث في الوقت نفسه، فيسرد تقدّمه بعبارات مثل "دعني أتحقق من ذلك…" أثناء تنفيذ مهمة متعددة الخطوات.

• مشترك — كل الأصوات المُولَّدة تحمل العلامة المائية SynthID من Google، وكلاهما مشمول ببطاقة نموذج منشورة باسم gemini-3-8-audio، وأصبح لكلٍّ منهما الآن معرّفات نماذج API موثّقة: gemini-3.8-live و gemini-3.8-live-extended-thinking.

إن نموذج Extended Thinking ليس مجرد 3.8 Live مع ميزانية تفكير أطول. إنه النموذج القادر على إدارة محادثة وخطة مهمة في آنٍ واحد دون أن تتعطل المحادثة — وهو بالتحديد ما يجعل وكلاء الصوت يفشلون في بيئة الإنتاج. لا يريد المستخدم الصمت بينما يبحث الوكيل عن شيء ما. بل يريد أن يواصل الوكيل الحديث.

اللوحة تقول 6.6. المكونات تقول 38.

مؤشر Speech to Speech هو متوسط مرجّح لأربع نتائج أساسية: الاستدلال الكلامي، ويُقاس بمجموعة Big Bench Audio الخاصة بـ Artificial Analysis؛ الأداء الوكيلي، ويُقاس عبر تشغيل معيار τ-Voice لخدمة العملاء؛ تفضيل الساحة، مأخوذ من Speech Agent Arena؛ ومعدل نجاح المهام. لا يحصل على درجة المؤشر إلا النماذج التي تملك المكونات الأربعة جميعها، ولهذا تكون بعض الصفوف في ذلك الجدول فارغة.

عند فصلهما عن بعضهما، لا يبدو النموذجان الجديدان على الإطلاق كزوجٍ بفارق 6.6 نقطة:

• مؤشر الكلام إلى الكلام — Gemini 3.8 Live Extended Thinking (High) 82.6 مقابل Gemini 3.8 Live 76.0

• الأداء الوكيلي (إنجاز مهام τ-Voice) — ‏68.6% مقابل 30.1%‏

• الاستدلال الكلامي (Big Bench Audio) — 98% مقابل 92%

• ديناميكيات المحادثة — 91.9% مقابل 96.1%

• تفضيل الساحة (Elo) — 990 مقابل 1083

• معدل نجاح المهام — 89.1% مقابل 93.2%

• الوقت حتى أول صوت — 1.35 ث مقابل 1.18 ث

• تكلفة الساعة من الصوت المُدخل — ‏$3.50 مقابل $0.84

اقرأها بصدق، وسيفوز النموذج القياسي في أربعة من أصل ثمانية أسطر. فهو أسرع في الوصول إلى أول صوت، وحصل على تقييم أعلى من الأرينا، وأكثر احتمالًا لإكمال مهمة، وأفضل تقييمًا في ديناميكيات المحادثة. كما أن سعره ثلث السعر. ما لا يستطيع فعله هو إتمام المهمة عندما تكون المهمة ذات خطوات: 30.1% مقابل 68.6% هي أكبر فجوة منفردة في أي مكان في هذا الإصدار، وهي تقع على المحور الوحيد الذي يفصل الوكيل الصوتي عن الواجهة الصوتية.

تحذيران قبل أن يُتعامل مع ذلك الجدول باعتباره محسومًا. رقم تفضيل الساحة المستخدَم في المؤشر مُجمَّد عند النقطة التي يصبح فيها النموذج مؤهلًا للنشر، لذا فهو لا يتتبّع تصنيف Elo الحي على مخطط Speech Agent Arena — اقرأه كلقطة، لا كدرجة متغيّرة باستمرار. كما أن فوارق τ-Voice عند صدارة اللوحة ضيقة بما يكفي لتكون ضجيجًا: تحقق نسخة الاستدلال 68.6% وتتفوق على GPT-Live-1 عند 67.9% (واجهة Astra الخلفية، جهد متوسط) بفارق 0.7 نقطة، بينما يأتي GPT-Live-1 (Sol، منخفض) عند 59.3% وGrok Voice Think Fast 2.0 High عند 56.5% خلفه. الفجوة البالغة 38 نقطة بين نموذجي Gemini ليست ضيقة. أما التفوق البالغ 0.7 نقطة على GPT-Live-1 فهو ضيق.

أين يقع على المؤشر

في اللقطة أدناه، المأخوذة في 16 سبتمبر 2026، يظهر أعلى اللوحة هكذا:

• Gemini 3.8 Live Extended Thinking (High) — ‏82.6 (المركز الأول)

• GPT-Live-1 (واجهة Astra الخلفية، جهد متوسط) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• {{1}}GPT-Live-1 (خلفية Sol، جهد منخفض) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

هذا هو الحال بالنسبة للانقسام في شاشة واحدة. يحتل متغير Extended Thinking المركز الأول، حيث يعمل عند تصنيف جهد الاستدلال (High) الخاص باللوحة — نفس الاصطلاح الذي يستخدمه لـ Grok Voice Think Fast 2.0 High و GPT-Realtime-2.1 High، والسبب في أن لاحقة "(High)" التي قد تراها ملحقة بهذا الطراز في التغطية هي تسمية تكوين وليست إصدارًا منفصلًا. يحتل المتغير القياسي المركز الخامس — تحت تكوينين من GPT-Live-1 وتحت Grok. تصف مدونة Google الخاصة النموذج القياسي بأنه "فعال من حيث التكلفة للغاية" وتلاحظ أنه "حصل على المركز الثاني في Speech Agent Arena"، وهي لوحة مختلفة تقيس شيئًا مختلفًا. كلا البيانين صحيحان. عند قراءتهما معًا، يقولان: 3.8 Live هو نموذج محادثة جيد جدًا بسعر جيد جدًا، وهو ليس الحدود الأولى للذكاء الصوتي.

التسريب الذي وصل أولاً

رُصدت الطرازات على صفحة حصص Google Cloud في اليوم السابق للإعلان، وقد غطّينا ذلك الرصد آنذاك باعتباره اسمًا غير مؤكد بلا بطاقة طراز ولا تسعير ولا تأكيد من Google. كان ذلك المنشور محقًّا في ما يتعلق بالحالة، ومخطئًا في ما يتعلق بالجدول الزمني — إذ وصل التأكيد في غضون 24 ساعة تقريبًا.

الدرس يستحق أن يُدوَّن، لأنه يخالف الحدس المعتاد. تسريب معرّف رابط قبل يوم واحد من الإطلاق هو إطلاق. أما تسريب معرّف رابط دون أوراق مؤيدة لمدة ثمانية أسابيع فهو أمر مختلف تمامًا. الإشارة التي فصلت بينهما لم تكن المعرّف؛ بل وجود صفحة الحصة، التي لا توجد إلا عندما تكون السعة قد جُهّزت.

كم يكلف، في الدقيقة

عند الإعلان، لم تفصل مواد Google بين النموذجين من حيث السعر — فقد أُعطي النموذج القياسي سعرًا، بينما لم يُعطَ النموذج الاستدلالي سعرًا، وهو ما تسجله لوحة النتائج أعلاه. وقد سُدَّت هذه الفجوة منذ ذلك الحين. يحمل كلا النموذجين الآن تسعيرًا منشورًا عبر Live API: 0.005 دولار لكل دقيقة من إدخال الصوت و0.018 دولار لكل دقيقة من إخراج الصوت، وهو ما أكدته Google في 16 سبتمبر عند طرح النموذجين. وتغطي بطاقة الأسعار المنشورة نفسها تسعير الرموز في فئة Gemini 3 Live — 0.75 دولار لكل مليون رمز نصي للإدخال و4.50 دولار للإخراج، و3.00 دولار لكل مليون رمز صوتي للإدخال و12.00 دولار للإخراج، و1.00 دولار لكل مليون لإدخال الصور أو الفيديو — مع أن صفوف الرموز هذه منشورة للفئة وليس لكل نموذج على حدة، لذا اقرأها باعتبارها بطاقة أسعار الفئة وليس كعرض سعر لنموذج محدد.

وقد أضافت Artificial Analysis أيضًا الرقم الأكثر أهمية للتخطيط. تحمل لوحة الصدارة الخاصة بها الآن عمودًا لتكلفة كل ساعة من الصوت المُدخل — أي تكلفة إكمال مجموعة فرعية ثابتة من Big Bench Audio مكوّنة من 40 سؤالًا، بعد تسويتها على أساس معدل الساعة — ولكلا النموذجين الجديدين رقم هناك:

• Gemini 3.8 Live — $0.84/ساعة من الصوت المُدخل، وهو أدنى معدل مدفوع على تلك اللوحة

• Gemini 3.8 Live Extended Thinking (High) — 3.50 دولار/ساعة، ولا يزال أقل من كلا النموذجين اللذين يتفوق عليهما في الجودة

• Grok Voice Think Fast 2.0 High — 4.80 دولار في الساعة

• GPT-Live-1 (واجهة Astra الخلفية، جهد متوسط) — 5.83 دولار/ساعة

• GPT-Realtime-2 (High) — $4.14/ساعة

• GPT-Realtime-2.1 High — ‏$10.75/ساعة

ملاحظة واحدة على اللقطات أعلاه: بما أن لوحة التكاليف في لقطة شاشة لوحة المتصدرين تسبق هذين الصفين، فلا يظهر فيها $0.84 ولا $3.50، وأرخص شريط فيها هو $1.42. الأرقام في القائمة مقروءة من الجدول الموجز للوحة كما هو بتاريخ 16 سبتمبر 2026، وليس من تلك الصورة. قيم المؤشر المعروضة في الصورة غير متأثرة وتطابق الجدول.

قارن الرقمين الجديدين بالمكوّنات أعلاه، فتتوقف الإصدارة عن كونها إعلانًا عن نموذجين وتصبح قرارًا واحدًا بسعر صرف منشور. تشتري النسخة الاستدلالية 6.6 نقطة مؤشر، وستّ نقاط في استدلال الكلام، و38.5 نقطة في إكمال المهام الوكيلية مقابل ما يزيد قليلًا على أربعة أضعاف تكلفة الصوت في الساعة. وما إذا كان ذلك يستحق الدفع يعتمد كليًا على ما يفعله وكيلك — وقد تغيّر شكل الجواب بعد نشر المكوّنات. الوكيل الصوتي الذي تتمثل مهمته في إنجاز مهمة متعددة الخطوات يشتري أكبر تحسّن منفرد في هذه الإصدارة، عند $3.50 في الساعة، بينما يأتي بسعر أقل من GPT-Live-1 Astra بنحو 40% ومن Grok Voice Think Fast 2.0 High بنحو الربع، ويسجّل أعلى من كليهما. أما الوكيل الصوتي الذي تتمثل مهمته في المحادثة — أن يجيب، ويحافظ على خيط الحديث، ويتلقى رسالة، ويكون لطيفًا — فلا يشتري سوى القليل جدًا بعمق استدلال إضافي، وعند $0.84 في الساعة فإنه يشتري أرخص نموذج صوتي كفء ينشره أي أحد حاليًا.

هذا هو شكل القائمة. لقد سعّرت Google نموذج الاستدلال الخاص بها أقل من النموذجين اللذين يتفوق عليهما، وسعّرت نموذجها القياسي أقل من كل شيء على اللوحة. إذا كنت تشغّل دقائق صوتية بكميات كبيرة، فهذا هو الرقم الذي يحرّك فاتورتك، لا درجة المؤشر — وكون النسختين تفصل بينهما مسافة 4× يعني أن اختيار أيّهما تستدعي هو أكبر رافعة تكلفة منفردة في المنظومة.

"المعاينة الخاصة" تقوم بعمل حقيقي في تلك الجملة.

لا يتوفر أي من النموذجين بشكل عام بالمعنى التعاقدي، لكن واجهة المطوّر مفتوحة ومُسعَّرة الآن، مما يغيّر ما يمكنك التخطيط له:

• Gemini 3.8 Live — يحصل عليه المطورون في Gemini API وLive API وGoogle AI Studio تحت المعرّف الموثّق gemini-3.8-live؛ وتحصل عليه المؤسسات في معاينة خاصة ضمن Gemini Enterprise، مع "قريبًا" لـ Gemini Enterprise for Customer Experience؛ ويحصل عليه الجميع في Search Live.

• Gemini 3.8 Live Extended Thinking — نفس واجهة المطور تحت gemini-3.8-live-extended-thinking، بالإضافة إلى مسار أوسع للمستهلك: Gemini Live، وDocs Live لمشتركي Google AI Pro وUltra، وGmail Live وKeep Live لجميع مشتركي Google AI.

ما لا يزال مفقودًا هو الجزء الذي تحتاجه المؤسسات: التزام بالتوافر العام، ونسبة جهوزية منشورة، وسعر تعهّدت Google بالحفاظ عليه. إذا كنت بحاجة إلى ذلك، فانتظر. أما إذا كنت تبني نموذجًا أوليًا، فالمسار مفتوح اليوم مع قائمة أسعار حقيقية تسنده، وهو وضع أفضل جوهريًا من معاينة بلا سعر منشور. إن بناء التكامل الآن معقول؛ أما وضع خط هاتفي بالغ الأهمية للإيرادات على هدف توافر لم تلتزم به Google فليس معقولًا، والحل لذلك موضّح أدناه.

حيث تنتهي مزاعم البائع

نشرت Google أرقامًا خاصة بها لكل مكوّن إلى جانب الإطلاق — 68.6% على τ-Voice، و35.1% على لوحة المتصدرين τ³-Banking الخاصة بـ Sierra، و97.7% على Big Bench Audio، وكلها منسوبة إلى نموذج Extended Thinking. وهي الآن تنقسم إلى مجموعتين، وهذا الانقسام مهم.

اثنان من الثلاثة يتطابقان مع قياسات تُجريها Artificial Analysis بنفسها ضمن إطار الاختبار الخاص بها. يسجّل مكوّن τ-Voice الوكيلي 68.6% لهذا النموذج، مقابل 67.9% لـ GPT-Live-1 Astra و56.5% لـ Grok Voice Think Fast 2.0؛ ويسجّل مكوّن الاستدلال الكلامي Big Bench Audio نسبة 98%، مقابل 97.7% لدى Google. تصف Artificial Analysis كلاً من τ-Voice وBig Bench Audio بأنهما من معاييرها المرجعية الخاصة، وتُجريهما عبر ثلاث محاولات حيثما توفر ذلك. لذا فإن أرقام τ-Voice والاستدلال أصبحت الآن على لوحة عامة يمكنك الذهاب وقراءتها، وليس فقط في إعلان Google — تعامل معها على أنها مؤكَّدة لا محسومة، لأن الأرقام الدقيقة التي اقتبستها Google قد تكون هي نفس التشغيل وليست تشغيلًا ثانيًا.

لا يستند رقم Sierra إلى أي دعم من هذا القبيل، ويظل ادعاءً من المورّد: 35.1% على لوحة المتصدرين τ³-Banking الخاصة بـ Sierra مقابل 32.0% لـ GPT-Live-1 Astra و16.5% لـ xAI-Realtime. وهو أيضًا الرقم الذي يستحق التوقف عنده، لأن 35.1% تعني أن النموذج الصوتي الرائد على هذه اللوحة يفشل في نحو محاولتين من كل ثلاث محاولات واقعية لإنجاز المهام المصرفية. وتستشهد Google أيضًا بتشغيل ServiceNow EVA-Bench أُجري على Live API في Gemini Enterprise Agent Platform، وتصف كلا النموذجين بأنهما يدفعان حدود Pareto لمسارات العمل المعقدة — ولا توجد قراءة مستقلة مرفقة بأي منهما.

هناك سابقة تستحق التمسك بها هنا. أبلغت xAI عن رقم 82.9 في مؤشر Speech to Speech Index لـ Grok Voice Think Fast 2.0 في يوليو. وعلى اللوحة الملتقطة أعلاه، يستقر ذلك النموذج عند 81.3. لا تصمد دائمًا درجات المؤشر التي يعلنها الموردون عند ملامستها لوحة صدارة حية — عادةً لأن المؤشر يُراجَع، وأحيانًا لأن التكوين الذي جرى اختباره لم يكن هو التكوين الذي طُرح فعليًا. تحقق من أرقام τ-Voice وBig Bench على حركة المرور الخاصة بك، واعتبر العمود agentic هو العمود الذي ينبغي اختباره بأقصى صرامة.

الطبقة التي تعمل عليها هذه الوكلاء فعليًا

يقع كلا النموذجين أمام واجهة خلفية. تنفيذ الأدوات في الخلفية، وتخطيط المهام متعدد الخطوات، ونمط التفويض الذي يستخدمه كل وكيل صوتي جاد، كلها تؤول إلى استدعاءات عادية لنموذج نصي — وهذه هي الطبقة ذات أكبر تباين في التكلفة وأقل ارتباط بمزوّد واحد.

يوفر OrcaRouter 190 نموذجًا من مفتاح واحد بسعر القائمة لدى المزوّد دون هامش ربح، ما يعني أن أي خفض سعر من مختبر في المنبع يصبح ساريًا لدينا في اليوم نفسه بدلًا من تجديد العقد التالي. بالنسبة إلى منظومة صوتية تكون فيها الواجهة الأمامية نموذج معاينة، فإن الخاصيتين المفيدتين هما أنه يمكن تبديل هدف التفويض دون المساس بتكامل الصوت، وأن تجاوز الفشل التلقائي يبقي المكالمة قائمة عندما يحدث خطأ في خادم خلفي أو تنتهي مهلته. ولنكون دقيقين بشأن ما نستضيفه وما لا نستضيفه: فنقاط نهاية Gemini 3.8 Live ليست على الموجّه لدينا — فهي تأتي من واجهة Google البرمجية الخاصة — لكن النماذج النصية التي كثيرًا ما تُسند هذه الوكلاء العمل إليها موجودة، ومن بينها Gemini 3.8 Flash.

ماذا تشاهد بعد ذلك

ثلاثة أمور ستحسم الأسئلة المفتوحة في هذا الإصدار. الأول هو التوفر العام والسعر الذي التزمت Google بالحفاظ عليه — فالأسعار منشورة الآن، لكن أسعار المعاينة كثيرًا ما تتغير، وقائمة الأسعار ليست عقدًا. الثاني هو ما إذا كان عمودا الساحة ونجاح المهام يصمدان، لأن 1083 إيلو و93.2% نجاح في المهام للنموذج القياسي هما أقوى حجة ضد دفع 4× مقابل النسخة الاستدلالية، ورقم الساحة في المؤشر مجمّد عند الأهلية لا مباشرًا. الثالث هو تشغيلات مستقلة للفجوة الوكيلية نفسها: 68.6% مقابل 30.1% هو أكبر ادعاء في الإصدار وأجدره بإعادة الإنتاج، لأن كل ما عدا ذلك بشأن النموذجين متقارب.

حتى ذلك الحين، يعتمد الملخص الصادق على رقمين لا على رقم واحد. Gemini 3.8 Live Extended Thinking هو النموذج الصوتي الأعلى تقييمًا على اللوحة العامة، ويتصدّر المكوّن الوكيلي بلا منازع، ويأتي بسعر أقل من النموذجين اللذين يليه مباشرة من حيث التكلفة بالساعة. أما Gemini 3.8 Live فهو أرخص نموذج صوتي كفء على تلك اللوحة، وتفضّله الساحة، وهو أكثر موثوقية في المهام السطحية، ويتخلف إجمالًا بـ6.6 نقطة مع سقف صارم عند الأمر الوحيد الذي يُوظَّف الوكلاء من أجله. لقد أطلقت Google التفرع نفسه مرتين، بفارق أربعة أضعاف في السعر، وجعلت الاختيار سهل التسعير على نحو غير معتاد — شريطة أن تقرأ المكونات لا المؤشر فحسب.