Google 15 сентября 2026 года выпустила Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking — две новые audio-to-audio модели для Live API. Это свежий релиз именно модельного уровня: не партнёрство, не инвестиционная новость и не кейс внедрения, а новые endpoint’ы для голосовых AI-агентов, которые должны говорить в реальном времени и одновременно работать с инструментами.
Если коротко, Google разделила голосовую линейку на два сценария. Gemini 3.8 Live — базовый вариант для низкой задержки и быстрых диалогов. Gemini 3.8 Live Extended Thinking — версия для ситуаций, где агенту нужно думать дольше, планировать несколько шагов, вызывать внешние функции и всё равно не превращать разговор в неловкую паузу.
Для разработчиков это важнее, чем очередная красивая демонстрация голосового ассистента. Голосовой агент ломается не только на качестве речи. Он ломается на задержке, на неверном состоянии сессии, на слишком долгом tool call, на попытке говорить и ждать API одновременно. Новый релиз Google прямо бьёт в эту инженерную зону.
Что выпустила Google
В релизе две модели: gemini-3.8-live и gemini-3.8-live-extended-thinking. Обе работают через Gemini Live API и рассчитаны на real-time голосовые приложения. Входом могут быть текст, изображения, аудио и видео; на выходе — текст и аудио. То есть модель не просто принимает расшифровку речи, а работает в native audio-контуре, где речь является первичным интерфейсом.
gemini-3.8-live Google описывает как дефолтный вариант для большинства low-latency голосовых агентов. Его задача — живой разговор без лишней задержки: пользователь говорит, агент быстро отвечает, внешние действия не превращаются в сложный фоновой процесс.
gemini-3.8-live-extended-thinking нужен для другого класса задач. Это модель с фоновыми рассуждениями во время live audio-сессии. Она может продолжать обработку после того, как очередной речевой фрагмент уже отправлен пользователю, и поддерживает асинхронные tool calls. Практический смысл простой: агент может не молчать, пока проверяет данные, планирует следующий шаг или ждёт ответ внешней системы.
В changelog Gemini API релиз отмечен как generally available. Это тоже существенная деталь: речь не о закрытом демо и не о preview-посте без нормального endpoint’а, а о доступных model ID для разработчиков.
Почему появились две версии
У голосовых интерфейсов есть конфликт, которого почти нет в обычном чате. В чате пользователь терпит несколько секунд ожидания, если задача сложная. В голосе пауза ощущается физически: собеседник замолчал, непонятно, слушает ли он, думает ли, завис ли, потерял ли контекст.
Поэтому один универсальный режим плохо подходит для всех случаев. Для простого голосового помощника важнее мгновенная реакция. Например, customer support triage, языковая практика, голосовой поиск, интерактивная история или управление устройством. Там лучше ответить быстро и не усложнять клиентскую логику.
Для технической поддержки, бронирования, диагностики, обучения или агентных workflows ситуация другая. Агент должен собрать несколько фактов, вызвать одну или несколько функций, дождаться ответа, проверить результат и только потом дать нормальный вывод. Если делать это синхронно, пользователь будет слушать тишину. Если делать это слишком поспешно, агент начнёт говорить до того, как понял задачу.
Extended Thinking пытается закрыть именно эту дыру: модель может вести разговор и параллельно продолжать reasoning/tool work. Это не магия и не гарантия правильного ответа, но это более честная архитектура для сложных голосовых сценариев.
Что меняется в Live API
Самая важная инженерная деталь — состояние сессии. В старой логике разработчик мог воспринимать turnComplete: true как сигнал: модель закончила, можно считать её idle. Для Extended Thinking это уже неверно. Google прямо предупреждает: после turnComplete: true сервер может продолжать фоновые рассуждения или tool calls, а клиент должен слушать последующие сообщения.
Для этого появляется отдельная логика через interaction_status. Если статус IN_PROGRESS, сервер ещё обрабатывает ввод, думает в фоне или ждёт результаты асинхронных функций. Если статус IDLE, вся работа завершена, сессия ждёт новый пользовательский ввод.
Это звучит как мелочь из документации, но на практике такие детали решают судьбу продукта. Если клиентское приложение слишком рано решит, что модель закончила, оно может обрезать аудио, пропустить tool call или дать пользователю кнопку следующего действия в неправильный момент. Если приложение, наоборот, никогда не понимает idle-состояние, интерфейс будет висеть в вечной обработке.
Вторая важная деталь — асинхронный function calling. Для Extended Thinking поддерживается non-blocking execution, а synchronous blocking mode не подходит. То есть архитектура агента должна быть событийной: модель может попросить функцию, внешний код выполняет её, а сессия продолжает жить и принимать последующие сообщения.
Чем Extended Thinking отличается от обычного Live
Обычный Gemini 3.8 Live стоит выбирать, когда главная ценность — низкая задержка. Пример: голосовой помощник принимает короткую команду, быстро уточняет деталь, отвечает без сложного поиска и без цепочки долгих внешних вызовов. Чем проще задача, тем меньше смысла тащить в неё фоновое мышление и усложнённое состояние.
Extended Thinking нужен там, где задержка внешних действий неизбежна. Например, агент поддержки смотрит логи, сверяет код ошибки, открывает статус сервиса и предлагает следующий шаг. Или travel-агент параллельно проверяет рейсы, отели и ограничения. Или образовательный агент разбирает формулу, проверяет код и объясняет решение голосом.
Главная разница не в том, что одна модель «умная», а другая «глупая». Разница в режиме работы. Gemini 3.8 Live оптимизирована под быстрый диалог. Extended Thinking оптимизирована под живой диалог с более сложным фоном: думать, ждать инструменты, продолжать сессию и не ломать ощущение разговора.
Из-за этого Extended Thinking требует более аккуратного клиента. Нужно правильно обрабатывать статусы, не завершать сессию раньше времени, поддерживать асинхронные функции, понимать, какие аудио-фреймы и tool events ещё могут прийти после видимого завершения очередного turn.
Что известно по возможностям
Официальная model page для gemini-3.8-live-extended-thinking указывает входной лимит 131 072 токена и выходной лимит 65 536 токенов. Для live-голоса это не значит, что нужно строить бесконечные разговоры без дисциплины контекста, но запас большой: модель рассчитана не на одну короткую фразу, а на длинные сессии с multimodal-сигналом.
Из возможностей указаны audio generation, function calling в асинхронном режиме, Live API, search grounding и thinking. Caching, code execution, file search, image generation и URL context для этой модели не заявлены. Это полезно проговаривать, потому что название Gemini легко создаёт ожидание «модель умеет всё». Конкретный endpoint всегда надо читать по capabilities, а не по бренду.
Для thinking у Extended Thinking доступны уровни low, medium и high; minimal не поддерживается. У обычного gemini-3.8-live thinkingLevel в setup использовать не нужно. То есть миграция с прежних live-моделей может потребовать не только смены model ID, но и правки конфигурации.
Ещё один практический момент — Google позиционирует старый gemini-3.1-flash-live-preview как legacy preview и рекомендует обновляться на Gemini 3.8 Live. Если у проекта уже есть голосовой прототип на старом preview endpoint’е, это хороший момент не просто заменить строку модели, а пересмотреть обработку событий, tool calls и состояний.
Цены и доступ
На странице pricing Google перечисляет Gemini 3.8 Live, Gemini 3.8 Live Extended Thinking и старый Gemini 3.1 Flash Live Preview в одном блоке low-latency audio-to-audio моделей. В paid tier указаны отдельные цены для текста, аудио и image/video input, а также поминутная альтернатива для медиа.
Для аудио Google указывает $3 за 1M input tokens или $0.005 за минуту, а для audio output — $12 за 1M tokens или $0.018 за минуту. Текстовый input стоит $0.75 за 1M tokens, text output — $4.50 за 1M tokens. Image/video input — $1 за 1M tokens или $0.002 за минуту. Grounding with Google Search поддерживается: первые 5000 search requests в месяц общие для Gemini 3.x, дальше указана отдельная цена.
Для продукта это значит две вещи. Во-первых, голосовые агенты надо считать не как обычный чат: медиа-время, аудио-вывод и фоновые рассуждения могут быстро стать заметной статьёй расходов. Во-вторых, Extended Thinking может быть дороже не только из-за тарифа, но и из-за поведения: чем больше reasoning и tool orchestration, тем больше фактическое потребление.
Бесплатный tier в документации указан, но для production-оценки я бы сразу считал paid tier. Голосовой агент, который реально разговаривает с пользователями, быстро упирается не в «можно ли попробовать», а в стабильность, лимиты, latency и стоимость минуты диалога.
Кому это полезно
Первый сценарий — voice support. Поддержка по телефону или в приложении часто требует не просто ответить на вопрос, а проверить заказ, статус, лог, тариф, устройство или ошибку. Extended Thinking здесь полезен тем, что агент может удерживать разговор, пока внешние проверки идут в фоне.
Второй сценарий — голосовые ассистенты с инструментами. Например, бронирование, расписания, CRM-действия, внутренние helpdesk-процессы, контроль умного дома, операционные панели. Если инструмент отвечает мгновенно, хватит обычного Live. Если инструментов несколько и они медленные, нужен асинхронный контур.
Третий сценарий — обучение и консультации. Голосовой репетитор по коду, математике или инженерной теме должен иногда думать, проверять шаги и не выдавать первое попавшееся объяснение. В текстовом интерфейсе это привычно, а в голосовом без фонового reasoning получается либо слишком поверхностно, либо слишком медленно.
Четвёртый сценарий — multimodal voice. Входом могут быть не только аудио и текст, но и изображения/видео. Это открывает путь к ассистентам, которые обсуждают то, что пользователь показывает камерой или экраном, и при этом отвечают голосом. Здесь особенно важны состояние сессии и контроль задержек.
Что стоит проверить перед внедрением
Я бы не начинал с вопроса «какая модель умнее». Для голосового агента важнее четыре практических теста.
Первый тест — latency по реальному сценарию. Нужно измерять не только первый звук, но и весь цикл: пользователь сказал фразу, модель поняла, вызвала инструмент, получила ответ, договорила без обрыва. Средняя задержка может выглядеть нормально, а хвостовые задержки будут убивать ощущение живого разговора.
Второй тест — состояние клиента. Приложение должно корректно различать IN_PROGRESS и IDLE, не закрывать сессию после раннего turnComplete: true и не терять последующие audio frames или tool calls. Это особенно важно в браузере и мобильных клиентах, где соединение и жизненный цикл приложения сами по себе неидеальны.
Третий тест — безопасность действий. Голосовой агент с tool calls может не только говорить, но и менять данные. Поэтому нужны границы: какие функции доступны, какие действия требуют подтверждения, что пишется в лог, как откатывается ошибка и что происходит, если пользователь перебил агента посреди выполнения.
Четвёртый тест — стоимость. Голосовые интерфейсы легко создают длинные сессии. Если агент проговаривает лишние фразы, слишком часто вызывает grounding или держит высокий thinking level по умолчанию, экономика может расползтись быстрее, чем качество улучшится.
Чем релиз важен шире
Последний год voice AI всё чаще выглядит не как «озвученный чат», а как отдельная платформа. У неё свои проблемы: turn-taking, barge-in, фоновое выполнение, аудио-качество, streaming, tool latency, сессионное состояние, приватность и стоимость минуты. Gemini 3.8 Live показывает, что крупные провайдеры начинают разделять голосовые модели по режимам работы, а не только по общей мощности.
Это хороший знак для рынка. Разработчику не всегда нужна самая рассуждающая модель. Иногда нужна быстрая и дешёвая речь. Иногда нужен агент, который может несколько секунд думать, но не бросает пользователя в тишину. Иногда нужно смешать аудио, видео и tool calls в одном live-контуре. Один endpoint для всего этого обычно превращается в компромисс.
Для владельцев продуктов главный вывод простой: голосовой AI-агент — это не только модель. Это event-driven клиент, грамотная работа с состояниями, продуманные tools, контроль прав, мониторинг задержек и дизайн диалога. Новый релиз Google даёт более подходящие модели, но не отменяет инженерную часть.
Как попробовать
Начать можно через Google AI Studio или Gemini API. Для обычного низколатентного голосового агента стоит смотреть на gemini-3.8-live. Для сложных сценариев с планированием, несколькими источниками данных или долгими tool calls — на gemini-3.8-live-extended-thinking.
Если вы уже использовали Live API, не ограничивайтесь заменой model ID. Проверьте setup-конфигурацию, thinking settings, function calling и обработку серверных событий. Для Extended Thinking особенно важно слушать сообщения после turnComplete: true и считать сессию завершённой только по interaction_status: IDLE.
Я бы начинал с небольшого стенда: один голосовой сценарий, один-два инструмента, логирование всех server events, замер задержек и ручная проверка диалогов. Когда станет понятно, как модель ведёт себя на реальных перебиваниях, ошибках функций и длинных фразах, уже можно думать о production.
Источник
Официальный анонс Google DeepMind: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking. Технические детали сверены по Gemini API changelog, странице модели Gemini 3.8 Live Extended Thinking, Live API thinking guide, capabilities guide и pricing.