말하면서 생각하기: 제미나이 3.8 라이브에 건 구글의 백그라운드 승부수

2026년 9월 15일 구글은 제미나이 3.8 라이브와 그 변형인 익스텐디드 싱킹을 공개했다. 실시간 대화를 처리하기 위해 설계된, 네이티브 speech-to-speech 방식의 음성 대화 모델 두 종이다. 기술적으로 가장 의미 있는 변화는 목소리의 자연스러움이 아니라, 말이 오가는 동안 외부 도구를 호출하고 백그라운드에서 연산을 진행할 수 있다는 점이다. 테크리퍼블릭의 분석이 짚었듯이, 이 분리는 말이 끝나는 시점과 그 아래에서 돌아가던 작업이 끝나는 시점이 더는 반드시 일치하지 않는다는 뜻이다. 두 모델은 97개 언어 사이의 동적 전환과 거의 실시간에 가까운 시각 입력 처리를 지원하며, 생성된 오디오를 식별하기 위한 워터마크 기술 SynthID도 함께 적용했다.

성능 지표에서는 익스텐디드 싱킹 버전이 아티피셜 애널리시스의 Speech to Speech Quality Index에서 82.6점으로 1위를 차지했다. 다만 자체 방법론을 쓰고 순위가 자주 바뀌는 민간 벤치마크이며, 경쟁 모델과의 격차도 작다. 인사이더 몽키가 전한 수치를 보면 오픈AI의 GPT-Live-1 아스트라가 81.5점, xAI의 그록 보이스 싱크 패스트 2.0이 81.3점이다. 인사이더 몽키 자신도 1.1점에 불과한 이 차이가 구조적인 기술 격차라기보다 경쟁의 치열함을 보여주는 것일 수 있다고 지적했다. 내부 벤치마크에서는 구글이 빅 벤치 오디오 97.7퍼센트, τ-Voice 68.6퍼센트를 제시했지만, 시에라의 더 까다로운 시나리오인 τ-Voice-banking에서는 35.1퍼센트로 떨어진다. 독립된 제3자의 검증이 없는 이상 이 수치들은 제조사의 일방적 주장으로 읽어야 한다.

초기 배포는 개발자용 API와 서치 라이브, 제미나이 앱 같은 상용 서비스 통합을 모두 아우르지만, 운영 비용과 인프라 안정성에는 여러 회색지대가 남아 있다. 전문 매체는 표준 버전에 대해 오디오 입력 토큰 100만 개당 3달러, 출력 100만 개당 12달러(분당 약 0.005달러와 0.018달러)의 요금을 전하고 있으나, 2026년 9월 19일에 확인한 구글 공식 가격 페이지에는 아직 이 항목이 없고 익스텐디드 싱킹의 추론 토큰에 붙는 추가 비용도 명시돼 있지 않다. 여기에 더해 라이브 API 전체가 프리뷰 상태에 머물러 있고 정식 출시일도 정해지지 않았으며, 실제 지연 시간이나 다국어 오류율에 대한 측정값은 공개되지 않았다.

지연 시간이나 지원 언어 97개에서의 정확도를 측정값으로 내놓지 않은 선택은 핵심 의문을 그대로 남긴다. 대화의 흐름과 백그라운드 처리의 분리가 통제된 벤치마크 밖, 일상적인 사용에서도 버틸 수 있는가 하는 것이다. 보이지 않는 음성 상호작용이 실질적인 진화인지 아니면 뒤처지지 않기 위한 가속에 그치는지는, 민간 테스트의 소수점이 아니라 실제 인프라의 안정성이 결정할 것이다.