구글은 음성 벤치마크를 1.1점 차로 이겼다. 가격은 7분의 1로 잘랐다

구글이 9월 15일 대화형 모델 두 종을 내놨다. Gemini 3.8 Live와 Gemini 3.8 Live Extended Thinking이다. 구글이 앞세운 주장은 Artificial Analysis의 Speech to Speech Quality Index 1위이고, Extended Thinking의 점수는 82.6이다.

그 아래 놓인 숫자가 더 흥미롭다. 1위 자리를 내준 OpenAI의 GPT-Live-1 Astra가 81.5점, Grok Voice Think Fast 2.0이 81.3점이다. 세 연구소를 갈라놓아야 할 지표 위에서 셋이 1.3점 안에 모여 있다. 이 정도 편차의 벤치마크에서 1위는 해자가 아니라 보도자료다.

진짜 격차가 있는 곳

벌어진 것은 가격이고, 그 차이는 미미하지 않다.

\뱅킹 벤치마크는 xAI-Realtime 기준. 시간당 금액은 공개된 요율로부터 제3자가 계산한 값이며, 구글이 직접 내놓은 비교가 아니다.*

구글의 개발자 포스트는 Live API 가격을 입력 100만 토큰당 $3, 출력 100만 토큰당 $12, 오디오 기준으로는 입력 1분당 $0.005, 출력 1분당 $0.018로 제시한다. 이를 과금 대상이 되는 대화 1시간으로 환산하면, 더 싼 모델은 자신이 1.1점 뒤진 상대에게 OpenAI가 매기는 금액의 약 7분의 1에 들어온다.

이것이 구글이 실제로 펴는 논리이며, 겨냥하는 대상은 리더보드가 아니라 콜센터, 드라이브스루, 지원 창구를 만들고 있는 사람들이다. 한 달에 1만 시간을 돌리는 컨택센터는 품질 지수의 소수점 첫째 자리에 관심이 없다. 관심사는 같은 작업량이 $58,300이 아니라 $8,400에 처리된다는 사실이다.

벤치마크 자체는 제3자의 것이다. 품질 지수는 Artificial Analysis, 에이전트 점수는 Sierra의 τ³-Banking 리더보드다. 벤더 자체 평가보다는 가치가 있다. 다만 그중 무엇을 슬라이드에 올릴지 고른 것은 여전히 구글이다.

소리 내어 생각하기

Extended Thinking의 기술적 주장은 추론과 발화를 동시에 한다는 것이다. 구글은 이 모델이 "자연스럽게 프롬프트를 받아들이는 이른 시점의 음성 신호"를 쓰고, "여러 단계의 백그라운드 작업을 사용자에게 안내하는 실시간 진행 내레이션"을 제공한다고 설명한다.

이는 음성 에이전트가 쓸 만해진 이후 줄곧 그 성격을 규정해온 트레이드오프에 대한 직접적인 답이다. 말하기 전에 생각하는 모델은 정확하지만 고장 난 것처럼 들린다. 곧바로 말하는 모델은 유창하지만 얕다. 지금까지의 모든 배포는 그 틈을 채움용 오디오로 덮어왔다. 뒤에서 느린 모델이 돌아가는 동안 흘러나오는 그 합성음 "확인해 드리겠습니다" 말이다. 구글의 주장은, 추론이 발화 생성과 나란히 실제로 돌고 있으므로 그 내레이션은 더 이상 채움이 아니라는 것이다.

이는 OpenAI의 Astra에서 보이는 것과 같은 본능이다. 어제 본지가 다뤘듯 Astra는 가장 가까운 경쟁자의 약 3분의 1에 해당하는 출력 토큰으로 지능 순위 정상에 오른다. 두 연구소 모두, 대화에서의 프런티어는 이제 원시 성능이 아니라 사용자가 무언가를 듣기까지 얼마나 많은 일을 건너뛸 수 있느냐라는 결론에 도달했다.

구글이 앞세우지 않은 숫자

Extended Thinking은 Sierra의 τ-Voice-banking 벤치마크에서 35.1%의 과제를 완료한다. 누구도 아직 내지 못한 최고 점수다. 동시에 이것은 현실적인 은행 업무 요청 세 건 중 두 건가량을 실패하는 모델이기도 하다.

τ-Voice-banking은 의도적으로 어렵게 설계돼 있다. 툴 호출, 정책 제약, 그리고 대본대로 말하지 않는 고객을 상대하는 멀티턴 고객 응대다. 일반 τ-Voice 점수는 68.6%로 거의 두 배에 달하는데, 난이도의 상당 부분이 '말하기'가 아니라 규제가 걸린 툴 의존적 영역에서 온다는 뜻이다.

이번 발표의 정직한 해석은 이렇다. 대화 품질은 거의 풀렸고, 에이전트로서의 음성은 아직 아니다. 사람처럼 들리는 모델은 이제 시간당 1달러도 안 되는 돈으로 살 수 있다. 고객의 계좌를 맡기고 자리를 비울 수 있는 모델은 아직 살 수 없다.

어디서 쓸 수 있나

두 모델 모두 오늘부터 Gemini API와 Google AI Studio에서 쓸 수 있고, Pipecat, LiveKit, LangChain, Agora, Fishjam, Vercel, Vision Agents 연동이 제공된다. Gemini 3.8 Live는 모두에게 Search Live로 들어가고, Extended Thinking은 Pro·Ultra 구독자를 위한 Gemini Live에 도달하며 Gmail과 Keep에도 나타난다. 엔터프라이즈 접근은 비공개 프리뷰다. Live 모델은 97개 이상의 언어를 지원한다.

구글은 Gemini 3.5 Transcribe도 함께 내놨다. 85개 이상 언어를 지원하고 단어 오류율은 스트리밍 4.0%, 비스트리밍 2.6%다. 헤드라인은 얻지 못했는데 대체로 타당한 일이고, 기존 프로덕션 시스템이 가장 먼저 갈아끼울 부품은 아마 이쪽이다.

출처: Google: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking · Google: Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe · Unite.ai: Google Launches Gemini 3.8 Live and Extended Thinking Voice Models · OfficeChai: Google Releases Gemini 3.8 Live-Extended Conversational Model · Thurrott: Google Announces Gemini 3.8 Live and 3.8 Live Extended Thinking