제미나이 3.8 라이브: 말하면서 동시에 추론하는 음성 모델이 82.6점으로 1위에 올랐다

구글은 2026년 9월 15일 제미나이 3.8 라이브(Gemini 3.8 Live)와 제미나이 3.8 라이브 익스텐디드 싱킹(Gemini 3.8 Live Extended Thinking) 두 모델을 공개했다. 익스텐디드 싱킹은 아티피셜 애널리시스의 음성 대 음성 품질 지수에서 82.6점으로 전체 1위에 올랐고, 에이전트 과제 완수에서 τ-Voice 68.6%와 시에라의 τ-Voice-banking 35.1%를, 음성 추론 벤치마크 빅 벤치 오디오에서 97.7%를 기록했다. 기술적으로 새로운 것은 점수가 아니라 구조다. 이 모델은 추론과 발화를 동시에 수행하고, 도구 호출을 대화 뒤편에서 처리하며, 97개 언어를 대화 도중에 자동으로 바꾼다. ASAP은 구글 공식 발표문에 적힌 내용만으로 무엇이 바뀌었고 어떤 수치가 아직 공개되지 않았는지 정리한다.

두 모델은 같은 계열의 상하위 등급이 아니라 서로 다른 역할이다

구글이 나눈 기준은 성능 등급이 아니라 부하의 성격이다. 제미나이 3.8 라이브는 규모와 비용 효율을 목표로 만들어졌고, 대화 지능과 유연한 대화 흐름과 시각적 근거 확보를 함께 가져간다. 제미나이 3.8 라이브 익스텐디드 싱킹은 복잡도가 높은 과제를 목표로 하며 더 높은 지능과 다단계 추론을 담당한다.

구글이 발표문에서 강조한 표현은 익스텐디드 싱킹이 추론과 발화를 동시에 한다는 것이다. 사용자 요청을 받으면 "확인해 볼게요" 같은 이른 구두 신호로 먼저 반응하고, 배경에서 진행 중인 다단계 작업을 실시간으로 설명하며 따라가게 한다. 음성 에이전트에서 가장 어색한 구간이 모델이 생각하는 동안 생기는 침묵이었다는 점을 생각하면, 이 설계는 성능 지표보다 사용 경험 쪽 문제를 겨냥한 것이다.

3.8 라이브 쪽은 다른 축에서 평가받았다. 사용자 선호를 겨루는 스피치 에이전트 아레나에서 2위를 차지했고, 구글은 이 모델을 규모를 감당하도록 만든 비용 효율적인 선택지로 소개했다. 서비스나우의 음성 에이전트 평가 벤치마크 EVA-Bench에서는 두 모델이 정확도와 대화 품질을 함께 잡아 복잡한 워크플로의 파레토 프론티어를 밀어냈다고 적었고, 이 측정이 제미나이 엔터프라이즈 에이전트 플랫폼의 라이브 API에서 실행됐다는 주석도 함께 달았다.

점수 네 개를 나란히 놓으면 읽는 방향이 달라진다

공개된 숫자 중 가장 눈에 띄는 것은 82.6점이라는 1위 기록이 아니라 68.6%와 35.1%의 간격이다. 둘 다 에이전트 과제 완수율이지만 앞의 것은 τ-Voice이고 뒤의 것은 시에라가 만든 은행 업무 버전 τ-Voice-banking이다. 일반 음성 에이전트 과제에서 열 번 중 일곱 번 가까이 끝내는 모델이 은행 업무로 좁히면 세 번 남짓으로 내려간다.

이 간격이 실무에서 가장 중요한 수치다. 음성 에이전트 도입을 검토하는 쪽이 실제로 맡기려는 일은 대체로 계좌 조회나 예약 변경처럼 규칙과 절차가 빡빡한 업무이고, 그 영역의 공개 측정값이 35.1%라는 뜻이다. 빅 벤치 오디오의 97.7%는 추론 능력이 병목이 아니라는 근거로 읽는 것이 정확하다. 남은 병목은 모델이 얼마나 똑똑한가가 아니라 다단계 절차를 끝까지 어긋나지 않게 수행하는가에 있다.

품질 지수 1위 기록도 조건을 붙여 읽어야 한다. 아티피셜 애널리시스의 음성 대 음성 품질 지수는 여러 항목을 묶은 합성 지표이고, 구글은 82.6점과 함께 프론티어 모델 대비 가격 경쟁력이 높다는 표현을 썼다. 다만 발표문에는 구체적인 단가도, 응답 지연 수치도 들어 있지 않다. 파트너사들이 인상적이라고 언급한 항목으로 지연과 유연함과 도구 호출 능력이 열거돼 있는데, 정작 지연은 숫자로 제시되지 않았다.

대화를 끊지 않는 세 가지 장치

발표문이 설명한 기능은 세 가지로 갈린다. 첫째는 시각 입력의 준실시간 처리다. 3.8 라이브는 카메라로 들어오는 화면을 대화 맥락에 넣어 답하며, 구글이 든 예시는 신입 사원 온보딩을 실시간으로 안내하는 것과 체스를 두는 것이다. 둘째는 언어 전환이다. 97개 지원 언어를 자동으로 감지해 대화 도중에 바꾼다. 셋째는 배경 도구 실행이다. 모델이 도구와 API 호출을 뒤편에서 처리하면서 대화는 계속 이어 가므로, 요청을 접수했다고 말한 뒤 작업이 끝날 때까지 대화가 멈추지 않는다.

익스텐디드 싱킹 쪽 시연은 이 장치들이 한 번에 걸리는 상황을 겨냥한다. 구글이 공개한 예시는 손으로 그린 스케치와 음성 피드백을 받아 작동하는 리액트 컴포넌트로 바꾸는 것, 여러 단계에 걸친 예약과 비동기 함수 호출을 대화를 끊지 않고 조율하는 것, 사업 계획과 마케팅 도구 묶음을 말로만 만들어 내는 것이다. 세 가지 모두 한 번의 발화로 끝나지 않고 모델이 수 초 이상 작업해야 하는 과제이며, 그동안 대화를 유지하는 것이 이번 발표의 실질적인 주장이다.

음성 스택의 경쟁이 모델에서 인프라로 옮겨 가고 있다

이번 발표에서 가장 많은 지면을 차지한 것은 벤치마크가 아니라 생태계 목록이다. 구글은 제미나이 라이브 API를 쓰는 개발자 플랫폼으로 아고라, 피시잼, 랭체인, 라이브킷, 파이프캣, 버셀, 비전 에이전츠 일곱 곳을 들었고, 이들이 실시간 미디어 스트리밍 인프라를 대신 처리해 개발자가 사용자 경험에만 집중하게 한다고 설명했다. 3.8 라이브와 익스텐디드 싱킹에 기대를 표한 기업으로는 세일즈포스와 젠스파크와 루메리스를 언급했다.

이 구성은 음성 에이전트 시장의 경쟁 축이 어디로 옮겨 갔는지 보여 준다. 음성 모델을 제품으로 만들 때 실제 난이도는 모델 품질보다 실시간 오디오 스트리밍, 끼어들기 처리, 세션 관리, 도구 호출 중계 같은 인프라 쪽에 몰려 있었다. 구글이 미디어 인프라 업체 일곱 곳을 앞세운 것은 그 층을 직접 만들지 않고 파트너에게 맡기겠다는 선택이며, 개발자 입장에서는 모델 선택보다 어떤 실시간 스택 위에 올릴지가 먼저 정해지는 구조가 된다.

워터마크 정책도 같이 읽을 대목이다. 구글은 AI 제품이 생성한 모든 오디오에 신스아이디(SynthID) 워터마크를 넣는다고 밝혔다. 음성 합성 품질이 전화 통화 수준을 넘어선 시점에서 생성 여부를 기계적으로 판별할 수단을 기본값으로 넣었다는 점이 중요하고, 이는 음성 에이전트를 실제 고객 응대에 쓰려는 기업이 규제 대응에서 먼저 확인할 항목이기도 하다.

한국어 사용자에게 지금 열린 것과 아직 아닌 것

배포 범위는 두 모델 모두 세 갈래로 나뉘며 대상마다 조건이 다르다. 개발자는 제미나이 API와 구글 AI 스튜디오에서 두 모델을 바로 쓸 수 있다. 기업은 제미나이 엔터프라이즈에서 비공개 프리뷰 형태로 접근하고, 고객 경험용 제미나이 엔터프라이즈는 곧 제공된다고 적혀 있다. 일반 사용자의 경우 3.8 라이브는 서치 라이브에서, 익스텐디드 싱킹은 제미나이 라이브와 워크스페이스에서 열린다.

워크스페이스 조건은 구독 등급에 따라 갈린다. 문서에서는 구글 AI 프로와 울트라 구독자가 독스 라이브를 쓸 수 있고, 지메일과 킵에서는 모든 구글 AI 구독자가 쓸 수 있다고 명시했다. 기업용 워크스페이스 고객에 대해서는 곧 제공된다는 표현만 있다. 즉 개인 구독자는 오늘부터 일부 기능을, 기업은 프리뷰 신청 경로를 통해서만 접근하는 단계다.

한국어 사용자에게 직접 영향을 주는 조건은 97개 언어 지원과 대화 중 자동 전환이다. 다만 구글은 언어 개수만 밝혔고 언어별 품질 차이나 한국어 개별 성능은 공개하지 않았다. 국내 팀이 이 모델로 음성 에이전트를 검토한다면 발표문 수치를 그대로 옮겨 적기보다 자기 업무 시나리오로 τ-Voice-banking에 해당하는 절차형 과제를 직접 만들어 측정하는 편이 맞다. 공개된 은행 업무 수치가 35.1%라는 사실 자체가, 벤치마크 1위와 실제 업무 완수율이 같은 것을 재지 않는다는 증거다.

출처: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking (구글, 2026년 9월 15일)