Rò rỉ trực tiếp Gemini 3.8: Hai slug giọng nói mới, và vì sao "Live Extended Thinking" lại quan trọng hơn

Hai chuỗi ký tự không xuất hiện trong bất kỳ tài liệu nào đã công bố đã lộ diện trong tuần này trên một trang hạn ngạch của GCP: Gemini 3.8 Live, và một thứ gì đó có tên Live Extended Thinking. Chúng được phát hiện bởi tài khoản theo dõi phát hành @testingcatalog và đăng tải vào ngày 15 tháng 9, kèm lưu ý thẳng thắn rằng cả hai đều không công khai. Đó là toàn bộ hồ sơ công khai tính đến nay — không có thẻ mô hình, không có dòng giá, không có mục nhật ký thay đổi API, không có xác nhận nào. Nhưng hai cái tên ấy nằm ở cuối một chuỗi rất dễ đọc. Gemini 3.1 Flash Live vẫn là mô hình mà chính tài liệu của công ty khuyến nghị cho công việc với Live API, Gemini 3.5 Live và Gemini 3.5 Live Experimental ra mắt ngày 26 tháng 8 với tư cách là dòng Gemini Audio, còn nhánh văn bản của cùng dòng đó — Gemini 3.8 Flash — đã được phát hành từ ngày 2 tháng 9. Một phiên bản "3.8 Live" sẽ khép lại khoảng cách đó. Chuỗi định danh thứ hai mới là cái đáng chú ý hơn trong hai.

Nhãn trước tiên, bởi một bài rò rỉ sống hay chết là nhờ chúng. Đây không phải là một màn ra mắt. Cả hai slug đều chưa được Google công bố, ghi tài liệu, định giá hay xác nhận, và nguồn tin chỉ là một tài khoản duy nhất chuyên theo dõi các bản phát hành. Mọi thứ bên dưới liên quan cụ thể đến Gemini 3.8 Live và Live Extended Thinking đều chưa được xác minh. Mọi thứ bên dưới về các mô hình đã ra mắt — Gemini 3.1 Flash Live, Gemini 3.5 Live, Gemini 3.8 Flash — đều đã được ghi tài liệu và có thể kiểm chứng, và tôi đã đánh dấu rõ cái nào là cái nào xuyên suốt bài.

Tín hiệu nói gì, và không nói gì

• Được báo cáo — hai slug, “Gemini 3.8 Live” và “Live Extended Thinking”, xuất hiện trên một trang hạn mức Google Cloud, được đăng ngày 15 tháng 9 kèm ghi chú rằng chúng “không công khai”

• Không được báo cáo — một thông báo, thẻ mô hình, mức giá, cửa sổ ngữ cảnh, ngày phát hành, ID API, bất kỳ số liệu đánh giá nào, hoặc bất kỳ xác nhận nào từ Google

• Chứng thực — không có gì tính đến thời điểm viết bài này. Trang mô hình API Gemini của Google, cập nhật lần cuối vào ngày 4 tháng 9, liệt kê đúng hai mô hình Live trò chuyện, gemini-3.1-flash-live-preview và gemini-3.5-live-translate-preview, và cả hai đều không có biến thể "Live Extended Thinking"

• Cùng một bản tóm tắt, nhưng là một tuyên bố riêng — bài đăng ngày 15 tháng 9 đó cũng dự báo rằng Grok 4.7 "sẽ ra mắt ở mức gần Opus 5.0, chứ không phải 5.1" và rằng công việc đa phương thức của nó "vẫn còn cần hoàn thiện." Đó là mô hình của một nhà cung cấp khác và là một dự báo chứ không phải một sản phẩm cụ thể; nó được nêu ở đây chỉ để đảm bảo tính đầy đủ của nguồn

• Hàm ý của chính cái tên — các mục hạn ngạch trên Google Cloud là theo SKU từng mô hình, điều này ủng hộ một mô hình API có tính phí thay vì một tính năng bên trong ứng dụng Gemini dành cho người tiêu dùng. Đó là suy luận từ giao diện nơi chuỗi xuất hiện, không phải một sự thật đã được xác nhận.

Vì sao trang hạn ngạch là nơi mô hình rò rỉ đầu tiên

Đây là phần đáng để hiểu, vì nó giải thích tại sao một artifact chỉ gồm hai từ lại xứng đáng có cả một bài viết. Các trang quota không phải là bề mặt tiếp thị. Chúng là hạ tầng thanh toán và giới hạn tốc độ: mỗi mô hình mà khách hàng Cloud có thể gọi đều cần một mục quota theo từng dự án trước khi yêu cầu trả phí đầu tiên được phục vụ, và những mục đó được cấp phát bởi chính công việc kỹ thuật giúp đưa một mô hình sẵn sàng cho tính khả dụng chung. Một slug xuất hiện ở đó nghĩa là ai đó đã xây dựng phần kết nối hạ tầng cho một SKU — chứ không phải ai đó đã soạn một thông cáo báo chí.

Điều đó đúng theo cả hai chiều, và cách lý giải trung thực là cách thận trọng. Một mục trong hạn ngạch đã tiến xa hơn một mật danh trong bài báo nghiên cứu, bởi nó ngụ ý một bề mặt hướng tới khách hàng đã được dự tính. Nó cũng đúng kiểu thứ được tạo ra, thử nghiệm rồi âm thầm đổi tên trước khi ra mắt. Phía văn bản của nhóm sản phẩm này đã tiến nhanh đến mức khiến điều đó trở nên cụ thể: Gemini 3.6 Flash ra mắt ngày 21 tháng 7, Gemini 3.7 Flash vào ngày 13 tháng 8, và Gemini 3.8 Flash vào ngày 2 tháng 9 — ba bản phát hành Flash trong sáu tuần. Một dòng mô hình lặp nhanh đến vậy là một dòng tung ra nhiều SKU hơn số lượng thực sự phát hành dưới những cái tên đó.

Dòng Live vẫn đang chạy chậm hơn một phiên bản

Đây là điều khiến "Gemini 3.8 Live" trở thành một câu chuyện thực sự chứ không chỉ là một điểm đáng tò mò về cách đặt tên: các mô hình giọng nói của Google hoàn toàn không theo kịp các mô hình văn bản của hãng.

• Mô hình Live API được đề xuất hiện nay — gemini-3.1-flash-live-preview, cập nhật mới nhất tháng 3 năm 2026, vẫn được chính tài liệu của Google mô tả là mô hình nên dùng cho mọi trường hợp sử dụng Live API

• Các giới hạn của nó — 131.072 token đầu vào và 65.536 token đầu ra, nhận văn bản, hình ảnh, âm thanh và video vào, trả về văn bản và âm thanh ra

• Dòng Gemini Audio, được công bố ngày 26 tháng 8 — Gemini 3.5 Live, Gemini 3.5 Live Experimental và Gemini 3.5 Transcribe, với các mô hình Transcribe thay thế Chirp 3 cho chuyển giọng nói thành văn bản

• Trong khi đó, dòng văn bản — Gemini 3.5 Flash, Gemini 3.6 Flash, Gemini 3.7 Flash và Gemini 3.8 Flash — đã trải qua bốn phiên bản công khai trong khoảng thời gian gần như tương tự

Vậy nên dòng âm thanh đang ở thế hệ 3.5 trong khi dòng văn bản ở thế hệ 3.8. Một slug “Gemini 3.8 Live” là bằng chứng đầu tiên cho thấy Google có ý định đưa giọng nói trở lại cùng thế hệ với văn bản — điều mà, với bất kỳ ai đang xây dựng một voice agent, có nghĩa là phần suy luận bên dưới một phiên Live có thể nhảy vọt ba thế hệ mô hình văn bản cùng một lúc thay vì chỉ một.

Tại sao "Live Extended Thinking" là slug thú vị hơn

Ngày nay, khả năng suy luận trên một model Gemini Live là một núm điều chỉnh, chứ không phải một model. Live API cung cấp một thinkingLevel tham số với bốn mức cài đặt — minimal, low, medium và high — và mặc định là minimal, được chọn một cách rõ ràng để tối ưu cho độ trễ thấp nhất. Mặc định đó cho bạn biết sản phẩm này dành cho điều gì: một cuộc trò chuyện mà trong đó sự ngập ngừng là một lỗi.

Một slug riêng có tên "Live Extended Thinking" ngụ ý rằng Google đang chuẩn bị tách nó thành hai sản phẩm thay vì một nút điều chỉnh duy nhất, và lập luận rất đơn giản. Độ trễ và sự cân nhắc kỹ lưỡng có mâu thuẫn trực tiếp trong một mô hình giọng nói — bạn không thể vừa trả lời tức thì vừa suy nghĩ kỹ trước khi trả lời — nên một mô hình duy nhất có công tắc bật/tắt buộc mọi bên gọi phải chọn một điểm trên phổ đó cho mỗi yêu cầu. Hai SKU cho phép khách hàng định tuyến đường nhanh (xử lý ngắt lời, nói chen vào, tra cứu nhanh) và đường chậm (một tác nhân thoại đang xử lý tác vụ gồm nhiều bước) tới các endpoint được tinh chỉnh khác nhau, mà không khiến cái này làm suy giảm cái kia.

Tiền lệ đã tồn tại ngay trong đợt ra mắt tháng 8 của chính Google. Gemini 3.5 Live Experimental được mô tả là biến thể có thể “suy luận trực tiếp trong khi nói” và thuật lại tiến trình của mình từng bước trong một tác vụ — một mô hình giọng nói mang rõ chất tư duy, được phát hành dưới dạng id riêng chứ không phải một cài đặt. “Live Extended Thinking” nghe như bản năng đó đang chuyển mình từ một nhãn thử nghiệm thành một sản phẩm có tên. Đó là suy luận từ một chuỗi, và đúng là suy luận — nhưng đó là kiểu suy luận mà dòng sản phẩm cụ thể này đã từng tưởng thưởng cho trước đây.

Những gì bạn thực sự có thể gọi hôm nay

Không có gì ở đây thay đổi những gì bạn có thể truy cập ngay lúc này, và đáng để nói thẳng về điều đó. Không có endpoint Gemini 3.8 Live nào để gọi, không có cài đặt Live Extended Thinking nào để bật, và không có cách nào để mua quyền truy cập vào cả hai. Bất kỳ tài khoản nào hôm nay bán "quyền truy cập Gemini 3.8 Live" đều đang bán một cái nhãn, chứ không phải một mô hình. Những mô hình Live mà bạn thực sự có thể dùng là gemini-3.1-flash-live-preview và gemini-3.5-live-translate-preview, cả hai đều đang ở dạng preview thông qua API của chính Google.

Phía văn bản là một bức tranh khác, và đó là phần thực sự có thể định tuyến. Gemini 3.8 Flash — ra mắt ngày 2 tháng 9 với giá $0.75 mỗi triệu token đầu vào và $3.75 mỗi triệu token đầu ra theo giá niêm yết của chính Google, dự kiến tăng gấp đôi lên $1.50 và $7.50 vào ngày 1 tháng 1 năm 2027 — chạy trên OrcaRouter ở đúng mức giá niêm yết đó, với mức cộng thêm 0%. Định giá chuyển tiếp quan trọng hơn bình thường đối với một mô hình có đợt tăng giá được công bố trước: khi con số tháng 1 có hiệu lực, nó thay đổi ở đây ngay cùng ngày, không cần đàm phán lại hợp đồng thứ hai và không cần thay đổi mã.

Dòng voice hiện không có trên OrcaRouter hôm nay — không một SKU Live hay native-audio nào có mặt, từ bất kỳ nhà cung cấp nào — nên không có gì ở đây nên được hiểu là chúng tôi đang host nó. Điều mà một lớp định tuyến thực sự hữu ích để làm chính là nửa còn lại của câu chuyện này. Khi một mô hình Live thế hệ 3.8 thực sự xuất hiện, và khi một biến thể thứ hai thiên về suy luận xuất hiện bên cạnh nó, việc chọn giữa một đường thoại nhanh và một đường suy xét sẽ trở thành một quyết định định tuyến thay vì một lần viết lại: hai endpoint sau một key, với failover tự động nếu preview id mà bạn đã xây dựng dựa vào bị ngừng hỗ trợ. Trên một dòng đã tự đổi tên một lần trong năm nay, đó không phải là giả thuyết.

Điều gì sẽ xác nhận điều này — và điều gì sẽ giết chết nó

Một bài viết rò rỉ nên cho bạn biết nó có thể sai ở điểm nào. Đối với Gemini 3.8 Live và Live Extended Thinking, bằng chứng xác nhận là cụ thể và có thể kiểm chứng:

• Mục hạn ngạch được công khai — cùng một slug xuất hiện trong danh sách mô hình Google Cloud hoặc Vertex AI kèm theo giới hạn tốc độ, thay vì chỉ nằm trong một ảnh chụp màn hình

• Một mục trong nhật ký thay đổi của Gemini API hoặc một hàng trên trang models, hiện chỉ dừng ở gemini-3.1-flash-live-preview và gemini-3.5-live-translate-preview

• Một model card của DeepMind — các mô hình âm thanh tháng 8 được ghi nhận ở đó là "Gemini 3.5 Audio" ngay cả khi các bài đưa tin gọi chúng là Live và Transcribe, nên model card chính là tài liệu xác định tên gọi.

• Một dòng giá — thứ duy nhất biến một SKU đang ở trạng thái nháp thành sản phẩm mà ai đó có thể mua

• Sự bác bỏ — các slug được đổi tên, được gộp vào cài đặt suy nghĩ của mô hình hiện có, hoặc đơn giản là không bao giờ xuất hiện trở lại. Cả ba đều là những kết quả bình thường đối với một trang hạn ngạch, và bất kỳ điều nào trong số đó đều có nghĩa là bài viết này đã ra đời sớm thay vì đúng.

Cần theo dõi điều gì và ai nên hành động

Nếu bạn đang xây dựng một voice agent trên Live API, thì không có gì trong kiến trúc của bạn cần thay đổi trong tuần này — mô hình mà bạn sẽ xây dựng dựa trên vẫn là gemini-3.1-flash-live-preview, và lời khuyên thành thật là hãy giữ model id trong một giá trị cấu hình và duy trì một Live endpoint thứ hai luôn sẵn sàng, bởi vì dòng này đã tự đổi tên một lần rồi và có thể sẽ làm như vậy lần nữa. Nếu bạn đang chọn một mô hình văn bản, thì rò rỉ này không liên quan đến bạn; Gemini 3.8 Flash đang được phát hành, đã có giá và có thể đo lường ngay lúc này, và câu hỏi hữu ích hơn là thay đổi giá tháng Một chứ không phải một slug giọng nói.

Điều thực sự cần theo dõi không phải là buổi ra mắt. Mà là liệu "Live Extended Thinking" sẽ xuất hiện như một mô hình thứ hai hay như một cài đặt thứ năm trên mô hình đầu tiên. Nếu nó là một SKU riêng, Google đang nói với các nhà phát triển rằng một tác nhân thoại biết suy nghĩ và một tác nhân thoại biết nói là hai sản phẩm khác nhau — và đó là một khẳng định có sức nặng hơn bất kỳ số phiên bản nào trong tên gọi.

Điều mà một lớp định tuyến thực sự hữu ích cho chính là nửa còn lại của câu chuyện này.