Presentamos Gemini 3.8 Live y 3.8 Live Extended Thinking: Google divide en dos su línea de voz

Google's Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking arrived on September 15, 2026 — one announcement, two models, and a genuine fork in the product line. The headline number is a 6.6-point gap on Artificial Analysis's Speech to Speech Index, 82.6 to 76.0. The number underneath it is 38. On the same board's τ-Voice agentic task completion measure, the reasoning variant resolves 68.6% of replica customer-service scenarios and the standard model resolves 30.1%. The 6.6 points are what the index says. The 38 points are what happens when you ask either model to actually get something done.

A day on from launch, the fork has a price attached. Both models carry published per-minute audio rates through the Live API, and Artificial Analysis's leaderboard puts cost-per-hour of input audio at $0.84 for the standard model against $3.50 for the reasoning variant — a little over four times as much per hour for those 6.6 index points. That trade is the whole decision, and reading it off the index alone gets it wrong.

Lo que hace que este lanzamiento sea diferente de la habitual renovación de un modelo de voz es que la división no es un nivel de tamaño. Es un desacuerdo sobre cuál es la función de un agente de voz. Uno de estos modelos es una interfaz conversacional. El otro es un sistema de razonamiento que resulta que habla.

Dos modelos, dos trabajos

El propio planteamiento de Google es inusualmente claro al respecto. Gemini 3.8 Live se describe como «diseñado para la escala y la eficiencia de costes, combinando inteligencia conversacional con un diálogo fluido y un anclaje visual». Gemini 3.8 Live Extended Thinking está «diseñado para tareas de alta complejidad, con mayor inteligencia y razonamiento de varios pasos».

La diferencia práctica se manifiesta en la lista de capacidades más que en la hoja de especificaciones:

• Gemini 3.8 Live — procesamiento de entrada visual casi en tiempo real, cambio automático a mitad de conversación entre 97 idiomas admitidos y ejecución de herramientas/API en segundo plano, de modo que el modelo acusa recibo de una solicitud y sigue hablando mientras finaliza la llamada.

• Gemini 3.8 Live Extended Thinking — razona y habla al mismo tiempo, narrando el progreso con indicaciones como «Déjame comprobar eso…» mientras se ejecuta una tarea de varios pasos.

• Compartido — todo el audio generado lleva la marca de agua SynthID de Google, ambos están cubiertos por una tarjeta de modelo publicada bajo el nombre gemini-3-8-audio, y ambos ahora tienen IDs de modelo de API documentados: gemini-3.8-live y gemini-3.8-live-extended-thinking.

El modelo Extended Thinking no es simplemente 3.8 Live con un presupuesto de pensamiento más largo. Es el que puede mantener una conversación y un plan de tarea simultáneamente sin que la conversación se estanque — que es precisamente lo que hace que los agentes de voz fallen en producción. Un usuario no quiere silencio mientras el agente busca algo. Quiere que el agente siga hablando.

The board says 6.6. The components say 38

The Speech to Speech Index is a weighted average of four underlying results: Speech Reasoning, measured by Artificial Analysis's own Big Bench Audio set; Agentic Performance, measured by running the τ-Voice customer-service benchmark; Arena Preference, taken from the Speech Agent Arena; and Task Success Rate. Only models with all four components receive an index score, which is why some rows on that board are blank.

Pulled apart, the two new models do not look like a 6.6-point pair at all:

• Speech to Speech Index — Gemini 3.8 Live Extended Thinking (High) 82.6 vs Gemini 3.8 Live 76.0

• Agentic performance (τ-Voice task completion) — 68.6% vs 30.1%

• Speech reasoning (Big Bench Audio) — 98% vs 92%

• Conversational dynamics — 91.9% vs 96.1%

• Arena preference (Elo) — 990 vs 1083

• Task success rate — 89.1% vs 93.2%

• Time to first audio — 1.35s vs 1.18s

• Cost per hour of input audio — $3.50 vs $0.84

Read it honestly and the standard model wins four of eight lines. It is faster to first audio, rated higher by the arena, more likely to complete a task, and rated better on conversational dynamics. It is also a third of the price. What it cannot do is finish the job when the job has steps: 30.1% against 68.6% is the largest single gap anywhere in this release, and it sits on the one axis that separates a voice agent from a voice interface.

Two caveats before that table gets treated as settled. The arena preference figure used in the index is frozen at the point a model becomes eligible for publication, so it does not track the live Elo on the Speech Agent Arena chart — read it as a snapshot, not a running score. And the τ-Voice margins at the top of the board are thin enough to be noise: the reasoning variant's 68.6% leads GPT-Live-1 at 67.9% (Astra backend, medium effort) by 0.7 points, with GPT-Live-1 (Sol, low) at 59.3% and Grok Voice Think Fast 2.0 High at 56.5% behind it. The 38-point gap between the two Gemini models is not thin. The 0.7-point lead over GPT-Live-1 is.

Where it sits on the index

In the capture below, taken on September 16, 2026, the top of the board reads like this:

• Gemini 3.8 Live Extended Thinking (High) — 82.6 (primer lugar)

• GPT-Live-1 (backend Astra, esfuerzo medio) — 81,5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (backend de Sol, esfuerzo bajo) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

That is the case for the split in one screen. The Extended Thinking variant takes the top spot, running at the board's (High) reasoning-effort label — the same convention it uses for Grok Voice Think Fast 2.0 High and GPT-Realtime-2.1 High, and the reason the "(High)" suffix you may see attached to this model in coverage is a configuration label rather than a separate release. The standard variant lands fifth — below two GPT-Live-1 configurations and below Grok. Google's own blog describes the standard model as "highly cost-effective" and notes it "secured a second place in the Speech Agent Arena," which is a different board measuring a different thing. Both statements are true. Read together they say: 3.8 Live is a very good conversational model at a very good price, and it is not the frontier of voice intelligence.

La filtración que llegó primero

Los modelos se detectaron en una página de cuotas de Google Cloud el día anterior al anuncio, y en su momento cubrimos ese avistamiento como un slug no confirmado, sin tarjeta de modelo, sin precios y sin confirmación de Google. Esa publicación acertó en cuanto al estado y se equivocó en cuanto a la cronología: la confirmación llegó en un plazo de aproximadamente 24 horas.

La lección merece quedar registrada, porque va en contra del instinto habitual. Un slug filtrado un día antes del lanzamiento es un lanzamiento. Un slug filtrado sin documentación que lo corrobore durante ocho semanas es algo completamente distinto. La señal que los separaba no era el slug; era la presencia de una página de cuota, que solo existe cuando se ha aprovisionado la capacidad.

Lo que cuesta, por minuto

En el momento del anuncio, los materiales de Google no separaban los dos modelos en cuanto al precio: al modelo estándar se le asignó una tarifa y a la variante de razonamiento no, que es lo que registra el cuadro de resultados anterior. Esa brecha se ha cerrado desde entonces. Ambos modelos ahora tienen precios publicados a través de la Live API: $0.005 por minuto de entrada de audio y $0.018 por minuto de salida de audio, lo cual Google confirmó el 16 de septiembre cuando ambos se lanzaron. La misma tarifa publicada cubre el precio por tokens del nivel Gemini 3 Live — $0.75 por 1M de tokens de texto de entrada y $4.50 de salida, $3.00 por 1M de tokens de audio de entrada y $12.00 de salida, y $1.00 por 1M para entrada de imagen o video —, aunque esas filas de tokens se publican para el nivel y no por modelo, así que léelas como la tarifa del nivel y no como una cotización para una variante específica.

Artificial Analysis has also filled in the number that matters most for planning. Its leaderboard now carries a cost-per-hour-of-input-audio column — the cost to complete a fixed 40-question Big Bench Audio subset, normalised to an hourly rate — and both new models have a figure there:

• Gemini 3.8 Live — $0.84/hour of input audio, the lowest paid rate on that board

• Gemini 3.8 Live Extended Thinking (High) — 3,50 $/hora, aún por debajo de ambos modelos a los que supera en calidad

• Grok Voice Think Fast 2.0 High — $4.80 por hora

• GPT-Live-1 (backend Astra, esfuerzo medio) — $5.83/hora

• GPT-Realtime-2 (High) — $4.14/hora

• GPT-Realtime-2.1 High — $10.75/hora

One note on the captures above, since the costs panel in the leaderboard screenshot predates these two rows: neither $0.84 nor $3.50 appears in it, and its cheapest bar is $1.42. The figures in the list are read from the board's summary table as it stands on September 16, 2026, not from that image. The index values shown in the image are unaffected and match the table.

Read the two new numbers against the components above and the release stops being a two-model announcement and becomes a single decision with a published exchange rate. The reasoning variant buys 6.6 index points, six points of speech reasoning and 38.5 points of agentic task completion for a little over four times the hourly audio cost. Whether that is worth paying depends entirely on what your agent is doing — and the shape of the answer changed once the components were published. A voice agent whose job is to finish a multi-step task is buying the single largest improvement in this release, at $3.50 an hour while undercutting GPT-Live-1 Astra by about 40% and Grok Voice Think Fast 2.0 High by roughly a quarter, and scoring above both. A voice agent whose job is to converse — answer, hold a thread, take a message, be pleasant — is buying very little with extra reasoning depth, and at $0.84 an hour it is buying the cheapest competent voice model anyone currently publishes.

Esa es la forma de la lista. Google ha puesto precio a su modelo de razonamiento por debajo de los dos modelos a los que supera, y ha puesto precio a su modelo estándar por debajo de todo lo que hay en la tabla. Si gestionas minutos de voz a escala, este es el número que mueve tu factura, no la puntuación del índice, y el hecho de que las dos variantes estén separadas por un factor de 4 significa que elegir a cuál llamar es la mayor palanca de costes del stack.

"Private preview" está haciendo un trabajo de verdad en esa frase.

Ninguno de los dos modelos está disponible de forma general en el sentido contractual, pero la superficie para desarrolladores está abierta y ahora tiene precio, lo que cambia aquello con lo que puedes contar:

• Gemini 3.8 Live — los desarrolladores lo obtienen en la API de Gemini, la API Live y Google AI Studio con el ID documentado gemini-3.8-live; las empresas obtienen una vista previa privada en Gemini Enterprise, con Gemini Enterprise for Customer Experience "próximamente"; todos lo obtienen en Search Live.

• Gemini 3.8 Live Extended Thinking — la misma superficie para desarrolladores bajo gemini-3.8-live-extended-thinking, además de una vía más amplia para consumidores: Gemini Live, Docs Live para suscriptores de Google AI Pro y Ultra, y Gmail Live y Keep Live para todos los suscriptores de Google AI.

Lo que aún falta es la parte que necesita una empresa: un compromiso de disponibilidad general, una cifra de tiempo de actividad publicada y una tarifa que Google haya prometido mantener. Si necesita esas cosas, espere. Si está creando un prototipo, el camino está abierto hoy y cuenta con una lista de precios real que lo respalda, lo cual es una posición sustancialmente mejor que una vista previa sin precio publicado. Construir la integración ahora es razonable; poner una línea telefónica crítica para los ingresos a depender de un objetivo de disponibilidad que Google no ha comprometido no lo es, y la solución para eso se describe a continuación.

Donde terminan las afirmaciones del proveedor

Google published per-component figures of its own alongside the launch — 68.6% on τ-Voice, 35.1% on Sierra's τ³-Banking leaderboard, and 97.7% on Big Bench Audio, all credited to the Extended Thinking model. Those now divide into two groups, and the split matters.

Two of the three line up with measurements Artificial Analysis runs itself under its own harness. Its τ-Voice agentic component reads 68.6% for this model, against 67.9% for GPT-Live-1 Astra and 56.5% for Grok Voice Think Fast 2.0; its Big Bench Audio speech-reasoning component reads 98%, against Google's 97.7%. Artificial Analysis describes τ-Voice and Big Bench Audio as its own benchmarks, run across three trials where available. So the τ-Voice and reasoning numbers now sit on a public board you can go and read, not only in Google's announcement — treat them as corroborated rather than settled, since the exact figures Google quoted may well be that same run rather than a second one.

The Sierra number has no such backing and remains a vendor claim: 35.1% on Sierra's τ³-Banking leaderboard against 32.0% for GPT-Live-1 Astra and 16.5% for xAI-Realtime. It is also the number worth sitting with, because 35.1% means the leading voice model on this board fails roughly two of every three realistic banking task-completion attempts. Google also cites a ServiceNow EVA-Bench run performed on the Live API in Gemini Enterprise Agent Platform, and describes both models as pushing the Pareto frontier for complex workflows — neither of which has an independent reading attached.

There is a precedent worth holding onto here. xAI reported a Speech to Speech Index figure of 82.9 for Grok Voice Think Fast 2.0 in July. On the board captured above, that model sits at 81.3. Vendor-reported index scores do not always survive contact with a live leaderboard — usually because the index is revised, sometimes because the configuration tested was not the one that shipped. Verify the τ-Voice and Big Bench numbers on your own traffic, and read the agentic column as the one to test hardest.

La capa en la que realmente se ejecutan estos agentes

Ambos modelos se sitúan frente a un backend. La ejecución de herramientas en segundo plano, la planificación de tareas de varios pasos y el patrón de delegación que utiliza todo agente de voz serio se resuelven en llamadas ordinarias a modelos de texto — y esa es la capa con la mayor variación de costos y el menor grado de lock-in.

OrcaRouter incluye 190 modelos desde una sola clave al precio de lista del proveedor y sin sobreprecio, lo que significa que una rebaja de precio de un laboratorio upstream se aplica de nuestro lado el mismo día, y no en la próxima renovación del contrato. Para un stack de voz donde el front-end es un modelo de vista previa, las dos propiedades útiles son que el destino de delegación se puede cambiar sin tocar la integración de voz, y que la conmutación por error automática mantiene activa una llamada cuando un backend falla o se agota el tiempo de espera. Para ser precisos sobre lo que alojamos y lo que no alojamos: los endpoints de Gemini 3.8 Live no están en nuestro router —esos vienen de la propia API de Google—, pero los modelos de texto a los que estos agentes delegan trabajo muy a menudo sí lo están, Gemini 3.8 Flash entre ellos.

Qué ver a continuación

Three things will settle the open questions in this release. The first is general availability and a rate Google has committed to hold — the prices are published now, but preview pricing has a habit of moving, and a rate card is not a contract. The second is whether the arena and task-success columns hold up, because the standard model's 1083 Elo and 93.2% task success are the strongest argument against paying 4× for the reasoning variant, and the index's arena figure is frozen at eligibility rather than live. The third is independent runs on the agentic gap itself: 68.6% against 30.1% is the largest claim in the release and the one most worth reproducing, because everything else about the two models is close.

Until then, the honest summary runs on two numbers rather than one. Gemini 3.8 Live Extended Thinking is the best-scoring voice model on the public board, leads the agentic component outright, and undercuts the two models directly behind it on hourly cost. Gemini 3.8 Live is the cheapest competent voice model on that board, is preferred by the arena and more reliable on shallow tasks, and sits 6.6 points back overall with a hard ceiling at the one thing agents get hired for. Google has shipped the same fork twice, four times apart on price, and made the choice unusually easy to price — provided you read the components and not just the index.