ข่าวหลุด Gemini 3.8 Live: slug เสียงใหม่สองรายการ และทำไม "Live Extended Thinking" จึงสำคัญมากกว่า

สตริงสองรายการที่ไม่ปรากฏในเอกสารเผยแพร่ใด ๆ โผล่ขึ้นมาในสัปดาห์นี้บนหน้าโควต้าของ GCP: Gemini 3.8 Live และสิ่งที่เรียกว่า Live Extended Thinking. พวกมันถูกพบโดยบัญชีติดตามการเปิดตัว @testingcatalog และโพสต์เมื่อวันที่ 15 กันยายน โดยมีข้อแม้ตรง ๆ ว่าไม่มีชื่อใดเป็นสาธารณะ นั่นคือบันทึกสาธารณะทั้งหมดจนถึงตอนนี้ — ไม่มีการ์ดโมเดล ไม่มีบรรทัดราคา ไม่มีรายการบันทึกการเปลี่ยนแปลง API ไม่มีการยืนยันใด ๆ แต่ชื่อทั้งสองอยู่ท้ายบรรทัดที่อ่านออกได้ชัดเจนGemini 3.1 Flash Live ยังคงเป็นโมเดลที่เอกสารของบริษัทเองแนะนำสำหรับงาน Live API Gemini 3.5 Live และ Gemini 3.5 Live Experimental มาถึงเมื่อวันที่ 26 สิงหาคมในฐานะตระกูล Gemini Audio และฝั่งข้อความของตระกูลเดียวกัน — Gemini 3.8 Flash — ได้เปิดให้ใช้งานมาตั้งแต่ 2 กันยายน "3.8 Live" จะปิดช่องว่างนั้น สลักที่สองน่าสนใจกว่าอันแรกจากทั้งสอง

ป้ายกำกับมาก่อน เพราะบทความข่าวหลุดจะรอดหรือร่วงก็ขึ้นอยู่กับป้ายเหล่านี้ นี่ไม่ใช่การเปิดตัว ทั้งสองสลักยังไม่ได้รับการประกาศ มีเอกสารยืนยัน กำหนดราคา หรือยืนยันโดย Google และแหล่งข่าวเป็นบัญชีเดียวที่ติดตามการเปิดตัว ทุกอย่างด้านล่างที่เกี่ยวกับ Gemini 3.8 Live และ Live Extended Thinking โดยเฉพาะยังไม่ได้รับการยืนยัน ทุกอย่างด้านล่างที่เกี่ยวกับโมเดลที่เปิดให้ใช้แล้ว — Gemini 3.1 Flash Live, Gemini 3.5 Live, Gemini 3.8 Flash — มีเอกสารยืนยันและตรวจสอบได้ และฉันได้ทำเครื่องหมายว่าอันไหนเป็นอันไหนไว้ตลอดทั้งบทความ

สิ่งที่สัญญาณบอก และสิ่งที่มันไม่ได้บอก

• มีรายงาน — slug สองรายการ คือ "Gemini 3.8 Live" และ "Live Extended Thinking" ซึ่งปรากฏอยู่บนหน้าโควตาของ Google Cloud ถูกโพสต์เมื่อวันที่ 15 กันยายน พร้อมหมายเหตุว่าทั้งสอง "ไม่เปิดเผยต่อสาธารณะ"

• ไม่มีรายงาน — การประกาศ การ์ดโมเดล ราคา หน้าต่างบริบท วันที่เปิดตัว API id ตัวเลข benchmark ใด ๆ หรือการยืนยันใด ๆ จาก Google

• การยืนยัน — ไม่มี ณ เวลาที่เขียนนี้ หน้าเพจโมเดล Gemini API ของ Google ซึ่งอัปเดตล่าสุดเมื่อวันที่ 4 กันยายน ระบุโมเดล Live แบบสนทนาไว้เพียงสองโมเดลเท่านั้นgemini-3.1-flash-live-preview และ gemini-3.5-live-translate-preview และไม่มีโมเดลใดมีเวอร์ชัน "Live Extended Thinking"

• บรีฟเดียวกัน แต่เป็นข้อกล่าวอ้างแยกต่างหาก — โพสต์วันที่ 15 กันยายนฉบับเดียวกันยังคาดการณ์ว่า Grok 4.7 "น่าจะอยู่ใกล้กับ Opus 5.0 ไม่ใช่ 5.1" และงานด้านมัลติโมดัลของมัน "ยังต้องพัฒนาอีก" นั่นเป็นโมเดลของผู้ให้บริการรายอื่น และเป็นการคาดการณ์มากกว่าจะเป็นชิ้นงานที่เกิดขึ้นจริง จึงกล่าวถึงไว้ที่นี่เพียงเพื่อความครบถ้วนของแหล่งข้อมูล

• นัยจากชื่อนั้นเอง — รายการโควตาบน Google Cloud เป็น SKU แยกตามโมเดล ซึ่งสนับสนุนแนวคิดว่าเป็นโมเดล API ที่คิดค่าบริการ มากกว่าจะเป็นฟีเจอร์ภายในแอป Gemini สำหรับผู้บริโภค นั่นเป็นการอนุมานจากจุดที่สตริงปรากฏขึ้น ไม่ใช่ข้อเท็จจริงที่ยืนยันแล้ว

ทำไมหน้าโควตาจึงเป็นจุดแรกที่โมเดลรั่วไหล

นี่คือส่วนที่ควรค่าแก่การทำความเข้าใจ เพราะมันอธิบายว่าทำไมอาร์ติแฟกต์สองคำจึงสมควรได้รับบทความทั้งบท หน้าโควตาไม่ใช่พื้นที่สำหรับการตลาด พวกมันเป็นโครงสร้างพื้นฐานด้านการเรียกเก็บเงินและขีดจำกัดอัตรา: ทุกโมเดลที่ลูกค้า Cloud สามารถเรียกใช้ได้จำเป็นต้องมีรายการโควตาต่อโปรเจกต์ก่อนที่คำขอแบบเสียเงินครั้งแรกจะได้รับการให้บริการ และรายการเหล่านั้นถูกจัดเตรียมโดยงานวิศวกรรมเดียวกันกับที่เตรียมโมเดลให้พร้อมสำหรับการเปิดให้ใช้งานทั่วไป การที่ slug ปรากฏขึ้นที่นั่นหมายความว่ามีคนสร้างระบบพื้นฐานรองรับสำหรับ SKU แล้ว ไม่ใช่ว่ามีคนร่างข่าวประชาสัมพันธ์

เรื่องนี้เป็นดาบสองคม และการตีความอย่างซื่อตรงก็คือต้องมองแบบระวังไว้ก่อน การปรากฏอยู่ในรายการโควตาถือว่าไปไกลกว่านามรหัสในบทความวิจัย เพราะมันบ่งชี้ว่ามีการตั้งใจทำออกมาให้ลูกค้าใช้งานจริง และมันก็เป็นสิ่งประเภทเดียวกับที่มักถูกสร้าง ทดสอบ และเปลี่ยนชื่อเงียบ ๆ ก่อนเปิดตัว ฝั่งข้อความของตระกูลนี้เคลื่อนไหวเร็วพอที่จะทำให้เรื่องนี้เป็นรูปธรรม: Gemini 3.6 Flash เปิดตัวเมื่อวันที่ 21 กรกฎาคม, Gemini 3.7 Flash เมื่อวันที่ 13 สิงหาคม และ Gemini 3.8 Flash เมื่อวันที่ 2 กันยายน — การเปิดตัว Flash สามครั้งในหกสัปดาห์ สายโมเดลที่พัฒนาวนเร็วขนาดนั้นคือสายที่จัดเตรียม SKU ไว้มากกว่าจำนวนที่เปิดตัวจริงภายใต้ชื่อเหล่านั้น

ไลน์ Live รันเวอร์ชันตามหลังอยู่หนึ่งเวอร์ชันมาตลอด

นี่คือสิ่งที่ทำให้ "Gemini 3.8 Live" เป็นเรื่องราวจริง ไม่ใช่แค่ความน่าสงสัยในเรื่องชื่อ: โมเดลเสียงของ Google ไม่ได้ตามโมเดลข้อความของบริษัทเลยแม้แต่น้อย

• โมเดล Live API ที่แนะนำในปัจจุบัน — gemini-3.1-flash-live-preview, อัปเดตล่าสุดมีนาคม 2026 ยังคงได้รับการระบุไว้ในเอกสารของ Google เองว่าเป็นโมเดลที่ควรใช้สำหรับกรณีการใช้งาน Live API ทั้งหมด

• ขีดจำกัดของมัน — 131,072 โทเคนอินพุต และ 65,536 โทเคนเอาต์พุต โดยรับข้อความ รูปภาพ เสียง และวิดีโอเข้า และส่งออกเป็นข้อความและเสียง

• ตระกูล Gemini Audio ที่ประกาศเมื่อวันที่ 26 สิงหาคม — Gemini 3.5 Live โดย Gemini 3.5 Live Experimental และ Gemini 3.5 Transcribe โดยโมเดล Transcribe เข้ามาแทนที่ Chirp 3 สำหรับการแปลงเสียงพูดเป็นข้อความ

• ในขณะเดียวกัน สายรุ่นสำหรับข้อความ — Gemini 3.5 Flash, Gemini 3.6 Flash, Gemini 3.7 Flash และ Gemini 3.8 Flash — ก็ผ่านเวอร์ชันสาธารณะถึงสี่เวอร์ชันในช่วงเวลาไล่เลี่ยกันโดยประมาณ

ดังนั้นไลน์เสียงจึงอยู่ที่เจเนอเรชัน 3.5 ในขณะที่ไลน์ข้อความอยู่ที่ 3.8 สลัก "Gemini 3.8 Live" เป็นหลักฐานชิ้นแรกที่ Google ตั้งใจจะนำเสียงกลับมาอยู่ในเจเนอเรชันเดียวกับข้อความอีกครั้ง — ซึ่งสำหรับใครก็ตามที่สร้าง voice agent หมายความว่าการให้เหตุผลภายใต้เซสชัน Live อาจกระโดดไปสามเจเนอเรชันของโมเดลข้อความในคราวเดียว แทนที่จะเป็นหนึ่ง

ทำไม "Live Extended Thinking" จึงเป็น slug ที่น่าสนใจกว่า

ทุกวันนี้ การคิดบนโมเดล Gemini Live เป็นเหมือนปุ่มปรับระดับ ไม่ใช่ตัวโมเดล Live API เปิดเผยthinkingLevel พารามิเตอร์ที่มีการตั้งค่าสี่ระดับ ได้แก่ minimal, low, medium และ high โดยค่าเริ่มต้นคือ minimal ซึ่งเลือกไว้อย่างชัดเจนเพื่อเพิ่มประสิทธิภาพให้มีความหน่วงต่ำที่สุด ค่าเริ่มต้นนี้บอกให้รู้ว่าผลิตภัณฑ์นี้มีไว้เพื่ออะไร นั่นคือบทสนทนาที่การหยุดชั่วคราวถือเป็นข้อบกพร่อง

slug แยกต่างหากที่ชื่อ “Live Extended Thinking” บ่งชี้ว่า Google กำลังเตรียมแยกสิ่งนั้นออกเป็นสองผลิตภัณฑ์ แทนที่จะเป็นตัวปรับค่าเพียงตัวเดียว และเหตุผลก็ตรงไปตรงมา ความหน่วง (latency) และการคิดไตร่ตรองอยู่ในภาวะตึงเครียดโดยตรงในโมเดลเสียง — คุณไม่อาจตอบทันทีและคิดอย่างหนักก่อนตอบได้พร้อมกัน — ดังนั้นโมเดลเดียวที่มีตัวสลับจึงบังคับให้ผู้เรียกใช้ทุกรายเลือกจุดหนึ่งบนเส้นนั้นสำหรับทุกคำขอ SKU สองรายการช่วยให้ลูกค้ากำหนดเส้นทางเร็ว (การจัดการการขัดจังหวะ, การพูดแทรก (barge-in), การค้นหาด่วน) และเส้นทางช้า (เอเจนต์เสียงที่ดำเนินงานหลายขั้นตอน) ไปยังเอนด์พอยต์ที่ปรับแต่งไว้ต่างกันได้ โดยที่เส้นทางหนึ่งไม่ทำให้อีกเส้นทางด้อยลง

มีตัวอย่างมาก่อนแล้วภายในงานเปิดตัวเดือนสิงหาคมของ Google เอง Gemini 3.5 Live Experimental ถูกอธิบายว่าเป็นเวอร์ชันที่สามารถ "ให้เหตุผลโดยตรงขณะพูด" และเล่าความคืบหน้าของมันทีละขั้นตอนระหว่างทำงาน — โมเดลเสียงที่ให้กลิ่นอายของการคิดอย่างชัดเจน เปิดตัวเป็น id ของตัวเองแทนที่จะเป็นเพียงการตั้งค่า "Live Extended Thinking" ดูเหมือนว่าสัญชาตญาณนั้นกำลังยกระดับจากป้ายทดลองไปสู่ผลิตภัณฑ์ที่ได้รับการตั้งชื่อ นั่นคือการอนุมานจากสตริง และมันเป็นการอนุมาน — แต่มันเป็นแบบที่สายผลิตภัณฑ์นี้เคยให้ผลตอบแทนมาก่อน

สิ่งที่คุณสามารถโทรหาได้จริงในวันนี้

ไม่มีอะไรตรงนี้เปลี่ยนแปลงสิ่งที่คุณเข้าถึงได้ในตอนนี้ และก็คุ้มค่าที่จะพูดกันตรง ๆ เกี่ยวกับเรื่องนั้น ไม่มีเอนด์พอยต์ Gemini 3.8 Live ให้เรียกใช้ ไม่มีการตั้งค่า Live Extended Thinking ให้เปิดใช้งาน และไม่มีทางซื้อสิทธิ์เข้าถึงสิ่งใดในสองสิ่งนั้นได้ บัญชีใดก็ตามที่ขาย "Gemini 3.8 Live access" ในวันนี้ กำลังขายเพียงป้ายชื่อ ไม่ใช่โมเดล โมเดล Live ที่คุณใช้งานได้จริงคือ gemini-3.1-flash-live-preview และ gemini-3.5-live-translate-preview โดยทั้งสองอยู่ในสถานะพรีวิวผ่าน API ของ Google เอง

ด้านข้อความนั้นเป็นภาพที่ต่างออกไป และเป็นส่วนที่สามารถกำหนดเส้นทางได้จริง Gemini 3.8 Flash — เปิดตัวเมื่อวันที่ 2 กันยายน ในราคา 0.75 ดอลลาร์ต่อล้านโทเคนอินพุต และ 3.75 ดอลลาร์ต่อล้านโทเคนเอาต์พุตตามราคาตั้งของ Google เอง ซึ่งมีกำหนดจะเพิ่มเป็นสองเท่าเป็น 1.50 และ 7.50 ดอลลาร์ในวันที่ 1 มกราคม 2027 — ทำงานบน OrcaRouter ในราคาตั้งเดียวกันนั้นโดยไม่มีส่วนบวกเพิ่มเลย 0% การคิดราคาแบบส่งผ่านตรง (pass-through pricing) มีความสำคัญกว่าปกติสำหรับโมเดลที่มีการประกาศขึ้นราคาล่วงหน้า เมื่อตัวเลขของเดือนมกราคมมีผลบังคับใช้ ที่นี่ก็จะเปลี่ยนในวันเดียวกัน โดยไม่ต้องเจรจาสัญญาฉบับที่สอง และไม่ต้องแก้ไขโค้ดใด ๆ

สายผลิตภัณฑ์เสียงยังไม่มีบน OrcaRouter ในวันนี้ — ไม่มี SKU แบบ Live หรือ native-audio ใด ๆ จากผู้ขายรายใดก็ตาม — ดังนั้นไม่มีอะไรตรงนี้ที่ควรถูกตีความว่าเราเป็นผู้โฮสต์มันอยู่ สิ่งที่เลเยอร์การกำหนดเส้นทางมีประโยชน์จริง ๆ คืออีกครึ่งหนึ่งของเรื่องราวนี้ เมื่อโมเดล Live เจนเนอเรชัน 3.8 มาถึงจริง ๆ และเมื่อตัวแปรที่สองซึ่งมีกลิ่นอายของการคิดมาอยู่เคียงข้างกัน การเลือกระหว่างเส้นทางเสียงแบบเร็วกับเส้นทางที่ต้องพิจารณาไตร่ตรองจะกลายเป็นการตัดสินใจด้านการกำหนดเส้นทาง มากกว่าการเขียนใหม่: สองปลายทางภายใต้คีย์เดียว พร้อมการสลับไปใช้สำรองอัตโนมัติ หาก preview id ที่คุณสร้างขึ้นมาอ้างอิงถูกยกเลิกไป บนสายผลิตภัณฑ์ที่เปลี่ยนชื่อตัวเองไปแล้วครั้งหนึ่งในปีนี้ นั่นไม่ใช่เรื่องสมมติ

อะไรจะยืนยันเรื่องนี้ — และอะไรจะหักล้างมัน

ข่าวหลุดชิ้นหนึ่งควรบอกคุณว่ามันอาจผิดพลาดได้อย่างไร สำหรับ Gemini 3.8 Live และ Live Extended Thinking หลักฐานยืนยันนั้นเฉพาะเจาะจงและตรวจสอบได้:

• การที่รายการโควตากลายเป็นข้อมูลสาธารณะ — slug เดียวกันปรากฏในรายการโมเดลของ Google Cloud หรือ Vertex AI พร้อมขีดจำกัดอัตราที่แนบมาด้วย แทนที่จะปรากฏเพียงในภาพหน้าจอเท่านั้น

• รายการบันทึกการเปลี่ยนแปลงของ Gemini API หรือแถวในหน้าโมเดล ซึ่งปัจจุบันสิ้นสุดที่ gemini-3.1-flash-live-preview และ gemini-3.5-live-translate-preview

• การ์ดโมเดลของ DeepMind — โมเดลเสียงเดือนสิงหาคมได้รับการบันทึกไว้ที่นั่นว่า "Gemini 3.5 Audio" แม้ว่าการรายงานข่าวจะเรียกโมเดลเหล่านี้ว่า Live และ Transcribe ดังนั้นการ์ดนี้จึงเป็นสิ่งที่ชี้ขาดชื่อ

• บรรทัดราคา ซึ่งเป็นสิ่งเดียวที่ทำให้ SKU ที่จัดเตรียมไว้กลายเป็นสินค้าที่ใครสักคนสามารถซื้อได้

• การไม่ยืนยัน — slug เหล่านั้นถูกเปลี่ยนชื่อ ถูกผนวกรวมเข้าไปในการตั้งค่ากระบวนการคิดของโมเดลที่มีอยู่ หรือเพียงไม่ปรากฏขึ้นอีกเลย ทั้งสามอย่างล้วนเป็นผลลัพธ์ปกติสำหรับหน้าโควตา และอย่างใดอย่างหนึ่งในนั้นหมายความว่าชิ้นงานนี้มาเร็วเกินไป มากกว่าจะถูกต้อง

สิ่งที่ต้องจับตา และใครควรลงมือ

หากคุณกำลังสร้าง voice agent บน Live API สัปดาห์นี้ไม่มีอะไรในสถาปัตยกรรมของคุณที่ต้องเปลี่ยนแปลง — โมเดลที่คุณจะใช้สร้างยังคงเป็น gemini-3.1-flash-live-preview และคำแนะนำที่ตรงไปตรงมาคือให้เก็บ model id ไว้หลังค่าคอนฟิก และเตรียม Live endpoint ตัวที่สองให้พร้อมไว้ เพราะสายนี้เปลี่ยนชื่อตัวเองมาแล้วครั้งหนึ่งและอาจทำอีกครั้ง หากคุณกำลังเลือกโมเดลข้อความ การรั่วไหลนี้ไม่เกี่ยวข้องกับคุณ Gemini 3.8 Flash กำลังเปิดตัว มีราคาและวัดผลได้แล้ว และคำถามที่มีประโยชน์กว่าคือการเปลี่ยนแปลงราคาในเดือนมกราคมมากกว่า voice slug

สิ่งที่ควรจับตาจริง ๆ ไม่ใช่การเปิดตัว หากแต่เป็นว่า "Live Extended Thinking" จะมาถึงในฐานะโมเดลที่สอง หรือในฐานะการตั้งค่าตัวที่ห้าบนโมเดลแรก หากมันเป็น SKU แยกต่างหาก Google กำลังบอกนักพัฒนาว่า วอยซ์เอเจนต์ที่คิดได้ กับวอยซ์เอเจนต์ที่พูดได้ เป็นผลิตภัณฑ์ที่แตกต่างกัน — และนั่นคือข้ออ้างที่มีนัยสำคัญยิ่งกว่าหมายเลขเวอร์ชันใด ๆ ในชื่อ

สิ่งที่ เลเยอร์การจัดเส้นทางมีประโยชน์อย่างแท้จริงนั้นก็คืออีกครึ่งหนึ่งของเรื่องราวนี้