מציגים את Gemini 3.8 Live ו-3.8 Live Extended Thinking: Google מפצלת את קו המוצרים הקוליים שלה לשניים

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.

מה שמייחד את ההשחרור הזה מרענון שגרתי של מודלים קוליים הוא שהפיצול אינו דרגת גודל. זוהי אי-הסכמה לגבי מהו תפקידו של סוכן קולי. אחד מהמודלים האלה הוא ממשק שיחתי. האחר הוא מערכת הסקה שבמקרה מדברת.

שני דגמים, שתי עבודות

הניסוח של גוגל עצמה נקי באופן יוצא דופן בנוגע לכך. Gemini 3.8 Live מתואר כ"בנוי לקנה מידה וליעילות עלויות, בשילוב תבונה שיחתית עם דיאלוג זורם ועיגון חזותי". Gemini 3.8 Live Extended Thinking "בנוי למשימות מורכבות במיוחד, עם תבונה מוגברת וחשיבה רב-שלבית".

ההבדל המעשי מתגלה ברשימת היכולות ולא בגיליון המפרט:

• Gemini 3.8 Live — עיבוד קלט חזותי כמעט בזמן אמת, מעבר אוטומטי באמצע השיחה בין 97 שפות נתמכות, והרצת כלים/API ברקע כך שהמודל מאשר בקשה וממשיך לדבר בזמן שהקריאה מסתיימת.

• Gemini 3.8 Live Extended Thinking — מנמק ומדבר בו-זמנית, ומתאר את ההתקדמות ברמזים כמו "תן לי לבדוק את זה…" בזמן שמשימה רבת-שלבים מתבצעת.

• משותף — כל אודיו שנוצר נושא את סימן המים SynthID של Google, שניהם מכוסים בכרטיס מודל שפורסם בשם gemini-3-8-audio, ושניהם כוללים כעת מזהי מודל API מתועדים: gemini-3.8-live וגם gemini-3.8-live-extended-thinking.

מודל Extended Thinking אינו פשוט 3.8 Live עם תקציב חשיבה ארוך יותר. הוא המודל שמסוגל לקיים שיחה ולתחזק תוכנית משימה בו-זמנית בלי שהשיחה תיתקע — וזה בדיוק הדבר שגורם לסוכני קול להיכשל בפרודקשן. משתמש לא רוצה שקט בזמן שהסוכן מחפש משהו. הוא רוצה שהסוכן ימשיך לדבר.

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 (מקום ראשון)

• GPT-Live-1 (צד שרת Astra, מאמץ בינוני) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (בקאנד Sol, מאמץ נמוך) — 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.

ההדלפה שהגיעה לשם ראשונה

המודלים נצפו בדף מכסות של Google Cloud יום לפני ההכרזה, וסיקרנו את התצפית ההיא בזמנו כסלאג לא מאומת בלי כרטיס מודל, בלי תמחור ובלי אישור מגוגל. הפוסט ההוא צדק לגבי הסטטוס וטעה לגבי לוח הזמנים — האישור הגיע בתוך כ-24 שעות.

השיעור הזה ראוי לתיעוד, משום שהוא מנוגד לאינסטינקט הרגיל. סלאג שהודלף יום אחד לפני ההשקה הוא השקה. סלאג שהודלף בלי מסמכים מאמתים במשך שמונה שבועות הוא דבר אחר לגמרי. האות שהבדיל ביניהם לא היה הסלאג; היא הייתה נוכחותו של דף מכסה, שקיים רק כשקיבולת הוקצתה.

מה זה עולה, לדקה

בעת ההכרזה, החומרים של גוגל לא הפרידו בין שני המודלים מבחינת מחיר — למודל הסטנדרטי ניתן תעריף ולגרסת ההיסק לא, וזה מה שלוח התוצאות שלמעלה מתעד. הפער הזה נסגר מאז. שני המודלים מציגים כעת תמחור מפורסם דרך ה-Live API: ‏$0.005 לדקת קלט אודיו ו-$0.018 לדקת פלט אודיו, אשר גוגל אישרה ב-16 בספטמבר עם השקתם של השניים. אותו לוח תעריפים מפורסם מכסה את תמחור הטוקנים של שכבת Gemini 3 Live — ‏$0.75 לכל מיליון טוקני טקסט בקלט ו-$4.50 בפלט, ‏$3.00 לכל מיליון טוקני אודיו בקלט ו-$12.00 בפלט, ו-$1.00 לכל מיליון עבור קלט תמונה או וידאו — אם כי שורות הטוקנים הללו מפורסמות עבור השכבה ולא לפי מודל, ולכן יש לקרוא אותן כלוח התעריפים של השכבה ולא כהצעת מחיר לווריאנט מסוים.

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 לשעה, עדיין מתחת לשני המודלים שהוא עולה עליהם באיכות

• Grok Voice Think Fast 2.0 High — $4.80 לשעה

• GPT-Live-1 (בקאנד Astra, מאמץ בינוני) — $5.83 לשעה

• GPT-Realtime-2 (High) — $4.14 לשעה

• GPT-Realtime-2.1 High — $10.75 לשעה

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.

זה המבנה של הרשימה. Google תמחרה את מודל החשיבה שלה מתחת לשני המודלים שהיא מנצחת, ותמחרה את המודל הסטנדרטי שלה מתחת לכל דבר בטבלה. אם אתם מריצים דקות קול בכמויות גדולות, זה המספר שמזיז את החשבון שלכם, לא ציון המדד — והעובדה ששתי הווריאציות נמצאות במרחק של פי 4 זו מזו אומרת שהבחירה באיזו מהן לקרוא היא מנוף העלויות הגדול ביותר בסטאק.

"תצוגה מקדימה פרטית" עושה עבודה של ממש במשפט הזה.

אף אחד משני המודלים אינו זמין באופן כללי במובן החוזי, אבל משטח המפתחים פתוח וכעת מתומחר, וזה משנה את מה שאפשר לתכנן עליו:

• Gemini 3.8 Live — מפתחים מקבלים אותו ב-Gemini API, ב-Live API וב-Google AI Studio תחת המזהה המתועד gemini-3.8-live; ארגונים מקבלים תצוגה מקדימה פרטית ב-Gemini Enterprise, כאשר Gemini Enterprise for Customer Experience "בקרוב"; כולם מקבלים אותו ב-Search Live.

• Gemini 3.8 Live Extended Thinking — אותו משטח מפתחים תחת gemini-3.8-live-extended-thinking, ובנוסף מסלול צרכני רחב יותר: Gemini Live, Docs Live למנויי Google AI Pro ו-Ultra, ו-Gmail Live ו-Keep Live לכל מנויי Google AI.

מה שעדיין חסר הוא החלק שארגון צריך: התחייבות לזמינות כללית, נתון זמינות מפורסם, ותעריף שגוגל הבטיחה לשמור. אם אתה צריך את אלה, חכה. אם אתה בונה אב טיפוס, הדרך פתוחה היום עם לוח תעריפים אמיתי מאחוריה, וזה מצב טוב באופן מהותי מתצוגה מקדימה בלי מחיר מפורסם. לבנות את האינטגרציה עכשיו זה הגיוני; להעלות קו טלפון קריטי להכנסה על יעד זמינות שגוגל לא התחייבה אליו זה לא, והתיקון לכך מתואר למטה.

היכן שטענות הספק מסתיימות

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.

השכבה שעליה הסוכנים האלה למעשה פועלים

שני המודלים יושבים מול ה-backend. הרצת כלים ברקע, תכנון משימות רב-שלבי ותבנית ההאצלה שבה משתמש כל סוכן קולי רציני — כולם מתנקזים לקריאות רגילות של מודל טקסט, וזו השכבה בעלת השונות הגדולה ביותר בעלויות והנעילה המועטה ביותר.

OrcaRouter מספקת 190 מודלים ממפתח יחיד במחיר המחירון של הספק, ללא תוספת, מה שאומר שהנחה במחיר מצד מעבדה במעלה הזרם נכנסת לתוקף אצלנו באותו יום, ולא בחידוש החוזה הבא. עבור מערכת קולית שבה החזית היא מודל בתצוגה מקדימה, שתי התכונות המועילות הן שניתן להחליף את יעד ההאצלה בלי לגעת באינטגרציית הקול, ושמעבר אוטומטי לשרת גיבוי משאיר שיחה פעילה כאשר קצה אחורי מחזיר שגיאה או עובר לזמן קצוב. כדי לדייק במה אנחנו מארחים ומה לא: נקודות הקצה של Gemini 3.8 Live אינן בנתב שלנו — הן מגיעות מה-API של גוגל עצמה — אבל מודלי הטקסט שהסוכנים האלה מעבירים להם עבודה נמצאים שם לעתים קרובות מאוד, Gemini 3.8 Flash ביניהם.

מה לצפות בהמשך

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.