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

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.

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.

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 (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

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.

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 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/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

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.

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 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.

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

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.