Introductie van Gemini 3.8 Live en 3.8 Live Extended Thinking: Google splitst zijn spraaklijn in tweeën

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.

Wat deze release anders maakt dan de gebruikelijke spraakmodel-refresh, is dat de splitsing geen grootteklasse is. Het is een meningsverschil over wat de taak van een spraakagent is. Een van deze modellen is een conversationele interface. Het andere is een redeneersysteem dat toevallig praat.

Twee modellen, twee banen

Google's eigen formulering is hierbij ongewoon helder. Gemini 3.8 Livewordt beschreven als "gebouwd voor schaal en kostenefficiëntie, waarbij conversationele intelligentie wordt gecombineerd met een vloeiende dialoog en visuele grounding." Gemini 3.8 Live Extended Thinkingis "gebouwd voor zeer complexe taken, met meer intelligentie en meerstapsredenering."

Het praktische verschil komt naar voren in de lijst met mogelijkheden, niet in het specificatieblad:

• Gemini 3.8 Live — verwerking van visuele invoer bijna in realtime, automatisch schakelen midden in een gesprek tussen 97 ondersteunde talen, en uitvoering van tools/API's op de achtergrond, zodat het model een verzoek bevestigt en blijft praten terwijl de aanroep wordt voltooid.

• Gemini 3.8 Live Extended Thinking — redeneert en spreekt tegelijk, en vertelt de voortgang met cues zoals "Laat me dat even checken…" terwijl een taak met meerdere stappen wordt uitgevoerd.

• Gedeeld — alle gegenereerde audio draagt Google's SynthID-watermerk, beide vallen onder een modelkaart die is gepubliceerd onder de naam gemini-3-8-audio, en beide hebben nu gedocumenteerde API-model-ID's: gemini-3.8-live en gemini-3.8-live-extended-thinking.

Het Extended Thinking-model is niet simpelweg 3.8 Live met een groter denkbudget. Het is het model dat een gesprek en een taakplan tegelijk kan vasthouden zonder dat het gesprek stokt — precies datgene waardoor spraakagenten in productie falen. Een gebruiker wil geen stilte terwijl de agent iets opzoekt. Die wil dat de agent blijft praten.

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 (Hoog) — 82,6 (eerste plaats)

• GPT-Live-1 (Astra-backend, gemiddelde inspanning) — 81.5

• Grok Voice Think Fast 2.0 High — 81,3

• GPT-Live-1 (Sol-backend, lage inspanning) — 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.

Het lek dat er het eerst was

De modellen werden de dag vóór de aankondiging opgemerkt op een Google Cloud-quotapagina, en we hebben die waarneming destijds behandeld als een onbevestigde slug zonder modelkaart, zonder prijsstelling en zonder bevestiging van Google. Dat bericht had gelijk over de status en ongelijk over de tijdlijn — de bevestiging kwam binnen ongeveer 24 uur.

De les is het waard om vast te leggen, want ze druist in tegen het gebruikelijke instinct. Een uitgelekte slug één dag voor de lancering is een lancering. Een uitgelekte slug zonder bevestigend papierwerk, acht weken lang, is iets heel anders. Het signaal dat hen van elkaar onderscheidde, was niet de slug; het was de aanwezigheid van een quotapagina, die alleen bestaat wanneer capaciteit is geprovisioneerd.

Wat het kost, per minuut

Bij de aankondiging maakten Google's materialen geen onderscheid tussen de twee modellen qua prijs — voor het standaardmodel werd een tarief gegeven en voor de reasoning-variant niet, wat het scorebord hierboven weergeeft. Die leemte is inmiddels gedicht. Beide modellen hebben nu gepubliceerde prijzen via de Live API: $0.005 per minuut audio-invoer en $0.018 per minuut audio-uitvoer, wat Google op 16 september bevestigde toen beide werden uitgerold. Dezelfde gepubliceerde tariefkaart dekt de tokenprijzen van de Gemini 3 Live-tier — $0.75 per 1M teksttokens in en $4.50 uit, $3.00 per 1M audiotokens in en $12.00 uit, en $1.00 per 1M voor beeld- of video-invoer — hoewel die tokenrijen voor de tier worden gepubliceerd en niet per model, dus lees ze als de tariefkaart van de tier en niet als een prijsopgave voor een specifieke variant.

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 per uur, nog steeds lager dan beide modellen die het qua kwaliteit verslaat

• Grok Voice Think Fast 2.0 High — $4,80 per uur

• GPT-Live-1 (Astra-backend, gemiddelde inspanning) — $5,83 per uur

• GPT-Realtime-2 (High) — $4,14/uur

• GPT-Realtime-2.1 High — $10,75 per uur

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.

Dat is de vorm van de lijst. Google heeft zijn redeneermodel geprijsd onder de twee modellen die het verslaat, en zijn standaardmodel onder alles op het scorebord. Als je spraakminuten in grote volumes draait, is dit het getal dat je rekening beïnvloedt, niet de indexscore — en het feit dat de twee varianten 4× uit elkaar liggen, betekent dat kiezen welke je aanroept de grootste kostenhefboom in de stack is.

"Private preview" doet in die zin echt werk.

Geen van beide modellen is in contractuele zin algemeen beschikbaar, maar het ontwikkelaarsoppervlak is open en heeft nu een prijs, wat verandert waarop je kunt plannen:

• Gemini 3.8 Live — ontwikkelaars krijgen het in de Gemini API, de Live API en Google AI Studio onder de gedocumenteerde ID gemini-3.8-live; bedrijven krijgen een private preview in Gemini Enterprise, met Gemini Enterprise for Customer Experience "binnenkort beschikbaar"; iedereen krijgt het in Search Live.

• Gemini 3.8 Live Extended Thinking — hetzelfde ontwikkelaarsoppervlak onder gemini-3.8-live-extended-thinking, plus een breder consumentenpad: Gemini Live, Docs Live voor abonnees van Google AI Pro en Ultra, en Gmail Live en Keep Live voor alle Google AI-abonnees.

Wat nog ontbreekt, is het deel dat een onderneming nodig heeft: een toezegging voor algemene beschikbaarheid, een gepubliceerd uptimecijfer en een tarief dat Google heeft beloofd te handhaven. Als u die nodig hebt, wacht dan. Als u aan het prototypen bent, is het pad vandaag open met een echte tariefkaart erachter, wat een wezenlijk betere positie is dan een preview zonder gepubliceerde prijs. De integratie nu bouwen is redelijk; een omzetkritische telefoonlijn zetten op een beschikbaarheidsdoel dat Google niet heeft toegezegd, is dat niet, en de oplossing daarvoor wordt hieronder beschreven.

Waar de claims van de leverancier eindigen

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.

De laag waarop deze agents daadwerkelijk draaien

Beide modellen staan vóór een backend. Uitvoering van tools op de achtergrond, taakplanning in meerdere stappen en het delegatiepatroon dat elke serieuze voice-agent gebruikt, komen allemaal neer op gewone tekstmodelaanroepen — en dat is de laag met de grootste variatie in kosten en de minste lock-in.

OrcaRouter biedt 190 modellen aan via één sleutel tegen de lijstprijs van de provider, zonder opslag, wat betekent dat een prijsverlaging van een upstream-lab dezelfde dag bij ons live staat in plaats van bij de volgende contractverlenging. Voor een voice-stack waarbij de front-end een previewmodel is, zijn de twee nuttige eigenschappen dat het delegatiedoel kan worden verwisseld zonder de voice-integratie aan te raken, en dat automatische failover een oproep in leven houdt wanneer een backend een fout geeft of een time-out krijgt. Om precies te zijn over wat we wel en niet hosten: de Gemini 3.8 Live-endpoints staan niet op onze router — die komen van Google's eigen API — maar de tekstmodellen waaraan deze agents heel vaak werk uitbesteden, zijn dat wel, waaronder Gemini 3.8 Flash.

Wat nu te kijken

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.