Einführung von Gemini 3.8 Live und 3.8 Live Extended Thinking: Google teilt seine Sprachlinie in zwei

Googles Gemini 3.8 Live und Gemini 3.8 Live Extended Thinkingerschienen am 15. September 2026 – eine Ankündigung, zwei Modelle und eine echte Gabelung in der Produktlinie. Die Zahl in der Schlagzeile ist ein Abstand von 6,6 Punkten im Speech-to-Speech-Index von Artificial Analysis, 82,6 zu 76,0. Die Zahl darunter ist 38. Beim τ-Voice-Maß desselben Boards für die Erledigung agentischer Aufgaben löst die Reasoning-Variante 68,6 % der nachgebildeten Kundenservice-Szenarien und das Standardmodell 30,1 %. Die 6,6 Punkte sind das, was der Index aussagt. Die 38 Punkte sind das, was passiert, wenn man eines der beiden Modelle bittet, tatsächlich etwas zu erledigen.

Einen Tag nach dem Launch bekommt der Fork ein Preisschild. Beide Modelle haben veröffentlichte Audio-Minutenpreise über die Live-API, und das Leaderboard von Artificial Analysis setzt die Kosten pro Stunde für Eingabe-Audio auf $0.84 für das Standardmodell gegenüber $3.50 für die Reasoning-Variante – etwas mehr als viermal so viel pro Stunde für diese 6,6 Indexpunkte. Diese Abwägung ist die ganze Entscheidung, und sie allein am Index abzulesen, führt zu einem falschen Ergebnis.

Was dieses Release von der üblichen Auffrischung von Sprachmodellen unterscheidet, ist, dass die Aufteilung keine Größenklasse ist. Es ist eine Meinungsverschiedenheit darüber, was die Aufgabe eines Sprachagenten ist. Eines dieser Modelle ist eine konversationelle Schnittstelle. Das andere ist ein Reasoningsystem, das zufällig spricht.

Zwei Modelle, zwei Aufgaben.

Googles eigene Darstellung ist diesbezüglich ungewöhnlich klar. Gemini 3.8 Live wird beschrieben als „für Skalierung und Kosteneffizienz entwickelt, wobei konversationelle Intelligenz mit flüssigem Dialog und visueller Verankerung kombiniert wird." Gemini 3.8 Live Extended Thinking ist „für hochkomplexe Aufgaben entwickelt, mit erhöhter Intelligenz und mehrstufigem Reasoning."

Der praktische Unterschied zeigt sich eher in der Funktionsliste als im Datenblatt:

• Gemini 3.8 Live — nahezu Echtzeit-Verarbeitung visueller Eingaben, automatische Umschaltung mitten im Gespräch zwischen 97 unterstützten Sprachen und Ausführung von Tools/APIs im Hintergrund, sodass das Modell eine Anfrage bestätigt und weiterspricht, während der Aufruf abgeschlossen wird.

• Gemini 3.8 Live Extended Thinking — denkt und spricht gleichzeitig und beschreibt den Fortschritt mit Hinweisen wie „Lass mich das kurz prüfen…", während eine mehrstufige Aufgabe läuft.

• Gemeinsam — alles generierte Audio trägt Googles SynthID-Wasserzeichen, beide sind durch eine Modellkarte abgedeckt, die unter dem Namen gemini-3-8-audio veröffentlicht wurde, und beide haben jetzt dokumentierte API-Modell-IDs: gemini-3.8-live und gemini-3.8-live-extended-thinking.

Das Extended-Thinking-Modell ist nicht einfach 3.8 Live mit einem längeren Denkbudget. Es ist dasjenige, das gleichzeitig ein Gespräch und einen Aufgabenplan aufrechterhalten kann, ohne dass das Gespräch ins Stocken gerät – und genau das ist der Punkt, an dem Voice-Agents im Produktivbetrieb scheitern. Ein Nutzer will keine Stille, während der Agent etwas nachschlägt. Er will, dass der Agent weiterredet.

Das Board zeigt 6.6. Die Komponenten zeigen 38.

Der Speech-to-Speech-Index ist ein gewichteter Durchschnitt aus vier zugrunde liegenden Ergebnissen: Speech Reasoning, gemessen anhand von Artificial Analysis' eigenem Big Bench Audio Set; Agentic Performance, gemessen durch Ausführung des τ-Voice-Kundenservice-Benchmarks; Arena Preference, entnommen aus der Speech Agent Arena; und Task Success Rate. Nur Modelle, die alle vier Komponenten aufweisen, erhalten einen Indexwert, weshalb einige Zeilen in dieser Übersicht leer bleiben.

Auseinandergenommen sehen die beiden neuen Modelle überhaupt nicht wie ein Paar mit 6,6 Punkten Unterschied aus:

• Sprache-zu-Sprache-Index — Gemini 3.8 Live Extended Thinking (High) 82,6 vs. Gemini 3.8 Live 76,0

• Agentische Leistung (Aufgabenabschluss bei τ-Voice) — 68,6 % vs. 30,1 %

• Sprachschlussfolgerung (Big Bench Audio) — 98 % vs. 92 %

• Gesprächsdynamik — 91,9 % vs. 96,1 %

• Arena-Präferenz (Elo) — 990 vs. 1083

• Aufgaben-Erfolgsrate — 89,1 % vs. 93,2 %

• Zeit bis zum ersten Audio — 1,35 s vs. 1,18 s

• Kosten pro Stunde für Eingabe-Audio — 3,50 $ vs. 0,84 $

Liest man es ehrlich, gewinnt das Standardmodell vier von acht Zeilen. Es ist schneller bis zum ersten Audio, wird von der Arena höher bewertet, schließt eine Aufgabe mit größerer Wahrscheinlichkeit ab und wird bei der Gesprächsdynamik besser bewertet. Außerdem kostet es nur ein Drittel. Was es nicht kann, ist die Arbeit zu erledigen, wenn die Arbeit Schritte hat: 30,1 % gegenüber 68,6 % ist die größte einzelne Lücke in dieser Veröffentlichung, und sie liegt auf der einen Achse, die einen Voice-Agenten von einem Voice-Interface trennt.

Zwei Einschränkungen, bevor diese Tabelle als gesichert gilt. Die im Index verwendete Arena-Präferenzzahl wird in dem Moment eingefroren, in dem ein Modell für die Veröffentlichung infrage kommt, sie bildet also nicht das Live-Elo im Chart der Speech Agent Arena ab – lies sie als Momentaufnahme, nicht als laufenden Punktestand. Und die τ-Voice-Abstände an der Spitze der Rangliste sind so knapp, dass sie Rauschen sein könnten: Die Reasoning-Variante liegt mit 68,6 % um 0,7 Punkte vor GPT-Live-1 mit 67,9 % (Astra-Backend, mittlerer Aufwand), während GPT-Live-1 (Sol, niedrig) mit 59,3 % und Grok Voice Think Fast 2.0 High mit 56,5 % dahinter liegen. Der 38-Punkte-Abstand zwischen den beiden Gemini-Modellen ist nicht knapp. Der 0,7-Punkte-Vorsprung gegenüber GPT-Live-1 schon.

Wo es im Index steht

Im folgenden Screenshot, aufgenommen am 16. September 2026, liest sich der obere Rand des Boards wie folgt:

• Gemini 3.8 Live Extended Thinking (High) — 82,6 (Erster Platz)

• GPT-Live-1 (Astra-Backend, mittlerer Aufwand) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (Sol-Backend, geringer Aufwand) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

Das ist der Grund für die Aufteilung in einem einzigen Überblick. Die Extended-Thinking-Variante belegt den Spitzenplatz und läuft unter dem (High)Reasoning-Effort-Label des Boards – dieselbe Konvention, die es für Grok Voice Think Fast 2.0 High und GPT-Realtime-2.1 High verwendet, und der Grund dafür, dass das Suffix „(High)", das Sie in der Berichterstattung an dieses Modell angehängt sehen, ein Konfigurationslabel und keine separate Veröffentlichung ist. Die Standardvariante landet auf Platz fünf – hinter zwei GPT-Live-1-Konfigurationen und hinter Grok. Googles eigener Blog beschreibt das Standardmodell als „äußerst kosteneffizient" und merkt an, es habe „einen zweiten Platz in der Speech Agent Arena gesichert", einem anderen Board, das etwas anderes misst. Beide Aussagen sind wahr. Zusammen gelesen besagen sie: 3.8 Live ist ein sehr gutes Konversationsmodell zu einem sehr guten Preis, und es ist nicht die Speerspitze der Sprachintelligenz.

Das Leck, das zuerst da war

Die Modelle wurden am Tag vor der Ankündigung auf einer Google-Cloud-Kontingentseite entdeckt, und wir berichteten damals über diese Sichtung als unbestätigten Slug ohne Modellkarte, ohne Preisangaben und ohne Bestätigung von Google. Dieser Beitrag lag beim Status richtig und beim Zeitplan falsch – die Bestätigung kam innerhalb von ungefähr 24 Stunden.

Die Lektion ist es wert, festgehalten zu werden, denn sie läuft dem üblichen Instinkt zuwider. Ein geleakter Slug einen Tag vor dem Launch ist ein Launch. Ein geleakter Slug ohne bestätigende Unterlagen über acht Wochen hinweg ist etwas ganz anderes. Das Signal, das sie voneinander unterschied, war nicht der Slug; es war das Vorhandensein einer Quota-Seite, die nur existiert, wenn Kapazität bereitgestellt wurde.

Was es pro Minute kostet

Zum Zeitpunkt der Ankündigung trennten Googles Materialien die beiden Modelle preislich nicht — für das Standardmodell wurde ein Preis angegeben, für die Reasoning-Variante nicht, was die obige Übersicht widerspiegelt. Diese Lücke hat sich inzwischen geschlossen. Beide Modelle haben inzwischen veröffentlichte Preise über die Live API: 0,005 $ pro Minute Audioeingabe und 0,018 $ pro Minute Audioausgabe, was Google am 16. September bestätigte, als die beiden eingeführt wurden. Dieselbe veröffentlichte Preisliste deckt auch die Token-Preise der Gemini 3 Live-Stufe ab — 0,75 $ pro 1 Mio. Text-Token bei der Eingabe und 4,50 $ bei der Ausgabe, 3,00 $ pro 1 Mio. Audio-Token bei der Eingabe und 12,00 $ bei der Ausgabe sowie 1,00 $ pro 1 Mio. für Bild- oder Videoeingabe — wobei diese Token-Zeilen für die Stufe und nicht pro Modell veröffentlicht werden, weshalb sie als Preisliste der Stufe zu lesen sind und nicht als Angebot für eine bestimmte Variante.

Artificial Analysis hat auch die Zahl eingetragen, die für die Planung am wichtigsten ist. Sein Leaderboard enthält jetzt eine Spalte für die Kosten pro Stunde Eingabe-Audio — die Kosten für die Bearbeitung eines festen Big Bench Audio-Subsets mit 40 Fragen, normalisiert auf einen Stundensatz — und beide neuen Modelle haben dort einen Wert:

• Gemini 3.8 Live — 0,84 $/Stunde für Eingabe-Audio, der niedrigste bezahlte Satz auf diesem Board

• Gemini 3.8 Live Extended Thinking (High) — 3,50 $/Stunde, und liegt damit weiterhin unter beiden Modellen, die es bei der Qualität übertrifft

• Grok Voice Think Fast 2.0 High — 4,80 $/Stunde

• GPT-Live-1 (Astra-Backend, mittlerer Aufwand) — 5,83 $/Stunde

• GPT-Realtime-2 (High) — 4,14 $/Stunde

• GPT-Realtime-2.1 High — 10,75 $/Stunde

Ein Hinweis zu den obigen Aufnahmen: Da das Kostenpanel im Bestenlisten-Screenshot vor diesen beiden Zeilen entstanden ist, taucht weder $0.84 noch $3.50 darin auf, und sein günstigster Balken ist $1.42. Die Zahlen in der Liste stammen aus der Zusammenfassungstabelle der Bestenliste in ihrem Stand vom 16. September 2026, nicht aus diesem Bild. Die im Bild gezeigten Indexwerte sind davon unberührt und stimmen mit der Tabelle überein.

Liest man die beiden neuen Zahlen gegen die oben genannten Komponenten, hört das Release auf, eine Ankündigung zweier Modelle zu sein, und wird zu einer einzigen Entscheidung mit einem veröffentlichten Wechselkurs. Die Reasoning-Variante erkauft für etwas mehr als das Vierfache der stündlichen Audio-Kosten 6,6 Indexpunkte, sechs Punkte beim Sprach-Reasoning und 38,5 Punkte beim Abschluss agentischer Aufgaben. Ob es sich lohnt, das zu bezahlen, hängt ganz davon ab, was Ihr Agent tut – und die Gestalt der Antwort änderte sich, sobald die Komponenten veröffentlicht wurden. Ein Voice-Agent, dessen Aufgabe es ist, eine mehrstufige Aufgabe abzuschließen, erwirbt die mit Abstand größte Verbesserung in diesem Release – bei 3,50 $ pro Stunde, während er GPT-Live-1 Astra um etwa 40 % und Grok Voice Think Fast 2.0 High um rund ein Viertel unterbietet und dabei besser abschneidet als beide. Ein Voice-Agent, dessen Aufgabe das Gespräch ist – antworten, den Faden halten, eine Nachricht entgegennehmen, angenehm sein –, bekommt mit zusätzlicher Reasoning-Tiefe sehr wenig, und für 0,84 $ pro Stunde bekommt er das günstigste kompetente Voice-Modell, das derzeit überhaupt jemand veröffentlicht.

So sieht die Liste aus. Google hat sein Reasoning-Modell unter den zwei Modellen bepreist, die es schlägt, und sein Standardmodell unter allem, was sonst auf dem Tableau steht. Wenn Sie Sprachminuten in großem Volumen abwickeln, ist es diese Zahl, die Ihre Rechnung bestimmt, nicht der Index-Score — und die Tatsache, dass die beiden Varianten um den Faktor 4 auseinanderliegen, bedeutet, dass die Wahl, welche man aufruft, der mit Abstand größte Kosthebel im gesamten Stack ist.

„Private preview“ leistet in diesem Satz echte Arbeit.

Keines der beiden Modelle ist im vertraglichen Sinne allgemein verfügbar, aber die Entwickleroberfläche ist offen und jetzt bepreist, was ändert, worauf Sie planen können:

• Gemini 3.8 Live — Entwickler erhalten es in der Gemini API, der Live API und Google AI Studio unter der dokumentierten ID gemini-3.8-live; Unternehmen erhalten eine private Vorschau in Gemini Enterprise, Gemini Enterprise for Customer Experience ist „demnächst verfügbar“; für alle ist es in Search Live verfügbar.

• Gemini 3.8 Live Extended Thinking — dieselbe Entwickleroberfläche unter gemini-3.8-live-extended-thinking, plus einen breiteren Verbraucherpfad: Gemini Live, Docs Live für Google AI Pro- und Ultra-Abonnenten sowie Gmail Live und Keep Live für alle Google AI-Abonnenten.

Was noch fehlt, ist der Teil, den ein Unternehmen braucht: eine Zusage zur allgemeinen Verfügbarkeit, eine veröffentlichte Uptime-Zahl und einen Preis, den Google zugesagt hat, zu halten. Wenn Sie das brauchen, warten Sie. Wenn Sie prototypen, ist der Weg heute offen, mit einem echten Preisblatt dahinter, was eine deutlich bessere Position ist als eine Vorschau ohne veröffentlichten Preis. Die Integration jetzt zu bauen, ist vernünftig; eine umsatzkritische Telefonleitung auf ein Verfügbarkeitsziel zu stützen, zu dem Google sich nicht verpflichtet hat, ist es nicht, und die Lösung dafür wird unten beschrieben.

Wo die Angaben des Anbieters enden

Google veröffentlichte parallel zum Launch eigene Zahlen pro Komponente – 68,6 % bei τ-Voice, 35,1 % auf dem τ³-Banking-Leaderboard von Sierra und 97,7 % bei Big Bench Audio, alle dem Extended-Thinking-Modell zugeschrieben. Diese teilen sich nun in zwei Gruppen auf, und die Aufteilung ist entscheidend.

Zwei von drei decken sich mit Messungen, die Artificial Analysis selbst unter eigenem Harness durchführt. Die agentische τ-Voice-Komponente kommt für dieses Modell auf 68,6 %, gegenüber 67,9 % für GPT-Live-1 Astra und 56,5 % für Grok Voice Think Fast 2.0; die Big-Bench-Audio-Komponente für Sprachschlussfolgerungen kommt auf 98 %, gegenüber Googles 97,7 %. Artificial Analysis beschreibt τ-Voice und Big Bench Audio als eigene Benchmarks, die, sofern verfügbar, über drei Versuchsläufe hinweg ausgeführt werden. Die τ-Voice- und Reasoning-Werte stehen jetzt also auf einem öffentlichen Board, das Sie selbst nachlesen können, nicht nur in Googles Ankündigung — betrachten Sie sie als untermauert statt als abschließend geklärt, da es sich bei den genauen Zahlen, die Google genannt hat, durchaus um denselben Durchlauf handeln kann und nicht um einen zweiten.

Die Sierra-Zahl hat keine solche Grundlage und bleibt eine Anbieterangabe: 35,1 % auf der τ³-Banking-Bestenliste von Sierra gegenüber 32,0 % für GPT-Live-1 Astra und 16,5 % für xAI-Realtime. Es ist außerdem die Zahl, bei der man verweilen sollte, denn 35,1 % bedeuten, dass das führende Voice-Modell auf dieser Bestenliste bei etwa zwei von drei realistischen Versuchen, eine Banking-Aufgabe abzuschließen, scheitert. Google verweist außerdem auf einen ServiceNow EVA-Bench-Durchlauf, der auf der Live API in Gemini Enterprise Agent Platform durchgeführt wurde, und beschreibt beide Modelle als diejenigen, die die Pareto-Grenze für komplexe Workflows verschieben — wobei weder für die eine noch für die andere eine unabhängige Auswertung vorliegt.

Es gibt hier einen Präzedenzfall, den es sich zu merken lohnt. xAI meldete im Juli für Grok Voice Think Fast 2.0 einen Wert von 82,9 im Speech to Speech Index. In dem oben erfassten Board steht dieses Modell bei 81,3. Von Anbietern gemeldete Indexwerte überstehen nicht immer den Kontakt mit einem Live-Leaderboard – meistens, weil der Index überarbeitet wird, manchmal, weil die getestete Konfiguration nicht die war, die ausgeliefert wurde. Verifizieren Sie die τ-Voice- und Big Bench-Zahlen anhand Ihres eigenen Traffics, und betrachten Sie die agentische Spalte als diejenige, die am härtesten getestet werden muss.

Die Ebene, auf der diese Agenten tatsächlich laufen

Beide Modelle sitzen vor einem Backend. Hintergrund-Tool-Ausführung, mehrstufige Aufgabenplanung und das Delegationsmuster, das jeder ernsthafte Voice-Agent verwendet, laufen alle auf gewöhnliche Textmodell-Aufrufe hinaus – und das ist die Ebene mit der größten Kostenvarianz und dem geringsten Lock-in.

OrcaRouter bietet 190 Modelle über einen einzigen Schlüssel zum Listenpreis des Anbieters ohne Aufschlag, was bedeutet, dass eine Preissenkung eines vorgelagerten Labors bei uns am selben Tag wirksam wird und nicht erst bei der nächsten Vertragsverlängerung. Für einen Voice-Stack, bei dem das Frontend ein Vorschaumodell ist, sind die zwei nützlichen Eigenschaften, dass das Delegationsziel ausgetauscht werden kann, ohne die Voice-Integration anzufassen, und dass ein automatisches Failover einen Anruf am Leben hält, wenn ein Backend einen Fehler wirft oder ein Timeout auftritt. Um präzise zu sein, was wir hosten und was nicht: Die Gemini 3.8 Live-Endpunkte sind nicht auf unserem Router – diese stammen von Googles eigener API –, aber die Textmodelle, an die diese Agenten Arbeit abgeben, sind es sehr oft, darunter Gemini 3.8 Flash.

Was als Nächstes ansehen

Drei Dinge werden die offenen Fragen in diesem Release klären. Das erste ist die allgemeine Verfügbarkeit und ein Tarif, den Google zu halten zugesagt hat — die Preise sind jetzt veröffentlicht, aber Vorschau-Preise ändern sich erfahrungsgemäß, und eine Preisliste ist kein Vertrag. Das zweite ist, ob die Arena- und Task-Erfolgs-Spalten standhalten, weil die 1083 Elo und 93,2 % Task-Erfolg des Standardmodells das stärkste Argument dagegen sind, das Vierfache für die Reasoning-Variante zu zahlen, und die Arena-Zahl des Index ist zum Zeitpunkt der Zulassung eingefroren statt live. Das dritte sind unabhängige Läufe zur agentischen Lücke selbst: 68,6 % gegenüber 30,1 % ist die größte Behauptung in diesem Release und die, die es am meisten wert ist, reproduziert zu werden, weil sich die beiden Modelle ansonsten kaum unterscheiden.

Bis dahin stützt sich die ehrliche Zusammenfassung auf zwei Zahlen statt auf eine. Gemini 3.8 Live Extended Thinking ist das Voice-Modell mit der besten Bewertung auf dem öffentlichen Leaderboard, führt die agentische Komponente klar an und unterbietet die beiden Modelle direkt hinter ihm bei den stündlichen Kosten. Gemini 3.8 Live ist das günstigste kompetente Voice-Modell auf diesem Leaderboard, wird von der Arena bevorzugt und ist bei oberflächlichen Aufgaben zuverlässiger, und liegt insgesamt 6,6 Punkte zurück, mit einer harten Obergrenze bei der einen Sache, für die Agenten engagiert werden. Google hat dieselbe Gabelung zweimal auf den Markt gebracht, mit einem Preisunterschied um den Faktor vier, und die Wahl ungewöhnlich leicht zu bewerten gemacht – vorausgesetzt, man liest die Komponenten und nicht nur den Index.