Memperkenalkan Gemini 3.8 Live dan 3.8 Live Extended Thinking: Google Membagi Lini Suaranya Menjadi Dua

GoogleGemini 3.8 Live dan Gemini 3.8 Live Extended Thinking hadir pada 15 September 2026 — satu pengumuman, dua model, dan percabangan nyata dalam lini produk. Angka utamanya adalah selisih 6,6 poin pada Speech to Speech Index dari Artificial Analysis, 82,6 berbanding 76,0. Angka di baliknya adalah 38. Pada ukuran penyelesaian tugas agentik τ-Voice dari papan yang sama, varian penalaran menyelesaikan 68,6% skenario layanan pelanggan replika dan model standar menyelesaikan 30,1%. Angka 6,6 poin adalah apa yang dikatakan indeks tersebut. Angka 38 poin adalah apa yang terjadi ketika Anda meminta salah satu model untuk benar-benar menyelesaikan sesuatu.

Sehari setelah peluncuran, percabangan ini punya harga yang melekat. Kedua model mencantumkan tarif audio per menit yang dipublikasikan melalui Live API, dan papan peringkat Artificial Analysis menempatkan biaya per jam audio masukan pada $0,84 untuk model standar versus $3,50 untuk varian penalaran — sedikit lebih dari empat kali lipat per jam demi 6,6 poin indeks tersebut. Pertukaran itulah seluruh keputusannya, dan membacanya hanya dari indeks akan keliru.

Yang membuat rilis ini berbeda dari penyegaran model suara biasa adalah bahwa pembagiannya bukanlah tingkatan ukuran. Ini adalah ketidaksepakatan tentang apa tugas sebuah agen suara. Salah satu dari model ini adalah antarmuka percakapan. Yang lainnya adalah sistem penalaran yang kebetulan berbicara.

Dua model, dua pekerjaan

Kerangka Google sendiri luar biasa jelas tentang hal ini. Gemini 3.8 Live dijelaskan sebagai "dibangun untuk skala dan efisiensi biaya, menggabungkan kecerdasan percakapan dengan dialog yang lancar dan landasan visual." Gemini 3.8 Live Extended Thinking adalah "dibangun untuk tugas-tugas kompleksitas tinggi, dengan kecerdasan yang meningkat dan penalaran multi-langkah."

Perbedaan praktisnya terlihat pada daftar kemampuan, bukan pada lembar spesifikasi:

• Gemini 3.8 Live — pemrosesan input visual yang hampir real-time, pengalihan otomatis di tengah percakapan di antara 97 bahasa yang didukung, serta eksekusi tool/API di latar belakang sehingga model mengakui permintaan dan terus berbicara sementara panggilan tersebut diselesaikan.

• Gemini 3.8 Live Extended Thinking — bernalar dan berbicara pada saat yang sama, menuturkan kemajuannya dengan petunjuk seperti "Coba saya periksa…" selagi tugas bertahap berjalan.

• Dibagikan — semua audio yang dihasilkan membawa watermark SynthID milik Google, keduanya tercakup dalam kartu model yang diterbitkan dengan nama gemini-3-8-audio, dan keduanya kini memiliki ID model API yang terdokumentasi: gemini-3.8-live dan gemini-3.8-live-extended-thinking.

Model Extended Thinking bukan sekadar 3.8 Live dengan anggaran berpikir yang lebih panjang. Model ini adalah model yang dapat mempertahankan percakapan dan rencana tugas secara bersamaan tanpa percakapan menjadi macet — yang justru merupakan hal yang membuat agen suara gagal di produksi. Pengguna tidak ingin ada keheningan saat agen mencari sesuatu. Mereka ingin agen terus berbicara.

Papan menunjukkan 6.6. Komponen menunjukkan 38.

Indeks Speech to Speech adalah rata-rata tertimbang dari empat hasil dasar: Speech Reasoning, diukur dengan set Big Bench Audio milik Artificial Analysis sendiri; Agentic Performance, diukur dengan menjalankan tolok ukur layanan pelanggan τ-Voice; Arena Preference, diambil dari Speech Agent Arena; dan Task Success Rate. Hanya model yang memiliki keempat komponen tersebut yang menerima skor indeks, itulah sebabnya beberapa baris di papan itu kosong.

Jika dibedah, dua model baru itu sama sekali tidak terlihat seperti sepasang model dengan selisih 6,6 poin:

• Indeks Speech to Speech — Gemini 3.8 Live Extended Thinking (High) 82,6 vs Gemini 3.8 Live 76,0

• Performa agentik (penyelesaian tugas τ-Voice) — 68,6% vs 30,1%

• Penalaran bicara (Big Bench Audio) — 98% vs 92%

• Dinamika percakapan — 91,9% vs 96,1%

• Preferensi Arena (Elo) — 990 vs 1083

• Tingkat keberhasilan tugas — 89,1% vs 93,2%

• Waktu hingga audio pertama — 1,35 detik vs 1,18 detik

• Biaya per jam audio masukan — $3,50 vs $0,84

Baca secara jujur dan model standar menang di empat dari delapan baris. Ia lebih cepat mencapai audio pertama, dinilai lebih tinggi oleh arena, lebih mungkin menyelesaikan tugas, dan dinilai lebih baik dalam dinamika percakapan. Harganya juga sepertiganya. Yang tidak dapat dilakukannya adalah menyelesaikan pekerjaan ketika pekerjaan itu memiliki langkah-langkah: 30,1% versus 68,6% adalah kesenjangan tunggal terbesar di mana pun dalam rilis ini, dan kesenjangan itu berada pada satu sumbu yang membedakan agen suara dari antarmuka suara.

Dua catatan sebelum tabel itu dianggap final. Angka preferensi arena yang digunakan dalam indeks dibekukan pada titik ketika sebuah model memenuhi syarat untuk dipublikasikan, jadi angka itu tidak melacak Elo live pada grafik Speech Agent Arena — baca sebagai snapshot, bukan skor berjalan. Dan margin τ-Voice di bagian atas papan peringkat cukup tipis untuk bisa jadi noise: varian reasoning sebesar 68,6% memimpin GPT-Live-1 pada 67,9% (backend Astra, medium effort) dengan selisih 0,7 poin, dengan GPT-Live-1 (Sol, low) pada 59,3% dan Grok Voice Think Fast 2.0 High pada 56,5% di belakangnya. Selisih 38 poin antara dua model Gemini tidak tipis. Keunggulan 0,7 poin atas GPT-Live-1 tipis.

Di mana posisinya pada indeks

Dalam tangkapan di bawah ini, yang diambil pada 16 September 2026, bagian atas papan berbunyi seperti ini:

• Gemini 3.8 Live Extended Thinking (High) — 82.6 (peringkat pertama)

• GPT-Live-1 (backend Astra, upaya sedang) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (backend Sol, upaya rendah) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 Tinggi — 73.9

• Gemini 3.1 Flash Live High — 71.5

Itulah yang terjadi pada pemisahan dalam satu layar. Varian Extended Thinking menempati posisi teratas, berjalan pada label upaya penalaran (High) milik papan — konvensi yang sama yang digunakan untuk Grok Voice Think Fast 2.0 High dan GPT-Realtime-2.1 High, dan alasan akhiran "(High)" yang mungkin Anda lihat melekat pada model ini dalam liputan adalah label konfigurasi, bukan rilis terpisah. Varian standar berada di peringkat kelima — di bawah dua konfigurasi GPT-Live-1 dan di bawah Grok. Blog Google sendiri menggambarkan model standar sebagai "sangat hemat biaya" dan mencatat bahwa model itu "meraih tempat kedua di Speech Agent Arena," yang merupakan papan berbeda yang mengukur hal yang berbeda. Kedua pernyataan itu benar. Jika dibaca bersama, keduanya menyatakan: 3.8 Live adalah model percakapan yang sangat baik dengan harga yang sangat baik, dan model itu bukanlah ujung terdepan kecerdasan suara.

Kebocoran yang tiba lebih dulu

Model-model itu terlihat di halaman kuota Google Cloud sehari sebelum pengumuman, dan kami meliput penampakan tersebut saat itu sebagai slug yang belum dikonfirmasi tanpa kartu model, tanpa harga, dan tanpa konfirmasi Google. Postingan itu benar soal statusnya dan salah soal linimasa — konfirmasinya datang dalam waktu sekitar 24 jam.

Pelajaran ini layak dicatat, karena bertentangan dengan naluri yang biasa. Slug yang bocor sehari sebelum peluncuran adalah peluncuran. Slug yang bocor tanpa dokumen pendukung selama delapan minggu adalah hal yang sama sekali berbeda. Sinyal yang membedakan keduanya bukanlah slug; melainkan keberadaan halaman kuota, yang hanya ada ketika kapasitas telah disediakan.

Berapa biayanya, per menit

Saat pengumuman, materi Google tidak memisahkan kedua model dari segi harga — model standar diberi tarif sementara varian penalaran tidak, dan itulah yang dicatat oleh papan skor di atas. Kesenjangan itu kini sudah tertutup. Kedua model kini memiliki harga yang dipublikasikan melalui Live API: $0,005 per menit untuk input audio dan $0,018 per menit untuk output audio, yang dikonfirmasi Google pada 16 September saat keduanya diluncurkan. Kartu tarif terbitan yang sama juga mencakup harga token untuk tier Gemini 3 Live — $0,75 per 1 juta token teks masuk dan $4,50 keluar, $3,00 per 1 juta token audio masuk dan $12,00 keluar, serta $1,00 per 1 juta untuk input gambar atau video — meskipun baris-baris token tersebut dipublikasikan untuk tier, bukan per model, jadi bacalah sebagai kartu tarif tier tersebut dan bukan sebagai penawaran harga untuk varian tertentu.

Artificial Analysis juga telah mengisi angka yang paling penting untuk perencanaan. Papan peringkatnya kini memuat kolom biaya per jam audio masukan — biaya untuk menyelesaikan subset Big Bench Audio tetap yang berisi 40 pertanyaan, dinormalisasi ke tarif per jam — dan kedua model baru itu memiliki angka di sana:

• Gemini 3.8 Live — $0.84/jam audio masukan, tarif berbayar terendah di papan tersebut

• Gemini 3.8 Live Extended Thinking (High) — $3,50/jam, masih di bawah kedua model yang dikalahkannya dalam hal kualitas

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

• GPT-Live-1 (backend Astra, upaya sedang) — $5,83/jam

• GPT-Realtime-2 (Tinggi) — $4,14/jam

• GPT-Realtime-2.1 High — $10.75/jam

Satu catatan tentang tangkapan di atas, karena panel biaya dalam tangkapan layar papan peringkat mendahului kedua baris ini: baik $0,84 maupun $3,50 tidak muncul di dalamnya, dan batang termurahnya adalah $1,42. Angka-angka dalam daftar dibaca dari tabel ringkasan papan sebagaimana kondisinya pada 16 September 2026, bukan dari gambar tersebut. Nilai indeks yang ditampilkan pada gambar tidak terpengaruh dan cocok dengan tabel.

Baca dua angka baru terhadap komponen di atas dan rilis ini tidak lagi menjadi pengumuman dua model dan menjadi satu keputusan dengan nilai tukar yang dipublikasikan. Varian penalaran membeli 6,6 poin indeks, enam poin penalaran bicara dan 38,5 poin penyelesaian tugas agentik dengan biaya sedikit lebih dari empat kali biaya audio per jam. Apakah itu layak dibayar sepenuhnya bergantung pada apa yang dilakukan agen Anda — dan bentuk jawabannya berubah setelah komponen-komponennya dipublikasikan. Agen suara yang tugasnya menyelesaikan tugas multi-langkah membeli peningkatan tunggal terbesar dalam rilis ini, dengan harga $3,50 per jam sambil memotong GPT-Live-1 Astra sekitar 40% dan Grok Voice Think Fast 2.0 High sekitar seperempat, dan skornya di atas keduanya. Agen suara yang tugasnya bercakap-cakap — menjawab, mempertahankan alur, menerima pesan, bersikap menyenangkan — hanya membeli sedikit dengan kedalaman penalaran tambahan, dan pada $0,84 per jam ia membeli model suara kompeten termurah yang dipublikasikan siapa pun saat ini.

Itulah bentuk daftarnya. Google telah menetapkan harga model penalarannya di bawah dua model yang dikalahkannya, dan menetapkan harga model standarnya di bawah semua yang ada di papan. Jika Anda menjalankan menit suara dalam volume besar, angka inilah yang menggerakkan tagihan Anda, bukan skor indeks — dan fakta bahwa kedua varian itu terpaut 4× berarti memilih mana yang akan dipanggil adalah pengungkit biaya tunggal terbesar di tumpukan.

"Private preview" benar-benar berperan penting dalam kalimat itu

Tidak satu pun dari model tersebut tersedia secara umum dalam pengertian kontraktual, tetapi permukaan pengembangnya terbuka dan kini memiliki harga, yang mengubah apa yang dapat Anda rencanakan:

• Gemini 3.8 Live — pengembang mendapatkannya di Gemini API, Live API, dan Google AI Studio dengan ID terdokumentasi gemini-3.8-live; perusahaan mendapat pratinjau privat di Gemini Enterprise, dengan Gemini Enterprise for Customer Experience "segera hadir"; semua orang mendapatkannya di Search Live.

• Gemini 3.8 Live Extended Thinking — permukaan pengembang yang sama di bawah gemini-3.8-live-extended-thinking, plus jalur konsumen yang lebih luas: Gemini Live, Docs Live untuk pelanggan Google AI Pro dan Ultra, serta Gmail Live dan Keep Live untuk semua pelanggan Google AI.

Yang masih hilang adalah bagian yang dibutuhkan perusahaan besar: komitmen ketersediaan umum, angka uptime yang dipublikasikan, dan tarif yang dijanjikan Google untuk dipertahankan. Jika Anda membutuhkannya, tunggu. Jika Anda sedang membuat prototipe, jalur ini terbuka hari ini dengan daftar harga nyata yang mendukungnya, yang merupakan posisi secara material lebih baik daripada pratinjau tanpa harga yang dipublikasikan. Membangun integrasi sekarang masuk akal; menempatkan saluran telepon yang kritis terhadap pendapatan pada target ketersediaan yang belum dijanjikan Google tidaklah masuk akal, dan solusi untuk itu dijelaskan di bawah.

Di mana klaim vendor berakhir

Google menerbitkan angka per komponen miliknya sendiri bersamaan dengan peluncuran — 68,6% pada τ-Voice, 35,1% pada papan peringkat τ³-Banking milik Sierra, dan 97,7% pada Big Bench Audio, semuanya dikreditkan ke model Extended Thinking. Angka-angka itu kini terbagi menjadi dua kelompok, dan pemisahan itu penting.

Dua dari tiga sejalan dengan pengukuran yang dijalankan sendiri oleh Artificial Analysis di bawah harness-nya sendiri. Komponen agentic τ-Voice-nya menunjukkan 68,6% untuk model ini, dibandingkan 67,9% untuk GPT-Live-1 Astra dan 56,5% untuk Grok Voice Think Fast 2.0; komponen penalaran ucapan Big Bench Audio-nya menunjukkan 98%, dibandingkan 97,7% milik Google. Artificial Analysis menyebut τ-Voice dan Big Bench Audio sebagai tolok ukurnya sendiri, dijalankan dalam tiga percobaan jika tersedia. Jadi angka τ-Voice dan penalaran kini berada di papan publik yang bisa Anda buka dan baca, bukan hanya dalam pengumuman Google — anggap saja sebagai telah dikuatkan, bukan final, karena angka persis yang dikutip Google mungkin saja berasal dari pengujian yang sama, bukan pengujian kedua.

Angka Sierra tidak memiliki dukungan semacam itu dan tetap merupakan klaim vendor: 35,1% pada papan peringkat τ³-Banking milik Sierra, dibandingkan dengan 32,0% untuk GPT-Live-1 Astra dan 16,5% untuk xAI-Realtime. Angka ini juga layak direnungkan, karena 35,1% berarti model suara terdepan di papan ini gagal pada sekitar dua dari setiap tiga upaya penyelesaian tugas perbankan yang realistis. Google juga menyebutkan uji ServiceNow EVA-Bench yang dijalankan pada Live API di Gemini Enterprise Agent Platform, dan menggambarkan kedua model tersebut sebagai pendorong batas Pareto untuk alur kerja yang kompleks — yang keduanya tidak disertai pembacaan independen.

Ada preseden yang layak dipertahankan di sini. xAI melaporkan angka Speech to Speech Index sebesar 82,9 untuk Grok Voice Think Fast 2.0 pada Juli. Pada papan yang tampak di atas, model itu berada di 81,3. Skor indeks yang dilaporkan vendor tidak selalu bertahan saat dihadapkan pada papan peringkat langsung — biasanya karena indeksnya direvisi, kadang karena konfigurasi yang diuji bukan yang dirilis. Verifikasi angka τ-Voice dan Big Bench pada traffic Anda sendiri, dan baca kolom agentik sebagai kolom yang paling perlu diuji.

Lapisan tempat agen-agen ini sebenarnya berjalan

Kedua model berada di depan sebuah backend. Eksekusi alat di latar belakang, perencanaan tugas multi-langkah, dan pola delegasi yang digunakan setiap agen suara serius semuanya bermuara pada panggilan model teks biasa — dan itulah lapisan dengan variasi biaya paling besar dan keterikatan paling sedikit.

OrcaRouter menyediakan 190 model dari satu kunci dengan harga daftar penyedia tanpa markup, yang berarti pemotongan harga dari lab hulu berlaku di sisi kami pada hari yang sama, bukan pada perpanjangan kontrak berikutnya. Untuk stack suara yang front-end-nya adalah model pratinjau, dua properti yang berguna adalah target delegasi dapat ditukar tanpa menyentuh integrasi suara, dan failover otomatis menjaga panggilan tetap hidup saat backend mengalami error atau timeout. Untuk lebih tepat tentang apa yang kami host dan tidak kami host: endpoint Gemini 3.8 Live tidak ada di router kami — itu berasal dari API Google sendiri — tetapi model teks yang sangat sering menjadi tempat agen-agen ini mengalihkan pekerjaan adalah, Gemini 3.8 Flash termasuk di antaranya.

Tontonan Berikutnya

Tiga hal akan menjawab pertanyaan-pertanyaan terbuka dalam rilis ini. Yang pertama adalah ketersediaan umum dan tarif yang Google berkomitmen untuk pertahankan — harganya kini dipublikasikan, tetapi harga pratinjau cenderung berubah, dan kartu tarif bukanlah kontrak. Yang kedua adalah apakah kolom arena dan keberhasilan tugas tetap valid, karena 1083 Elo dan keberhasilan tugas 93,2% pada model standar adalah argumen terkuat untuk tidak membayar 4× demi varian penalaran, dan angka arena indeks dibekukan pada saat kelayakan, bukan data live. Yang ketiga adalah uji independen terhadap kesenjangan agentik itu sendiri: 68,6% berbanding 30,1% adalah klaim terbesar dalam rilis ini dan yang paling layak direproduksi, karena semua hal lain tentang kedua model itu hampir sama.

Sampai saat itu, ringkasan yang jujur bertumpu pada dua angka, bukan satu. Gemini 3.8 Live Extended Thinking adalah model suara dengan skor terbaik di papan publik, memimpin komponen agentic secara mutlak, dan lebih murah secara biaya per jam daripada dua model yang berada tepat di belakangnya. Gemini 3.8 Live adalah model suara kompeten termurah di papan itu, lebih disukai oleh arena dan lebih andal pada tugas-tugas dangkal, serta tertinggal 6,6 poin secara keseluruhan dengan batas maksimum yang keras pada satu hal yang membuat agen dipekerjakan. Google telah merilis fork yang sama dua kali, dengan selisih harga empat kali lipat, dan membuat pilihan itu luar biasa mudah dipatok harganya — asalkan Anda membaca komponennya dan bukan hanya indeksnya.