구글, 음성 AI '제미나이 3.8 라이브' 공개… 벤치마크 1위에 오픈AI 대비 3분의 1 요금

구글 딥마인드가 실시간 음성 대화 모델 '제미나이 3.8 라이브(Gemini 3.8 Live)'와 '제미나이 3.8 라이브 익스텐디드 싱킹(Extended Thinking)' 두 종을 공개했다. 구글 딥마인드는 공식 블로그를 통해 두 모델이 제미나이 API와 구글 워크스페이스, 제미나이 앱에서 당일부터 쓸 수 있다고 밝혔으며, 더디코더(The Decoder)는 구글 AI 스튜디오에서도 이용할 수 있고 샘플 앱이 깃허브에 공개됐다고 전했다. 더디코더는 특히 이번 출시를 오픈AI의 최신 음성 모델 'GPT-Live-1'을 겨냥한 저가 공세로 규정했다.

구글 딥마인드가 내세운 것은 성능 지표다. 익스텐디드 싱킹 모델은 아티피셜 애널리시스의 음성 대 음성 품질 지수에서 82.6점으로 전체 1위에 올랐고, 에이전트 과제 수행 능력을 재는 τ-보이스에서 68.6%, 시에라의 τ-보이스-뱅킹에서 35.1%를 기록했다. 추론 능력을 측정하는 빅 벤치 오디오 점수는 97.7%다. 더디코더는 이 82.6점이 오픈AI GPT-Live-1 계열을 앞선 수치라고 짚었다. 기본형인 3.8 라이브는 스피치 에이전트 아레나에서 2위를 차지했고, 서비스나우의 음성 에이전트 평가 도구 EVA-벤치에서는 두 모델이 정확도와 대화 품질의 균형을 끌어올렸다는 것이 구글 측 설명이다.

기능 면에서 3.8 라이브는 시각 입력을 사실상 실시간으로 처리해 눈앞의 상황을 대화에 반영하고, 97개 언어를 대화 도중 자동으로 감지해 전환한다. 도구 호출과 API 실행을 백그라운드로 돌리면서 대화를 끊지 않는 점도 특징이다. 익스텐디드 싱킹은 추론과 발화를 동시에 수행해 "확인해 볼게요" 같은 말을 먼저 건네고, 여러 단계로 이뤄진 작업의 진행 상황을 말로 중계한다. 구글은 워크스페이스에서 독스 라이브·지메일 라이브·킵 라이브 형태로 이를 적용하고, 아고라·피시잼·랭체인·라이브킷·파이프캣·버셀 등 개발 플랫폼과 세일즈포스·젠스파크·루메리스 등 기업이 도입에 나섰다고 밝혔다. 생성된 음성에는 모두 워터마크 기술 신스ID(SynthID)가 삽입된다.

가격은 더디코더가 구체적으로 제시했다. 오디오 입력 분당 0.005달러, 출력 분당 0.018달러로, 분당 0.05달러인 오픈AI GPT-Live-1보다 크게 낮다. 1시간 음성 대화 기준으로 구글은 약 1.38달러, 오픈AI는 최소 3달러가 든다는 계산이다. 다만 더디코더는 듣기와 말하기를 동시에 처리하는 완전 양방향(풀 듀플렉스)을 갖춘 오픈AI 모델이 여전히 더 자연스러운 대화를 제공하고 데모상 음질도 낫다며, 구글이 이번에도 품질보다 가격을 택한 것으로 보인다고 평가했다. 구글 딥마인드 블로그에는 가격이나 경쟁사 비교가 언급되지 않았다.

두 자료를 나란히 놓으면 강조점의 차이가 뚜렷하다. 구글 딥마인드는 벤치마크 순위와 기업용 에이전트를 만들기 위한 '구성 요소'를 앞세우며 업무 흐름 속 완결성을 부각한 반면, 더디코더는 분당 단가와 음성 자연스러움이라는 두 축으로 이번 발표를 읽었다. 즉 구글이 택한 경쟁 지표는 '대화의 질감'이 아니라 '점수 대비 비용'에 가깝다. 대량 호출이 전제되는 콜센터·온보딩 안내 같은 영역에서는 시간당 단가 차이가 곧바로 도입 판단을 가르지만, 사람과의 대화 자체가 상품인 영역에서는 풀 듀플렉스 구현 여부가 남은 과제로 지목된다. 익스텐디드 싱킹의 세부 배포 일정과 지역별 제공 범위는 확인되지 않았다.