Представляем Gemini 3.8 Live и 3.8 Live Extended Thinking: Google разделяет свою голосовую линейку на две части

Google Gemini 3.8 Live и Gemini 3.8 Live Extended Thinkingпоявились 15 сентября 2026 года — одно объявление, две модели и настоящая развилка в продуктовой линейке. Главная цифра — разрыв в 6,6 пункта в индексе Speech to Speech от Artificial Analysis: 82,6 против 76,0. Цифра под ней — 38. По тому же показателю завершения агентных задач τ-Voice рассуждающий вариант решает 68,6% имитированных сценариев обслуживания клиентов, а стандартная модель — 30,1%. 6,6 пункта — это то, что говорит индекс. 38 пунктов — это то, что происходит, когда вы просите любую из моделей действительно что-то сделать.

Спустя сутки после запуска у развилки появилась цена. Обе модели имеют опубликованные поминутные тарифы на аудио через Live API, и таблица лидеров Artificial Analysis оценивает стоимость часа входного аудио в $0,84 для стандартной модели против $3,50 для reasoning-варианта — чуть более чем вчетверо больше за час ради этих 6,6 пункта индекса. Весь выбор — именно в этом компромиссе, и попытка оценить его, опираясь лишь на индекс, приводит к ошибке.

Этот релиз отличается от обычного обновления голосовой модели тем, что разделение здесь — не градация по размеру. Это расхождение во взглядах на то, в чём заключается работа голосового агента. Одна из этих моделей — разговорный интерфейс. Другая — система рассуждений, которая, так уж вышло, умеет разговаривать.

Две модели, две работы

Собственное позиционирование Google на удивление чётко об этом говорит. Gemini 3.8 Live описывается как «созданный для масштабируемости и экономической эффективности, сочетающий разговорный интеллект с плавным диалогом и визуальной привязкой». Gemini 3.8 Live Extended Thinking — это «созданный для задач высокой сложности, с повышенным интеллектом и многошаговыми рассуждениями».

Практическая разница проявляется в списке возможностей, а не в технических характеристиках:

• Gemini 3.8 Live — обработка визуальных входных данных почти в реальном времени, автоматическое переключение между 97 поддерживаемыми языками прямо во время разговора и фоновое выполнение инструментов и вызовов API, благодаря чему модель подтверждает запрос и продолжает говорить, пока вызов завершается.

• Gemini 3.8 Live Extended Thinking — одновременно рассуждает и говорит, комментируя ход выполнения репликами вроде «Дайте-ка проверю…», пока выполняется многоэтапная задача.

• Общее — все сгенерированные аудиозаписи несут водяной знак SynthID от Google, обе описываются карточкой модели, опубликованной под названием gemini-3-8-audio, и у обеих теперь есть задокументированные идентификаторы моделей API: gemini-3.8-live и gemini-3.8-live-extended-thinking.

Модель Extended Thinking — это не просто 3.8 Live с увеличенным бюджетом на размышления. Именно она способна одновременно поддерживать разговор и план выполнения задачи, не давая разговору застопориться, — а это как раз то, из-за чего голосовые агенты терпят неудачу в продакшене. Пользователь не хочет тишины, пока агент что-то ищет. Он хочет, чтобы агент продолжал говорить.

На плате указано 6.6. На компонентах указано 38.

Индекс Speech to Speech — это взвешенное среднее четырёх базовых результатов: речевого рассуждения (Speech Reasoning), измеряемого собственным набором Big Bench Audio от Artificial Analysis; агентной производительности (Agentic Performance), измеряемой путём запуска бенчмарка обслуживания клиентов τ-Voice; предпочтения на арене (Arena Preference), взятого из Speech Agent Arena; и успешности выполнения задач (Task Success Rate). Индексную оценку получают только модели, у которых присутствуют все четыре компонента, поэтому некоторые строки в этой таблице пусты.

Если рассматривать их по отдельности, две новые модели вовсе не выглядят как пара с разницей в 6,6 пункта:

• Индекс преобразования речи в речь — Gemini 3.8 Live Extended Thinking (High) 82,6 против Gemini 3.8 Live 76,0

• Агентная производительность (выполнение задач τ-Voice) — 68,6% против 30,1%

• Речевое рассуждение (Big Bench Audio) — 98% против 92%

• Динамика диалога — 91,9% против 96,1%

• Предпочтение на арене (Elo) — 990 против 1083

• Доля успешно выполненных задач — 89,1 % против 93,2 %

• Время до первого звука — 1,35 с против 1,18 с

• Стоимость за час входного аудио — $3,50 против $0,84

Если честно посмотреть на это, стандартная модель выигрывает четыре из восьми строк. Она имеет меньшее время до первого аудио, выше оценивается ареной, с большей вероятностью выполняет задачу и лучше оценивается по динамике разговора. Она также стоит треть цены. Чего она не может — довести работу до конца, когда в работе есть шаги: 30,1% против 68,6% — это самый крупный отдельный разрыв во всём этом релизе, и он приходится на ту единственную ось, которая отличает голосового агента от голосового интерфейса.

Две оговорки, прежде чем эту таблицу начнут воспринимать как окончательную. Показатель предпочтения на арене, используемый в индексе, фиксируется в момент, когда модель допускается к публикации, поэтому он не отражает актуальный Elo на графике Speech Agent Arena — воспринимайте его как снимок, а не как текущий счёт. А разрывы τ-Voice в верхней части таблицы настолько малы, что их можно счесть шумом: вариант reasoning с 68,6% опережает GPT-Live-1 с 67,9% (бэкенд Astra, средний уровень усилий) на 0,7 пункта, а позади него — GPT-Live-1 (Sol, низкий) с 59,3% и Grok Voice Think Fast 2.0 High с 56,5%. 38-пунктовый разрыв между двумя моделями Gemini не назвать малым. А 0,7-пунктовое преимущество над GPT-Live-1 — можно.

Где он находится в индексе

На приведённом ниже снимке, сделанном 16 сентября 2026 года, верхняя часть доски выглядит так:

• Gemini 3.8 Live Extended Thinking (High) — 82.6 (первое место)

• GPT-Live-1 (бэкенд Astra, среднее усилие) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (бэкенд Sol, низкие усилия) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

Именно это объясняет разделение на одном экране. Вариант Extended Thinking занимает первое место, работая на таблице лидеров с (High) — меткой усилия рассуждения; та же условность, которую он использует для Grok Voice Think Fast 2.0 High и GPT-Realtime-2.1 High, и причина, по которой суффикс «(High)», который вы можете увидеть рядом с этой моделью в публикациях, является обозначением конфигурации, а не отдельным релизом. Стандартный вариант занимает пятое место — ниже двух конфигураций GPT-Live-1 и ниже Grok. В собственном блоге Google стандартная модель описывается как «весьма экономичная» и отмечается, что она «заняла второе место в Speech Agent Arena», а это другая таблица лидеров, измеряющая другое. Оба утверждения верны. Вместе они говорят: 3.8 Live — очень хорошая разговорная модель по очень хорошей цене, и она не является передним краем голосового интеллекта.

Утечка, которая пришла первой

Модели были замечены на странице квот Google Cloud за день до анонса, и тогда мы осветили эту находку как неподтверждённый слаг — без карточки модели, без цен и без подтверждения от Google. Тот пост был прав насчёт статуса и ошибался насчёт хронологии — подтверждение пришло примерно в течение 24 часов.

Этот урок стоит зафиксировать, потому что он противоречит обычной интуиции. Утёкший слаг за день до запуска — это запуск. Утёкший слаг без подтверждающих документов в течение восьми недель — это совсем другое. Сигналом, который их различал, был не слаг; им было наличие страницы квоты, которая существует только тогда, когда ресурсы уже выделены.

Сколько это стоит в минуту

На момент анонса в материалах Google эти две модели не разделялись по цене — для стандартной модели ставка была указана, а для варианта с рассуждениями — нет, что и отражено в таблице выше. С тех пор этот пробел был закрыт. Теперь обе модели имеют опубликованные тарифы через Live API: $0,005 за минуту аудиовхода и $0,018 за минуту аудиовыхода, что Google подтвердила 16 сентября, когда обе модели выпускались. Тот же опубликованный тарифный лист охватывает цены на токены уровня Gemini 3 Live — $0,75 за 1 млн текстовых токенов на входе и $4,50 на выходе, $3,00 за 1 млн аудиотокенов на входе и $12,00 на выходе, а также $1,00 за 1 млн для ввода изображений или видео — хотя эти строки с токенами публикуются для уровня, а не для каждой модели отдельно, так что воспринимайте их как тарифный лист уровня, а не как расценку для конкретного варианта.

Artificial Analysis также добавила значение, которое важнее всего для планирования. В её таблице лидеров теперь есть столбец стоимости за час входного аудио — стоимость выполнения фиксированного подмножества Big Bench Audio из 40 вопросов, приведённая к почасовой ставке — и у обеих новых моделей там указано значение:

• Gemini 3.8 Live — $0,84 за час входящего аудио, самый низкий платный тариф на этом табло

• Gemini 3.8 Live Extended Thinking (High) — $3,50/час, при этом всё ещё дешевле обеих моделей, которые он превосходит по качеству

• Grok Voice Think Fast 2.0 High — 4,80 доллара в час

• GPT-Live-1 (бэкенд Astra, средние усилия) — $5.83/час

• GPT-Realtime-2 (High) — 4,14 $/час

• GPT-Realtime-2.1 High — 10,75 $/час

Одно замечание к приведённым выше снимкам: поскольку панель затрат на скриншоте таблицы лидеров появилась раньше этих двух строк, ни $0.84, ни $3.50 в ней не отображаются, а самый дешёвый столбик в ней — $1.42. Цифры в списке считаны из сводной таблицы рейтинга по состоянию на 16 сентября 2026 года, а не с того изображения. Значения индекса, показанные на изображении, этим не затронуты и совпадают с таблицей.

Сопоставьте два новых числа с компонентами выше — и релиз перестаёт быть анонсом двух моделей и становится единым решением с опубликованным обменным курсом. Вариант с рассуждениями даёт 6,6 пункта индекса, шесть пунктов речевого рассуждения и 38,5 пункта выполнения агентных задач за чуть более чем четырёхкратную почасовую стоимость аудио. Стоит ли за это платить, целиком зависит от того, что делает ваш агент, — и форма ответа изменилась, как только были опубликованы компоненты. Голосовой агент, чья задача — завершить многошаговую задачу, получает самое крупное улучшение в этом релизе: $3,50 в час, при этом он стоит примерно на 40% меньше, чем GPT-Live-1 Astra, и примерно на четверть меньше, чем Grok Voice Think Fast 2.0 High, а по баллам превосходит обоих. Голосовой агент, чья задача — общаться: отвечать, поддерживать нить разговора, принимать сообщение, быть приятным в общении, — получает очень мало от дополнительной глубины рассуждений, а за $0,84 в час он получает самую дешёвую компетентную голосовую модель из всех, что кто-либо сейчас публикует.

Такова структура списка. Google установил цену на свою модель рассуждений ниже двух моделей, которые она превосходит, а цену на свою стандартную модель — ниже всего, что есть на рынке. Если вы обрабатываете голосовые минуты в больших объёмах, именно эта цифра влияет на ваш счёт, а не балл в индексе — и то, что два варианта различаются в 4 раза, означает, что выбор того, какой из них вызывать, — это самый крупный рычаг управления затратами во всём стеке.

«Private preview» в этом предложении выполняет реальную работу.

Ни одна из моделей не является общедоступной в договорном смысле, но интерфейс для разработчиков открыт и теперь платный, что меняет то, на что вы можете рассчитывать:

• Gemini 3.8 Live — разработчики получают его в Gemini API, Live API и Google AI Studio под документированным идентификатором gemini-3.8-live; предприятия получают закрытый предпросмотр в Gemini Enterprise, а Gemini Enterprise for Customer Experience появится «скоро»; все получают его в Search Live.

• Gemini 3.8 Live Extended Thinking — тот же интерфейс для разработчиков под gemini-3.8-live-extended-thinking, а также более широкий потребительский путь: Gemini Live, Docs Live для подписчиков Google AI Pro и Ultra, а также Gmail Live и Keep Live для всех подписчиков Google AI.

Пока отсутствует то, что нужно предприятию: обязательство по статусу общей доступности (GA), опубликованный показатель времени безотказной работы и тариф, который Google обещал удерживать. Если они вам нужны, подождите. Если вы создаёте прототип, путь открыт уже сегодня, и за ним стоит реальный прайс-лист — это существенно лучше, чем предварительная версия без опубликованной цены. Создавать интеграцию сейчас разумно; переводить критичную для выручки телефонную линию на целевой показатель доступности, который Google не обязался соблюдать, — нет, и решение для этого описано ниже.

Где заканчиваются заявления вендора

Google опубликовала собственные показатели по отдельным компонентам одновременно с запуском — 68,6% на τ-Voice, 35,1% в таблице лидеров τ³-Banking от Sierra и 97,7% на Big Bench Audio; все они приписаны модели Extended Thinking. Теперь они делятся на две группы, и это разделение имеет значение.

Два из трёх совпадают с измерениями, которые Artificial Analysis проводит самостоятельно на собственном стенде. Агентный компонент τ-Voice от Artificial Analysis показывает 68,6% для этой модели против 67,9% для GPT-Live-1 Astra и 56,5% для Grok Voice Think Fast 2.0; компонент речевого рассуждения Big Bench Audio показывает 98% против 97,7% у Google. Artificial Analysis описывает τ-Voice и Big Bench Audio как собственные бенчмарки, которые проводятся в трёх испытаниях, где это возможно. Так что показатели τ-Voice и рассуждения теперь находятся на публичном табло, которое можно открыть и прочитать, а не только в анонсе Google — считайте их подтверждёнными, а не окончательно установленными, поскольку точные цифры, которые привела Google, вполне могут быть тем же самым прогоном, а не вторым.

Число Sierra не имеет такого подкрепления и остаётся заявлением вендора: 35,1% в таблице лидеров τ³-Banking от Sierra против 32,0% у GPT-Live-1 Astra и 16,5% у xAI-Realtime. Это также число, над которым стоит задуматься, потому что 35,1% означают, что ведущая голосовая модель в этой таблице терпит неудачу примерно в двух из каждых трёх реалистичных попыток выполнения банковских задач. Google также ссылается на прогон ServiceNow EVA-Bench, выполненный на Live API в Gemini Enterprise Agent Platform, и описывает обе модели как раздвигающие границу Парето для сложных рабочих процессов — и ни то, ни другое не подкреплено независимой оценкой.

Вот прецедент, который стоит запомнить. xAI сообщила о значении индекса Speech to Speech в 82,9 для Grok Voice Think Fast 2.0 в июле. На приведённой выше таблице эта модель находится на отметке 81,3. Индексные оценки, заявленные вендорами, не всегда выдерживают контакт с живым лидербордом — обычно потому, что индекс пересматривается, а иногда потому, что протестированная конфигурация не была той, которая вышла в релиз. Проверьте показатели τ-Voice и Big Bench на собственном трафике, и рассматривайте колонку agentic как ту, которую нужно тестировать тщательнее всего.

Слой, на котором на самом деле работают эти агенты

Обе модели находятся перед бэкендом. Фоновое выполнение инструментов, планирование многошаговых задач и паттерн делегирования, который использует каждый серьезный голосовой агент, — все сводятся к обычным вызовам текстовых моделей, и это тот слой, который отличается наибольшим разбросом затрат и наименьшей привязкой.

OrcaRouter предоставляет 190 моделей по одному ключу по каталожной цене провайдера, без наценки, а значит, снижение цены со стороны вышестоящей лаборатории становится у нас доступно в тот же день, а не при следующем продлении контракта. Для голосового стека, где фронтенд — это превью-модель, полезны два свойства: цель делегирования можно заменить, не трогая голосовую интеграцию, и автоматическое переключение при сбое сохраняет вызов активным, когда бэкенд выдаёт ошибку или превышает время ожидания. Если говорить точно о том, что мы размещаем, а что нет: конечные точки Gemini 3.8 Live находятся не на нашем роутере — они поступают из собственного API Google — но текстовые модели, которым эти агенты очень часто передают работу, очень часто размещены у нас, в том числе Gemini 3.8 Flash.

Что посмотреть дальше

Три вещи закроют открытые вопросы в этом релизе. Первая — это общая доступность и тариф, который Google обязался удерживать: цены уже опубликованы, но цены предварительного просмотра имеют свойство меняться, а тарифная карта — не контракт. Вторая — выдержат ли проверку колонки арены и успешности задач, потому что 1083 Elo и 93,2% успешности задач у стандартной модели — самый сильный аргумент против того, чтобы платить в 4 раза больше за вариант с рассуждениями, а показатель арены в индексе заморожен на момент допуска, а не в реальном времени. Третья — независимые прогоны по самому агентному разрыву: 68,6% против 30,1% — это самое крупное утверждение в релизе и именно его важнее всего воспроизвести, потому что всё остальное у двух моделей близко.

А до тех пор честное резюме опирается на две цифры, а не на одну. Gemini 3.8 Live Extended Thinking — лучшая по баллам голосовая модель в публичном рейтинге, безоговорочно лидирует по агентному компоненту и по стоимости часа обходит две модели, идущие непосредственно за ней. Gemini 3.8 Live — самая дешёвая из дееспособных голосовых моделей в этом рейтинге, арена отдаёт ей предпочтение, и она надёжнее на простых задачах, но отстаёт на 6,6 балла в общем зачёте, имея жёсткий потолок в том единственном, для чего нанимают агентов. Google выпустила один и тот же форк дважды, с четырёхкратной разницей в цене, и сделала выбор необычно простым для оценки стоимости — при условии, что вы смотрите на компоненты, а не только на индекс.