9월 15일 Gemini 3.8 Live와 추론 강화판이 검색·앱·API에 동시에 배포됐다

구글, 9월 15일 음성 모델 2종 공개

구글은 2026년 9월 15일 Gemini 3.8 Live와 Gemini 3.8 Live Extended Thinking을 공개했다. 두 모델은 음성을 텍스트로 바꾼 뒤 다시 합성하는 단계형 파이프라인 대신, 음성을 바로 음성으로 처리하는 실시간 대화 모델이다.

저자 톰 오양과 말리니 자가나탄은 공식 블로그에서 두 모델을 “현재까지 가장 앞선 라이브 대화 모델”로 소개했다. 기반은 Gemini 3 Pro다. 입력은 오디오·이미지·영상·텍스트이고 출력은 오디오와 텍스트다. 입력 창은 최대 12만 8천 토큰, 출력은 6만 4천 토큰이다.

공식 블로그가 나눈 두 모델의 역할

  • Gemini 3.8 Live는 규모와 비용 효율을 우선하며 대화 유창성과 시각 입력을 결합한 기본 실시간 모델로 제시됐다.
  • Gemini 3.8 Live Extended Thinking는 다단계 추론이 필요한 복잡한 작업용으로 분리됐고, 말하는 동안 뒤에서 계획을 세우고 도구를 호출한다.
  • 두 모델 모두 대화 도중 97개 지원 언어를 자동 감지하고 중간에 언어를 바꿀 수 있다.
  • 카메라로 들어온 장면을 거의 실시간으로 대화에 붙이는 시각 그라운딩이 기본 기능에 포함된다.
  • 생성 오디오에는 딥마인드 SynthID 워터마크가 들어가 기계 생성 여부를 나중에 판별할 수 있다.

추론 강화판, 음성품질지수 82.6

구글은 강화판이 Artificial Analysis의 Speech-to-Speech Quality Index에서 82.6으로 전체 1위라고 밝혔다. 같은 글에서 에이전트 작업 완료율은 τ-Voice 68.6%, 시에라 τ-Voice-banking 35.1%, 오디오 추론 벤치 Big Bench Audio는 97.7%로 적혔다.

기본판 Gemini 3.8 Live는 Speech Agent Arena 선호도에서 2위를 기록했다고 구글이 적었다. 서비스나우 EVA-Bench에서는 정확도와 대화 품질을 함께 맞추는 쪽에 올려 두었으나, 점수 자체는 공개하지 않았다.

공개된 벤치마크 수치와 비교 대상

  • 강화판 82.6점은 구글이 인용한 지수에서 GPT-Live-1 아스트라와 Grok Voice Think Fast 2.0을 앞선 수치로 보도됐다.
  • τ-Voice 68.6%는 항공·소매·통신 고객응대형 음성 과제를 끝까지 끝내는 비율이다.
  • 시에라 은행·핀테크 음성 과제 완료율 35.1%는 선두로 소개됐지만, 세 건 중 한 건만 넘는 수준이다.
  • Big Bench Audio 97.7%는 형식 오류·계수·논리 퍼즐을 음성으로 푸는 추론 점수다.
  • 기본판은 선호도 평가에서 2위이고, 강화판은 작업 완료 쪽에서 더 높은 점수를 받는 구조로 나왔다.

The New Stack은 구글과 오픈AI가 쓰는 시험과 구성이 달라 점수를 한 줄로 비교하기 어렵다고 적었다. 개발자용 모델과 소비자 완제품을 같은 표에 올리는 경우도 있다.

기본판은 저지연 대화용으로 설계

라이브 API 문서에서 기본판 엔드포인트는 gemini-3.8-live다. 고정된 지연 프로필로 추론을 끼워 넣으며, 추론 강도(thinking_level) 설정은 없다. 도구는 동기(BLOCKING)와 비동기(NON_BLOCKING)를 모두 받는다.

강화판 엔드포인트는 gemini-3.8-live-extended-thinking이다. 추론 강도는 low·medium·high만 있고 MINIMAL은 없다. 도구 선언은 비동기만 허용되며, 동기 도구는 오류를 반환한다. 한 발화가 끝나도 세션은 interaction_status가 IDLE이 될 때까지 작업 중으로 남는다.

라이브 API가 적어 둔 동작 차이

  • 기본판은 도구 실행이 끝난 뒤에 말하기 시작하고, 강화판은 “잠시 확인하겠습니다” 같은 중간 멘트를 먼저 흘린다.
  • 강화판은 백그라운드 처리 중 IN_PROGRESS, 전체 작업이 끝나면 IDLE을 클라이언트로 보낸다.
  • 기본판은 고객 응대 분류, 음성 검색, 센서 조회처럼 한 턴에 답이 나오는 쓰임새를 권장한다.
  • 강화판은 로그 진단, 항공권·숙소 비교, 수식 검증, 긴 도구 대기 시간을 말로 메우는 쓰임새를 권장한다.
  • 클라이언트가 상태 기계를 직접 맞춰야 해서 강화판 연동 난도는 기본판보다 높다.

검색 라이브에 기본판이 먼저 적용

일반 사용자 쪽 배치는 제품마다 다르다. 검색 라이브에는 기본판이, 제미나이 라이브 앱에는 강화판이 올라가는 식으로 나뉘었다. 구글 앱에서 Live 아이콘을 누르고 말하면 음성 답과 함께 화면 링크가 뜬다.

검색 엔지니어링 담당 부사장 라잔 파텔은 검색 라이브가 웹 링크를 붙인 응답, 대화 중 언어 전환, 이어 말하기를 제공한다고 설명했다. 대화 기록은 트랜스크립트로 다시 볼 수 있다.

제품별 배포 범위

  • 개발자는 제미나이 API와 구글 AI 스튜디오에서 두 모델을 바로 호출한다.
  • 기업용은 제미나이 엔터프라이즈 비공개 프리뷰이고, 고객경험용 엔터프라이즈에는 이후 열린다.
  • 검색 라이브는 기본판을 일반 사용자에게 배포한다.
  • 제미나이 라이브 앱은 강화판을 일반 사용자에게 배포한다.
  • 워크스페이스 쪽은 구독 상품에 따라 Docs·Gmail·Keep 라이브에 강화판이 붙는다.

워크스페이스는 구독 등급별로 개방

안드로이드 오소리티와 나인투파이브구글에 따르면 Docs 라이브는 초안 작성과 수정, Gmail 라이브는 대화형 검색, Keep 라이브는 메모 생성을 음성으로 처리한다. AI Pro·Ultra 구독자는 Docs에서도 강화판을 쓰고, Gmail과 Keep은 구글 AI 구독자 전반에 열린다고 공식 글이 적었다.

기업 워크스페이스 고객 대상 일정은 “곧”으로만 남아 있다. 소비자 앱과 개발자 API가 같은 날 열린 것과 달리, B2B 일정은 따로 움직인다.

API 음성 입력은 분당 0.005달러

개발자 가격표는 오디오를 분 단위와 토큰 단위로 함께 적어 두었다. 유료 구간의 오디오 입력은 분당 0.005달러 또는 100만 토큰당 3.00달러, 오디오 출력은 분당 0.018달러 또는 100만 토큰당 12.00달러다. 출력 요금에는 추론 토큰이 포함된다.

텍스트 입력은 100만 토큰당 0.75달러, 텍스트 출력은 4.50달러다. 이미지·영상 입력은 100만 토큰당 1.00달러 또는 분당 0.002달러다. 구글 검색 그라운딩은 제미나이 3.x 공유로 월 5,000회까지 무료이고, 이후 1,000회당 14달러다.

개발자 블로그는 분당 요금을 입력 100만 토큰 3달러, 출력 100만 토큰 12달러로 환산한 추정치라고 밝혔다. 무료 구간은 표에 적힌 항목이 과금되지 않는다. 무료 구간의 데이터는 제품 개선에 쓰일 수 있고, 유료 구간은 그렇지 않다.

개발자 스택에 적힌 부가 기능

  • 비동기 함수 호출로 도구가 도는 동안에도 오디오 스트림을 끊지 않는다.
  • 확인 코드·청구 번호 같은 영숫자 열을 음성에서 읽는 정밀도를 별도 항목으로 내세웠다.
  • 문장 안팎의 언어 전환을 설정 없이 처리한다.
  • 도메인 용어는 최대 1,000개까지 사용자 어휘 목록으로 인식에 가중치를 줄 수 있다.
  • 실시간 미디어 계층은 아고라, 피쉬잼, 라이브킷, 랭체인, 파이프캣, 버셀, 비전 에이전트가 대행한다.

같은 날 묶여 소개된 Gemini 3.5 Transcribe는 전용 음성-텍스트 모델이다. 평균 단어 오류율은 스트리밍 4.0%, 비스트리밍 2.6%다. 라이브 대화 모델과는 역할이 다르다.

오픈AI 음성 분당 요금이 더 높다

디코더는 GPT-Live-1 음성 계층을 분당 0.05달러로 적었고, 구글 기본 입출력만으로 한 시간을 계산하면 약 1.38달러, 오픈AI 음성 계층만으로도 최소 3.00달러라고 비교했다. 오픈AI 쪽은 백엔드 추론과 함수 호출이 따로 청구된다.

The New Stack은 구글이 음성·추론·도구를 한 세션에 두고, 오픈AI GPT-Live-1은 실시간 음성 계층과 백엔드 추론 모델을 애플리케이션이 이어 붙이는 구조라고 정리했다. 구글 대변인은 챗GPT·클로드 음성 모드가 완제품이라 개발자 모델과 같은 줄에 놓기 어렵다고 말했다.

앤트로픽은 소비자 앱에 음성을 넣었지만, 제미나이 라이브나 GPT-Live-1에 해당하는 실시간 음성-음성 API는 아직 없다. 클로드로 음성 에이전트를 만들려면 인식·합성 계층을 따로 붙여야 한다.

디코더는 오픈AI 쪽이 전이중 대화와 음색에서 더 자연스럽다는 인상을 데모 기준으로 적었다. 구글은 소음·억양·끼어들기에 더 강하다고 매체에 말했다. 출시 하루 차 체감 평가는 벤치마크 순위와 따로 움직인다.

은행 과제 완료율은 아직 35.1%

선두 점수와 현장 완료율은 같은 말이 아니다. 은행·핀테크 음성 과제 35.1%는 구글이 내세운 숫자 가운데 가장 낮다. 대화가 끊기지 않는 것과 송금·한도·본인확인 같은 절차를 끝까지 끝내는 것은 별개다.

딥마인드 모델카드는 환각이 남을 수 있고, 간헐적 지연이나 타임아웃이 있다고 적었다. 지식 기준일은 2025년 1월이다. 프런티어 세이프티 평가에서는 제미나이 3.7 플래시 대비 추적·임계 능력 수준에 도달하지 않았다고 했다.

가중치는 공개되지 않는다. 자체 호스팅 선택지는 없고 호스티드 API만 있다. 장시간 세션에서 상태 추적 오류가 나면 강화판의 중간 멘트가 빈 말로 남는다.

검색·메일·문서에 같은 음성 스택이 붙으면 호출 횟수는 데모보다 빨리 늘어난다. 강화판은 추론 토큰과 영상·문서 입력이 추가로 붙으므로, 분당 0.005달러만으로 월 비용을 계산하면 실제 청구와 어긋난다.

#언어모델#기업 AI

함께 읽기