Przedstawiamy Gemini 3.8 Live i 3.8 Live Extended Thinking: Google dzieli swoją linię głosową na dwie części

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.

To, co odróżnia to wydanie od typowego odświeżenia modelu głosowego, polega na tym, że podział nie dotyczy poziomu rozmiaru. To spór o to, czym jest zadanie agenta głosowego. Jeden z tych modeli jest interfejsem konwersacyjnym. Drugi to system wnioskowania, który przypadkiem mówi.

Dwa modele, dwa zadania

Sposób, w jaki Google sam to przedstawia, jest niezwykle klarowny. Gemini 3.8 Live jest opisany jako „stworzony z myślą o skali i efektywności kosztowej, łączący inteligencję konwersacyjną z płynnym dialogiem i ugruntowaniem wizualnym”. Gemini 3.8 Live Extended Thinking jest „stworzony do zadań o wysokiej złożoności, z większą inteligencją i wieloetapowym rozumowaniem”.

Praktyczna różnica uwidacznia się na liście możliwości, a nie w specyfikacji technicznej:

• Gemini 3.8 Live — przetwarzanie danych wejściowych wizualnych niemal w czasie rzeczywistym, automatyczne przełączanie w trakcie rozmowy między 97 obsługiwanymi językami oraz wykonywanie narzędzi/interfejsów API w tle, dzięki czemu model potwierdza żądanie i mówi dalej, gdy wywołanie się zakończy.

• Gemini 3.8 Live Extended Thinking — rozumuje i mówi jednocześnie, relacjonując postępy za pomocą komunikatów takich jak „Pozwól, że to sprawdzę…”, gdy wykonywane jest wieloetapowe zadanie.

• Współdzielone — wszystkie generowane materiały audio zawierają znak wodny SynthID firmy Google, oba są objęte kartą modelu opublikowaną pod nazwą gemini-3-8-audio, a oba mają teraz udokumentowane identyfikatory modeli API: gemini-3.8-live i gemini-3.8-live-extended-thinking.

Model Extended Thinking nie jest po prostu 3.8 Live z dłuższym budżetem na myślenie. To model, który potrafi jednocześnie prowadzić rozmowę i realizować plan zadania, nie dopuszczając do zablokowania rozmowy — a to właśnie sprawia, że agenci głosowi zawodzą w środowisku produkcyjnym. Użytkownik nie chce ciszy, gdy agent czegoś szuka. Chce, żeby agent mówił dalej.

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 (pierwsze miejsce)

• GPT-Live-1 (backend Astra, średni wysiłek) — 81,5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (backend Sol, niski wysiłek) — 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.

Przeciek, który dotarł pierwszy

Modele zauważono na stronie z limitami Google Cloud dzień przed ogłoszeniem, a my opisaliśmy to zauważenie w tamtym czasie jako niepotwierdzony slug bez karty modelu, bez cennika i bez potwierdzenia od Google. Tamten wpis miał rację co do statusu, ale mylił się co do harmonogramu — potwierdzenie nadeszło w ciągu około 24 godzin.

Warto tę lekcję zapisać, bo przeczy ona zwykłemu instynktowi. Przeciekły slug na dzień przed premierą to premiera. Przeciekły slug bez potwierdzającej dokumentacji przez osiem tygodni to zupełnie inna sprawa. Sygnałem, który je odróżniał, nie był slug; była nim obecność strony limitów, która istnieje tylko wtedy, gdy pojemność została przydzielona.

Ile kosztuje za minutę

W momencie ogłoszenia materiały Google nie rozdzielały cen obu modeli — modelowi standardowemu przypisano stawkę, a wariantowi rozumującemu nie, co odzwierciedla powyższa tabela wyników. Ta luka została od tego czasu zamknięta. Oba modele mają teraz opublikowane ceny w Live API: $0.005 za minutę wejścia audio i $0.018 za minutę wyjścia audio, co Google potwierdziło 16 września, gdy oba wchodziły na rynek. Ten sam opublikowany cennik obejmuje ceny tokenów w warstwie Gemini 3 Live — $0.75 za 1 mln tokenów tekstowych na wejściu i $4.50 na wyjściu, $3.00 za 1 mln tokenów audio na wejściu i $12.00 na wyjściu oraz $1.00 za 1 mln dla wejścia obrazu lub wideo — choć te wiersze dotyczące tokenów są publikowane dla warstwy, a nie dla poszczególnych modeli, więc czytaj je jako cennik warstwy, a nie jako ofertę dla konkretnego wariantu.

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 USD/godz., a mimo to wciąż taniej niż oba modele, które przewyższa pod względem jakości

• Grok Voice Think Fast 2.0 High — 4,80 USD/godzina

• GPT-Live-1 (zaplecze Astra, średni wysiłek) — 5,83 USD/godzinę

• GPT-Realtime-2 (High) — $4.14/godzina

• GPT-Realtime-2.1 High — 10,75 USD/godz.

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.

Taki jest kształt listy. Google wyceniło swój model rozumowania poniżej dwóch modeli, które przewyższa, a swój standardowy model poniżej wszystkiego, co znajduje się na tablicy. Jeśli obsługujesz minuty głosowe na dużą skalę, to właśnie ta liczba wpływa na Twój rachunek, a nie wynik indeksu — a fakt, że te dwa warianty dzieli 4×, oznacza, że wybór, który z nich wywołać, jest największą dźwignią kosztową w całym stacku.

„Private preview” robi w tym zdaniu prawdziwą robotę.

Żaden z tych modeli nie jest ogólnie dostępny w sensie umownym, ale warstwa deweloperska jest otwarta i obecnie ma ustaloną cenę, co zmienia to, na czym możesz opierać swoje plany:

• Gemini 3.8 Live — deweloperzy otrzymują go w Gemini API, Live API i Google AI Studio pod udokumentowanym identyfikatorem gemini-3.8-live; przedsiębiorstwa otrzymują prywatny podgląd w Gemini Enterprise, a Gemini Enterprise for Customer Experience „wkrótce”; wszyscy otrzymują go w Search Live.

• Gemini 3.8 Live Extended Thinking — ten sam interfejs deweloperski dostępny jako gemini-3.8-live-extended-thinking, a do tego szersza ścieżka dla konsumentów: Gemini Live, Docs Live dla subskrybentów Google AI Pro i Ultra oraz Gmail Live i Keep Live dla wszystkich subskrybentów Google AI.

Wciąż brakuje tego, czego potrzebuje przedsiębiorstwo: zobowiązania dotyczącego ogólnej dostępności, opublikowanego wskaźnika czasu działania i stawki, którą Google obiecało utrzymać. Jeśli ich potrzebujesz, poczekaj. Jeśli tworzysz prototyp, ścieżka jest dziś otwarta, a stoi za nią rzeczywisty cennik, co jest istotnie lepszą pozycją niż wersja zapoznawcza bez opublikowanej ceny. Budowanie integracji teraz jest rozsądne; opieranie krytycznej dla przychodów linii telefonicznej na celu dostępności, do którego Google się nie zobowiązało, już nie, a rozwiązanie tego opisano poniżej.

Gdzie kończą się twierdzenia dostawcy

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.

Warstwa, na której faktycznie działają ci agenci

Oba modele znajdują się przed backendem. Wykonywanie narzędzi w tle, planowanie zadań wieloetapowych oraz wzorzec delegowania, którego używa każdy poważny agent głosowy, sprowadzają się do zwykłych wywołań modelu tekstowego — a to właśnie ta warstwa charakteryzuje się największą zmiennością kosztów i najmniejszym uzależnieniem od dostawcy.

OrcaRouter udostępnia 190 modeli z jednego klucza w cenie katalogowej dostawcy bez narzutu, co oznacza, że obniżka ceny od laboratorium upstream jest u nas aktywna tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy. W stosie głosowym, w którym front-end to model preview, dwie przydatne właściwości to możliwość podmiany celu delegowania bez dotykania integracji głosowej oraz to, że automatyczne przełączanie awaryjne podtrzymuje połączenie, gdy backend zgłosi błąd lub przekroczy limit czasu. Mówiąc precyzyjnie o tym, co hostujemy, a czego nie: endpointy Gemini 3.8 Live nie znajdują się na naszym routerze — pochodzą z własnego API Google — ale modele tekstowe, którym ci agenci bardzo często przekazują pracę, jak najbardziej są, w tym Gemini 3.8 Flash.

Co obejrzeć dalej

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.