Apresentando o Gemini 3.8 Live e o 3.8 Live Extended Thinking: o Google Divide Sua Linha de Voz em Duas

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.

O que torna este lançamento diferente de uma atualização comum de modelo de voz é que a divisão não é uma questão de faixa de tamanho. É uma discordância sobre qual é o trabalho de um agente de voz. Um desses modelos é uma interface conversacional. O outro é um sistema de raciocínio que, por acaso, fala.

Dois modelos, dois empregos

A própria forma como o Google enquadra isso é excepcionalmente clara. Gemini 3.8 Live é descrito como "criado para escala e eficiência de custos, combinando inteligência conversacional com diálogo fluido e ancoragem visual". Gemini 3.8 Live Extended Thinking é "criado para tarefas de alta complexidade, com inteligência aumentada e raciocínio em várias etapas".

A diferença prática aparece na lista de capacidades, e não na ficha técnica:

• Gemini 3.8 Live — processamento de entrada visual quase em tempo real, troca automática no meio da conversa entre 97 idiomas compatíveis e execução de ferramentas/API em segundo plano, para que o modelo reconheça uma solicitação e continue falando enquanto a chamada é concluída.

• Gemini 3.8 Live Extended Thinking — raciocina e fala ao mesmo tempo, narrando o progresso com indicações como "Deixe-me verificar isso…" enquanto uma tarefa de várias etapas é executada.

• Compartilhado — todo áudio gerado carrega a marca d'água SynthID do Google, ambos são cobertos por um model card publicado sob o nome gemini-3-8-audio, e ambos agora têm IDs de modelos da API documentados: gemini-3.8-live e gemini-3.8-live-extended-thinking.

O modelo Extended Thinking não é simplesmente o 3.8 Live com um orçamento de pensamento maior. É aquele que consegue manter uma conversa e um plano de tarefa simultaneamente sem que a conversa trave — o que é precisamente o que faz os agentes de voz falharem em produção. Um usuário não quer silêncio enquanto o agente procura algo. Ele quer que o agente continue falando.

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 (primeiro lugar)

• GPT-Live-1 (backend Astra, esforço médio) — 81,5

• Grok Voice Think Fast 2.0 High — 81,3

• GPT-Live-1 (backend Sol, esforço baixo) — 80.1

• Gemini 3.8 Live — 76,0

• GPT-Realtime-2.1 Alto — 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.

O vazamento que chegou lá primeiro

Os modelos foram vistos em uma página de cotas do Google Cloud no dia anterior ao anúncio, e noticiamos esse avistamento na época como um slug não confirmado, sem ficha do modelo, sem preços e sem confirmação do Google. Esse post estava certo quanto ao status e errado quanto à linha do tempo — a confirmação chegou dentro de aproximadamente 24 horas.

A lição vale a pena ser registrada, porque contraria o instinto habitual. Um slug vazado um dia antes do lançamento é um lançamento. Um slug vazado sem documentação comprobatória por oito semanas é algo completamente diferente. O sinal que os distinguia não era o slug; era a presença de uma página de cota, que só existe quando a capacidade foi provisionada.

Quanto custa, por minuto

No anúncio, os materiais do Google não separavam os dois modelos em termos de preço — o modelo padrão recebeu um valor e a variante de raciocínio não, que é o que o painel acima registra. Essa lacuna foi fechada desde então. Ambos os modelos agora têm preços publicados por meio da Live API: US$ 0,005 por minuto de entrada de áudio e US$ 0,018 por minuto de saída de áudio, o que o Google confirmou em 16 de setembro quando os dois foram lançados. A mesma tabela de preços publicada abrange o preço por token do nível Gemini 3 Live — US$ 0,75 por 1 milhão de tokens de texto de entrada e US$ 4,50 de saída, US$ 3,00 por 1 milhão de tokens de áudio de entrada e US$ 12,00 de saída, e US$ 1,00 por 1 milhão para entrada de imagem ou vídeo — embora essas linhas de tokens sejam publicadas para o nível e não por modelo, então leia-as como a tabela de preços do nível e não como uma cotação para uma variante específica.

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 (Alto) — US$ 3,50/hora, ainda abaixo dos dois modelos que ele supera em qualidade

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

• GPT-Live-1 (backend Astra, esforço médio) — $5,83/hora

• GPT-Realtime-2 (High) — $4.14/hora

• GPT-Realtime-2.1 High — $10,75/hora

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.

Esse é o formato da lista. O Google precificou seu modelo de raciocínio abaixo dos dois modelos que ele supera, e precificou seu modelo padrão abaixo de tudo o que está no quadro. Se você processa minutos de voz em volume, este é o número que mexe na sua fatura, não a pontuação do índice — e o fato de as duas variantes estarem a 4× de distância significa que escolher qual delas chamar é a maior alavanca de custo isolada na stack.

O "Private preview" está fazendo um trabalho de verdade nessa frase

Nenhum dos modelos está disponível em geral no sentido contratual, mas a superfície para desenvolvedores está aberta e agora tem preço, o que muda aquilo com que você pode contar:

• Gemini 3.8 Live — os desenvolvedores têm acesso a ele na API Gemini, na API Live e no Google AI Studio sob o ID documentado gemini-3.8-live; as empresas têm prévia privada no Gemini Enterprise, com o Gemini Enterprise for Customer Experience "em breve"; todos têm acesso a ele no Search Live.

• Gemini 3.8 Live Extended Thinking — a mesma superfície para desenvolvedores sob gemini-3.8-live-extended-thinking, além de um caminho mais amplo para o consumidor: Gemini Live, Docs Live para assinantes do Google AI Pro e Ultra, e Gmail Live e Keep Live para todos os assinantes do Google AI.

O que ainda falta é a parte de que uma empresa precisa: um compromisso de disponibilidade geral, um índice de uptime publicado e uma tarifa que o Google prometeu manter. Se você precisa disso, espere. Se você está fazendo prototipagem, o caminho está aberto hoje com uma tabela de preços real por trás, o que é uma posição materialmente melhor do que uma prévia sem preço publicado. Construir a integração agora é razoável; colocar uma linha telefônica crítica para a receita em uma meta de disponibilidade que o Google não se comprometeu a cumprir não é, e a correção para isso é descrita abaixo.

Onde terminam as alegações do fornecedor

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.

A camada na qual esses agentes realmente rodam

Ambos os modelos ficam na frente de um backend. A execução de ferramentas em segundo plano, o planejamento de tarefas em várias etapas e o padrão de delegação que todo agente de voz sério usa se resumem a chamadas comuns a modelos de texto — e essa é a camada com a maior variação de custos e o menor lock-in.

OrcaRouter disponibiliza 190 modelos a partir de uma única chave, ao preço de tabela do provedor e sem markup, o que significa que um corte de preço de um laboratório upstream entra em vigor do nosso lado no mesmo dia, em vez de na próxima renovação de contrato. Para uma stack de voz em que o front-end é um modelo de pré-visualização, as duas propriedades úteis são que o alvo de delegação pode ser trocado sem mexer na integração de voz, e que o failover automático mantém uma chamada ativa quando um backend apresenta erro ou atinge o tempo limite. Para ser preciso sobre o que hospedamos e o que não hospedamos: os endpoints do Gemini 3.8 Live não estão no nosso roteador — eles vêm da própria API do Google —, mas os modelos de texto para os quais esses agentes delegam trabalho com muita frequência estão, incluindo o Gemini 3.8 Flash.

O que assistir em seguida

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.