Vi presenterar Gemini 3.8 Live och 3.8 Live Extended Thinking: Google delar sin röstlinje i två

Googles Gemini 3.8 Live och Gemini 3.8 Live Extended Thinking anlände den 15 september 2026 – ett tillkännagivande, två modeller och en genuin klyvning i produktlinjen. Rubriksiffran är en differens på 6,6 punkter i Artificial Analysis Speech to Speech-index, 82,6 mot 76,0. Siffran under den är 38. På samma resultattavlas τ-Voice-mått för agentiskt slutförande av uppgifter löser resonemangsvarianten 68,6 % av replikerade kundtjänstscenarier och standardmodellen löser 30,1 %. De 6,6 punkterna är vad indexet säger. De 38 punkterna är vad som händer när man ber någon av modellerna att faktiskt få något gjort.

En dag efter lanseringen har forken en prislapp. Båda modellerna har publicerade ljudpriser per minut via Live API, och topplistan från Artificial Analysis anger kostnaden per timme för indataljud till $0,84 för standardmodellen jämfört med $3,50 för resonemangsvarianten — lite drygt fyra gånger så mycket per timme för de där 6,6 indexpoängen. Den avvägningen är hela beslutet, och att bara läsa av det från indexet blir fel.

Det som gör den här lanseringen annorlunda än den vanliga uppdateringen av röstmodeller är att uppdelningen inte är en storleksklass. Det är en oenighet om vad en röstagents uppgift är. En av dessa modeller är ett samtalsgränssnitt. Den andra är ett resonemangssystem som råkar prata.

Två modeller, två jobb

Googles egen formulering är ovanligt tydlig kring detta. Gemini 3.8 Live beskrivs som "byggd för skala och kostnadseffektivitet, med samtalsintelligens kombinerad med flytande dialog och visuell förankring." Gemini 3.8 Live Extended Thinking är "byggd för uppgifter med hög komplexitet, med ökad intelligens och resonemang i flera steg."

Den praktiska skillnaden visar sig i kapabilitetslistan snarare än i specifikationsbladet:

• Gemini 3.8 Live — bearbetning av visuell input i nära realtid, automatiskt byte mitt i samtalet mellan 97 stödda språk, samt körning av verktyg/API i bakgrunden så att modellen bekräftar en begäran och fortsätter prata medan anropet slutförs.

• Gemini 3.8 Live Extended Thinking — resonerar och talar samtidigt, och berättar hur det fortskrider med signaler som ”Låt mig kolla det…” medan en uppgift i flera steg körs.

• Delat — allt genererat ljud bär Googles SynthID-vattenmärkning, båda omfattas av ett modellkort som publicerats under namnet gemini-3-8-audio, och båda har nu dokumenterade API-modell-ID:n: gemini-3.8-live och gemini-3.8-live-extended-thinking.

Extended Thinking-modellen är inte bara 3.8 Live med en längre tankebudget. Det är den som kan hålla en konversation och en uppgiftsplan samtidigt utan att konversationen avstannar — vilket är precis det som får röstagenter att misslyckas i produktion. En användare vill inte ha tystnad medan agenten slår upp något. De vill att agenten ska fortsätta prata.

Kortet säger 6.6. Komponenterna säger 38.

Speech to Speech Index är ett vägt medelvärde av fyra underliggande resultat: Speech Reasoning, mätt med Artificial Analysis egenutvecklade Big Bench Audio-set; Agentic Performance, mätt genom att köra τ-Voice-benchmarken för kundtjänst; Arena Preference, hämtad från Speech Agent Arena; och Task Success Rate. Endast modeller med alla fyra komponenter får en indexpoäng, vilket är anledningen till att vissa rader på den resultattavlan är tomma.

Isärplockade ser de två nya modellerna inte alls ut som ett par med 6,6 poängs skillnad:

• Tal-till-tal-index — Gemini 3.8 Live Extended Thinking (High) 82,6 vs Gemini 3.8 Live 76,0

• Agentisk prestanda (τ-Voice uppgiftslösning) — 68,6 % mot 30,1 %

• Talresonemang (Big Bench Audio) — 98 % mot 92 %

• Samtalsdynamik — 91,9 % mot 96,1 %

• Arenapreferens (Elo) — 990 mot 1083

• Framgångsgrad för uppgifter — 89,1 % mot 93,2 %

• Tid till första ljudet — 1,35 s mot 1,18 s

• Kostnad per timme för inmatat ljud — 3,50 $ vs 0,84 $

Läs det ärligt, och standardmodellen vinner fyra av åtta rader. Den är snabbare till första ljudet, rankas högre av arenan, är mer sannolikt att slutföra en uppgift och får bättre betyg för konversationsdynamik. Den kostar dessutom en tredjedel av priset. Det den inte kan är att slutföra jobbet när jobbet har steg: 30,1 % mot 68,6 % är den största enskilda skillnaden någonstans i den här utgåvan, och den ligger på den enda axel som skiljer en röstagent från ett röstgränssnitt.

Två förbehåll innan den tabellen behandlas som fastställd. Arena-preferenssiffran som används i indexet är fryst vid den punkt då en modell blir publiceringsbar, så den följer inte det aktuella Elo:t i Speech Agent Arena-diagrammet — läs den som en ögonblicksbild, inte som en löpande poäng. Och marginalerna för τ-Voice i toppen av resultattavlan är så små att de kan vara brus: den resonerande variantens 68,6 % leder över GPT-Live-1 på 67,9 % (Astra-backend, medelhög ansträngning) med 0,7 punkter, med GPT-Live-1 (Sol, låg) på 59,3 % och Grok Voice Think Fast 2.0 High på 56,5 % bakom sig. Glappet på 38 punkter mellan de två Gemini-modellerna är inte litet. Ledningen på 0,7 punkter över GPT-Live-1 är det.

Var den ligger på indexet

I skärmdumpen nedan, tagen den 16 september 2026, står följande högst upp på tavlan:

• Gemini 3.8 Live Extended Thinking (High) — 82,6 (första plats)

• GPT-Live-1 (Astra-backend, medel ansträngning) — 81.5

• Grok Voice Think Fast 2.0 High — 81,3

• GPT-Live-1 (Sol-backend, låg insats) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73,9

• Gemini 3.1 Flash Live High — 71.5

Det är så det ligger till med uppdelningen på en skärm. Varianten Extended Thinking tar topplatsen och körs med resultattavlans (Hög)-etikett för resonemangsinsats — samma konvention som den använder för Grok Voice Think Fast 2.0 High och GPT-Realtime-2.1 High, och anledningen till att suffixet "(Hög)" som du kan se kopplat till den här modellen i bevakningen är en konfigurationsetikett snarare än en separat utgåva. Standardvarianten landar på femte plats — under två GPT-Live-1-konfigurationer och under Grok. Googles egen blogg beskriver standardmodellen som "mycket kostnadseffektiv" och noterar att den "säkrade en andraplats i Speech Agent Arena", vilket är en annan resultattavla som mäter något annat. Båda påståendena är sanna. Lästa tillsammans säger de: 3.8 Live är en mycket bra samtalsmodell till ett mycket bra pris, och den är inte frontlinjen för röstintelligens.

Läckan som hann dit först

Modellerna upptäcktes på en kvotsida i Google Cloud dagen före tillkännagivandet, och vi rapporterade om den upptäckten då som en obekräftad slug utan modellkort, utan prissättning och utan bekräftelse från Google. Det inlägget hade rätt om statusen och fel om tidslinjen – bekräftelsen kom inom cirka 24 timmar.

Lärdomen är värd att dokumentera, eftersom den går emot den vanliga instinkten. En läckt slug en dag före lansering är en lansering. En läckt slug utan styrkande dokumentation under åtta veckor är något helt annat. Signalen som skilde dem åt var inte sluggen; det var förekomsten av en kvotsida, som bara finns när kapacitet har tillhandahållits.

Vad det kostar, per minut

Vid tillkännagivandet skilde Googles material inte de två modellerna åt prismässigt – standardmodellen fick en taxa och resonemangsvarianten fick ingen, vilket är vad resultattavlan ovan visar. Det gapet har sedan dess stängts. Båda modellerna har nu publicerad prissättning via Live API: 0,005 USD per minut för ljudinmatning och 0,018 USD per minut för ljudutmatning, vilket Google bekräftade den 16 september när de två lanserades. Samma publicerade prislista täcker tokenprissättningen för Gemini 3 Live-nivån – 0,75 USD per 1M text-tokens in och 4,50 USD ut, 3,00 USD per 1M ljud-tokens in och 12,00 USD ut, samt 1,00 USD per 1M för bild- eller videoinmatning – även om dessa tokenrader är publicerade för nivån snarare än per modell, så läs dem som nivåns prislista och inte som en offert för en specifik variant.

Artificial Analysis har också fyllt i den siffra som är viktigast för planering. Dess topplista har nu en kolumn för kostnad per timme för indataljud — kostnaden för att slutföra en fast 40-frågors delmängd av Big Bench Audio, normaliserad till en timtaxa — och båda de nya modellerna har en siffra där:

• Gemini 3.8 Live — $0,84/timme för ljudinmatning, den lägsta betalda taxan på den tavlan

• Gemini 3.8 Live Extended Thinking (High) — 3,50 USD/timme, fortfarande lägre än båda de modeller den överträffar i kvalitet

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

• GPT-Live-1 (Astra-backend, medelhög insats) — 5,83 $/timme

• GPT-Realtime-2 (High) — 4,14 $/timme

• GPT-Realtime-2.1 High — $10,75/timme

En anteckning om skärmbilderna ovan, eftersom kostnadspanelen i skärmbilden av topplistan är äldre än dessa två rader: varken $0.84 eller $3.50 finns med i den, och dess billigaste stapel är $1.42. Siffrorna i listan är hämtade från topplistans sammanfattningstabell så som den ser ut den 16 september 2026, inte från den bilden. Indexvärdena som visas i bilden påverkas inte och stämmer med tabellen.

Läs de två nya siffrorna mot komponenterna ovan, och lanseringen upphör att vara ett tillkännagivande av två modeller och blir ett enda beslut med en publicerad växelkurs. Resonemangsvarianten köper 6,6 indexpoäng, sex poäng i talresonemang och 38,5 poäng i slutförande av agentiska uppgifter för lite drygt fyra gånger ljudkostnaden per timme. Om det är värt att betala beror helt och hållet på vad din agent gör — och svarets form förändrades när komponenterna publicerades. En röstagent vars uppgift är att slutföra en uppgift i flera steg köper den enskilt största förbättringen i den här lanseringen, för 3,50 dollar i timmen, samtidigt som den ligger cirka 40 % under GPT-Live-1 Astra och ungefär en fjärdedel under Grok Voice Think Fast 2.0 High i pris, och får högre poäng än båda. En röstagent vars uppgift är att konversera — svara, hålla tråden, ta emot ett meddelande, vara trevlig — köper väldigt lite med extra resonemangsdjup, och för 0,84 dollar i timmen köper den den billigaste kompetenta röstmodellen som någon för närvarande publicerar.

Det är listans form. Google har prissatt sin resonemangsmodell under de två modeller den slår, och prissatt sin standardmodell under allt annat på tavlan. Om du kör röstminuter i volym är det här siffran som flyttar din räkning, inte indexpoängen — och att de två varianterna ligger 4× ifrån varandra innebär att valet av vilken man ska anropa är den enskilt största kostnadshävstången i stacken.

”Private preview” gör verkligen nytta i den meningen

Ingen av modellerna är allmänt tillgänglig i avtalsmässig mening, men utvecklarytan är öppen och nu prissatt, vilket förändrar vad du kan planera för:

• Gemini 3.8 Live — utvecklare får det i Gemini API, Live API och Google AI Studio under det dokumenterade ID:t gemini-3.8-live; företag får privat förhandsgranskning i Gemini Enterprise, med Gemini Enterprise for Customer Experience "kommer snart"; alla får det i Search Live.

• Gemini 3.8 Live Extended Thinking — samma utvecklargränssnitt under gemini-3.8-live-extended-thinking, plus en bredare konsumentväg: Gemini Live, Docs Live för prenumeranter på Google AI Pro och Ultra, samt Gmail Live och Keep Live för alla Google AI-prenumeranter.

Det som fortfarande saknas är den del ett företag behöver: ett åtagande om allmän tillgänglighet, en publicerad drifttidssiffra och ett pris som Google har lovat att hålla. Om du behöver dessa, vänta. Om du prototypar är vägen öppen redan i dag med en riktig prislista bakom, vilket är en väsentligt bättre position än en förhandsversion utan publicerat pris. Att bygga integrationen nu är rimligt; att lägga en intäktskritisk telefonlinje på ett tillgänglighetsmål som Google inte har åtagit sig är det inte, och åtgärden för det beskrivs nedan.

Där leverantörens påståenden upphör

Google publicerade egna siffror per komponent i samband med lanseringen – 68,6 % på τ-Voice, 35,1 % på Sierras τ³-Banking-topplista och 97,7 % på Big Bench Audio, alla tillskrivna modellen Extended Thinking. Dessa delas nu upp i två grupper, och uppdelningen spelar roll.

Två av de tre stämmer överens med mätningar som Artificial Analysis själva kör i sin egen testmiljö. Dess agentiska τ-Voice-komponent visar 68,6 % för den här modellen, mot 67,9 % för GPT-Live-1 Astra och 56,5 % för Grok Voice Think Fast 2.0; dess komponent för talresonemang, Big Bench Audio, visar 98 %, mot Googles 97,7 %. Artificial Analysis beskriver τ-Voice och Big Bench Audio som sina egna riktmärken, körda i tre försök där sådana finns. Så τ-Voice- och resonemangssiffrorna finns nu på en offentlig resultattavla som du kan gå och läsa, inte bara i Googles tillkännagivande – behandla dem som styrkta snarare än fastställda, eftersom de exakta siffror Google angav mycket väl kan vara samma körning snarare än en andra.

Sierra-siffran har inte ett sådant stöd och förblir ett leverantörspåstående: 35,1 % på Sierras τ³-Banking-topplista mot 32,0 % för GPT-Live-1 Astra och 16,5 % för xAI-Realtime. Det är också siffran som är värd att stanna upp vid, eftersom 35,1 % innebär att den ledande röstmodellen på den här topplistan misslyckas med ungefär två av tre realistiska försök att slutföra bankuppgifter. Google hänvisar också till en ServiceNow EVA-Bench-körning som utförts på Live API i Gemini Enterprise Agent Platform och beskriver båda modellerna som att de skjuter Pareto-fronten framåt för komplexa arbetsflöden – ingen av dessa har någon oberoende mätning kopplad till sig.

Det finns ett prejudikat att hålla fast vid här. xAI rapporterade ett Speech to Speech Index-värde på 82,9 för Grok Voice Think Fast 2.0 i juli. På resultattavlan som visas ovan ligger den modellen på 81,3. Leverantörsrapporterade indexpoäng klarar inte alltid mötet med en live-topplista – vanligtvis därför att indexet revideras, ibland därför att konfigurationen som testades inte var den som levererades. Verifiera τ-Voice- och Big Bench-siffrorna på din egen trafik, och betrakta den agentiska kolumnen som den som ska testas hårdast.

Lagret som dessa agenter faktiskt körs på

Båda modellerna sitter framför en backend. Bakgrundsutförande av verktyg, planering av uppgifter i flera steg och det delegeringsmönster som varje seriös röstagent använder mynnar alla ut i vanliga textmodellanrop — och det är lagret med störst kostnadsvariation och minst inlåsning.

OrcaRouter har 190 modeller från en enda nyckel till leverantörens listpris utan påslag, vilket innebär att en prissänkning från ett uppströmslabb är live på vår sida samma dag i stället för vid nästa avtalsförnyelse. För en röststack där front-end är en förhandsvisningsmodell är de två användbara egenskaperna att delegeringsmålet kan bytas ut utan att röstintegrationen påverkas, och att automatisk failover håller ett samtal vid liv när en backend ger fel eller tar timeout. För att vara exakt om vad vi hostar och inte hostar: Gemini 3.8 Live-slutpunkterna finns inte på vår router – de kommer från Googles eget API – men textmodellerna som dessa agenter lämnar över arbete till är väldigt ofta det, bland dem Gemini 3.8 Flash.

Vad du ska titta på härnäst

Tre saker kommer att avgöra de öppna frågorna i den här utgåvan. Den första är allmän tillgänglighet och en taxa som Google har åtagit sig att hålla — priserna publiceras nu, men förhandspriser har en tendens att ändras, och en prislista är inte ett kontrakt. Den andra är om arena- och uppgiftsframgångskolumnerna håller, eftersom standardmodellens 1083 Elo och 93,2 % uppgiftsframgång är det starkaste argumentet mot att betala 4× för resonemangsvarianten, och indexets arenasiffra är fryst vid behörigheten snarare än live. Den tredje är oberoende körningar av det agentiska gapet i sig: 68,6 % mot 30,1 % är det största påståendet i utgåvan och det som är mest värt att reproducera, eftersom allt annat hos de två modellerna ligger nära varandra.

Fram till dess vilar den ärliga sammanfattningen på två siffror i stället för en. Gemini 3.8 Live Extended Thinking är röstmodellen med bäst poäng på den offentliga resultattavlan, leder den agentiska komponenten rent ut och underbjuder de två modellerna närmast bakom sig i timkostnad. Gemini 3.8 Live är den billigaste kompetenta röstmodellen på den tavlan, föredras av arenan och är mer tillförlitlig på ytliga uppgifter, och ligger 6,6 poäng efter totalt med ett hårt tak för det enda som agenter blir anlitade för. Google har släppt samma fork två gånger, med fyra gångers prisskillnad, och gjort valet ovanligt lätt att prissätta – förutsatt att du läser komponenterna och inte bara indexet.