Говорить и думать: ставка Google на фоновые вычисления в Gemini 3.8 Live

15 сентября 2026 года Google представила Gemini 3.8 Live и его вариант Extended Thinking — две нативные модели голосового диалога speech-to-speech, созданные для разговоров в реальном времени. Самое значимое техническое новшество заключается не в плавности голоса, а в способности во время беседы обращаться к внешним инструментам и вести вычисления в фоне. Как отмечено в разборе TechRepublic, такое раздвоение означает, что окончание произнесённого ответа больше не обязательно совпадает с завершением лежащей за ним операции. Модели поддерживают динамическое переключение между 97 языками и обработку визуальных данных почти в реальном времени, а также содержат технологию водяных знаков SynthID для распознавания сгенерированного звука.

В показателях производительности версия Extended Thinking заняла первое место в Speech to Speech Quality Index от Artificial Analysis с результатом 82,6 балла. Это частный бенчмарк с собственной методологией и подвижными рейтингами, а отрыв от конкурентов невелик: по данным Insider Monkey, модель GPT-Live-1 Astra от OpenAI набирает 81,5 балла, а Grok Voice Think Fast 2.0 от xAI — 81,3. Само издание Insider Monkey отметило, что разрыв всего в 1,1 балла может отражать скорее остроту нынешней конкуренции, чем структурный технологический разрыв. По внутренним бенчмаркам Google заявляет 97,7 процента на Big Bench Audio и 68,6 процента на τ-Voice, однако на более сложном сценарии τ-Voice-banking от Sierra результат падает до 35,1 процента. В отсутствие проверки независимыми третьими сторонами последние цифры следует считать односторонними заявлениями производителя.

Первоначальное распространение охватывает и API для разработчиков, и интеграцию в коммерческие сервисы — Search Live и приложение Gemini, — но по эксплуатационным расходам и устойчивости инфраструктуры остаётся несколько серых зон. Отраслевая пресса называет для стандартной версии тарифы в 3 доллара за миллион входных аудиотокенов и 12 долларов за миллион выходных (примерно 0,005 и 0,018 доллара в минуту), однако на официальной странице цен Google, просмотренной 19 сентября 2026 года, этих позиций пока нет, как нет и суммы дополнительных расходов на токены рассуждения в Extended Thinking. Кроме того, весь Live API остаётся в статусе preview без определённой даты общедоступного выпуска, а измеренные данные о реальной задержке и о доле ошибок в многоязычном режиме не публиковались.

Решение не публиковать измеренные данные о задержке и точности на 97 поддерживаемых языках оставляет открытым главный вопрос: выдержит ли разделение между ходом разговора и фоновой обработкой проверку повседневным использованием, за пределами контролируемых бенчмарков. Определять, стала ли невидимая голосовая работа реальным шагом вперёд или всего лишь ускорением, чтобы не отстать, будет устойчивость настоящей инфраструктуры, а не десятые доли балла в частных тестах.