Présentation de Gemini 3.8 Live et de 3.8 Live Extended Thinking : Google scinde sa gamme vocale en deux

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.

Ce qui rend cette version différente de la mise à jour habituelle d’un modèle vocal, c’est que le clivage ne correspond pas à un palier de taille. Il s’agit d’un désaccord sur ce qu’est le travail d’un agent vocal. L’un de ces modèles est une interface conversationnelle. L’autre est un système de raisonnement qui se trouve être capable de parler.

Deux modèles, deux fonctions

La présentation de Google est inhabituellement claire à ce sujet. Gemini 3.8 Live est décrit comme « conçu pour l'évolutivité et l'efficacité des coûts, alliant intelligence conversationnelle à un dialogue fluide et à un ancrage visuel ». Gemini 3.8 Live Extended Thinking est « conçu pour les tâches à haute complexité, avec une intelligence accrue et un raisonnement en plusieurs étapes ».

La différence pratique apparaît dans la liste des capacités plutôt que dans la fiche technique :

• Gemini 3.8 Live — traitement des entrées visuelles en quasi-temps réel, basculement automatique en cours de conversation entre les 97 langues prises en charge, et exécution des outils/API en arrière-plan, de sorte que le modèle accuse réception d'une requête et continue de parler pendant que l'appel se termine.

• Gemini 3.8 Live Extended Thinking — raisonne et parle en même temps, décrivant sa progression avec des formules comme « Laissez-moi vérifier… » pendant qu'une tâche à plusieurs étapes s'exécute.

• Partagé — tous les audios générés portent le filigrane SynthID de Google, les deux sont couverts par une fiche de modèle publiée sous le nom gemini-3-8-audio, et les deux disposent désormais d'identifiants de modèle d'API documentés : gemini-3.8-live et gemini-3.8-live-extended-thinking.

Le modèle Extended Thinking n’est pas simplement 3.8 Live avec un budget de réflexion plus long. C’est celui qui peut mener une conversation et un plan de tâche simultanément sans que la conversation ne s’interrompe — ce qui est précisément ce qui fait échouer les agents vocaux en production. Un utilisateur ne veut pas de silence pendant que l’agent cherche une information. Il veut que l’agent continue de parler.

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 (première place)

• GPT-Live-1 (backend Astra, effort moyen) — 81,5

• Grok Voice Think Fast 2.0 High — 81,3

• GPT-Live-1 (backend Sol, faible effort) — 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 fuite qui est arrivée la première

Les modèles ont été repérés sur une page de quotas de Google Cloud la veille de l’annonce, et nous avons couvert cette observation à l’époque comme un slug non confirmé, sans fiche de modèle, sans tarification et sans confirmation de Google. Cet article avait raison sur le statut et tort sur le calendrier — la confirmation est arrivée en l’espace d’environ 24 heures.

La leçon mérite d’être consignée, car elle va à l’encontre de l’instinct habituel. Un slug divulgué un jour avant le lancement, c’est un lancement. Un slug divulgué sans document à l’appui pendant huit semaines, c’est une tout autre histoire. Le signal qui les distinguait n’était pas le slug ; c’était la présence d’une page de quotas, qui n’existe que lorsque la capacité a été provisionnée.

Combien ça coûte, par minute

Lors de l'annonce, les documents de Google ne séparaient pas les deux modèles sur le plan tarifaire — un tarif était indiqué pour le modèle standard, mais pas pour la variante de raisonnement, ce qui correspond à ce que consigne le tableau de bord ci-dessus. Cet écart a depuis été comblé. Les deux modèles disposent désormais de tarifs publiés via la Live API : 0,005 $ par minute d'entrée audio et 0,018 $ par minute de sortie audio, ce que Google a confirmé le 16 septembre lors du déploiement des deux modèles. La même grille tarifaire publiée couvre la tarification par jetons du palier Gemini 3 Live — 0,75 $ par million de jetons de texte en entrée et 4,50 $ en sortie, 3,00 $ par million de jetons audio en entrée et 12,00 $ en sortie, et 1,00 $ par million pour l'entrée d'images ou de vidéos — bien que ces lignes de tarification par jetons soient publiées pour le palier plutôt que par modèle ; il convient donc de les lire comme la grille tarifaire du palier et non comme un devis pour une variante spécifique.

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 $/heure, toujours en dessous des deux modèles qu'il surpasse en qualité

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

• GPT-Live-1 (backend Astra, effort moyen) — 5,83 $/heure

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

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

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.

Voilà la physionomie du classement. Google a fixé le prix de son modèle de raisonnement en dessous des deux modèles qu’il surpasse, et a fixé le prix de son modèle standard en dessous de tout ce qui figure au tableau. Si vous traitez des minutes vocales à grande échelle, c’est ce chiffre qui fait bouger votre facture, pas le score de l’indice — et le fait que les deux variantes présentent un écart de 4× signifie que choisir laquelle appeler est le plus grand levier de coût de la pile.

« Private preview » fait vraiment le travail dans cette phrase

Aucun des deux modèles n’est disponible de manière générale au sens contractuel, mais la surface développeur est ouverte et désormais tarifée, ce qui change ce que vous pouvez planifier :

• Gemini 3.8 Live — les développeurs y ont accès dans l'API Gemini, l'API Live et Google AI Studio sous l'identifiant documenté gemini-3.8-live ; les entreprises bénéficient d'un aperçu privé dans Gemini Enterprise, avec Gemini Enterprise for Customer Experience « bientôt disponible » ; tout le monde y a accès dans Search Live.

• Gemini 3.8 Live Extended Thinking — la même surface développeur sous gemini-3.8-live-extended-thinking, ainsi qu'un parcours grand public plus large : Gemini Live, Docs Live pour les abonnés Google AI Pro et Ultra, et Gmail Live et Keep Live pour tous les abonnés Google AI.

Ce qui manque encore, c'est la partie dont une entreprise a besoin : un engagement de disponibilité générale, un taux de disponibilité publié et un tarif que Google s'est engagé à maintenir. Si vous avez besoin de ces éléments, attendez. Si vous faites du prototypage, la voie est ouverte aujourd'hui, avec une vraie grille tarifaire à l'appui, ce qui constitue une position sensiblement meilleure qu'une préversion sans prix publié. Construire l'intégration maintenant est raisonnable ; mettre une ligne téléphonique vitale pour les revenus sur un objectif de disponibilité auquel Google ne s'est pas engagé ne l'est pas, et la solution à cela est décrite ci-dessous.

Là où se terminent les affirmations du fournisseur

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 couche sur laquelle ces agents s'exécutent réellement

Les deux modèles se trouvent devant un backend. L’exécution d’outils en arrière-plan, la planification de tâches en plusieurs étapes et le schéma de délégation que tout agent vocal sérieux utilise se résolvent tous en appels ordinaires à un modèle de texte — et c’est la couche qui présente la plus grande variabilité des coûts et le moins d’enfermement.

OrcaRouter propose 190 modèles à partir d'une seule clé, au prix catalogue du fournisseur et sans marge, ce qui signifie qu'une baisse de prix d'un laboratoire en amont est effective de notre côté le jour même, plutôt qu'à la prochaine renégociation de contrat. Pour une pile vocale dont le front-end est un modèle de préversion, les deux propriétés utiles sont que la cible de délégation peut être remplacée sans toucher à l'intégration vocale, et que le basculement automatique maintient un appel actif lorsqu'un backend renvoie une erreur ou expire. Pour être précis sur ce que nous hébergeons et ce que nous n'hébergeons pas : les points de terminaison Gemini 3.8 Live ne sont pas sur notre routeur — ils proviennent de l'API propre à Google — mais les modèles textuels auxquels ces agents confient très souvent le travail le sont, Gemini 3.8 Flash notamment.

Que regarder ensuite

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.