구글, '제미나이 3.8 라이브' 공개 — 대화 중 도구 호출·시각 이해까지 실행

무엇이 바뀌었나사실

• 모델 2종 동시 공개 (2026-09-15): 대규모·비용 효율에 초점을 둔 Gemini 3.8 Live와, 다단계 추론에 특화된 Gemini 3.8 Live Extended Thinking.
• 비동기 함수 호출(Asynchronous Function Calling): 사용자와 음성 대화를 유지하면서 백그라운드에서 API·도구를 호출하고, 그 동안에도 음성 응답 스트리밍이 계속된다.
• 실시간 시각 그라운딩: 카메라 입력 등 시각 정보를 대화 맥락에 반영. 구글 딥마인드 데모에서는 근실시간 체스 플레이·직원 온보딩 안내를 시연.
• 다국어 97개 자동 전환, ‘영숫자 정밀성(Alphanumeric Precision)’으로 확인 코드·청구 번호 처리 강화, ‘증분 콘텐츠 업데이트’ 지원.
• 가격 (Live API): 오디오 입력 분당 $0.005, 오디오 출력 분당 $0.018.

왜 중요한가편집 해설

1. 경쟁 축이 ‘인식 정확도’에서 ‘실행 능력’으로 이동한다. 인공지능신문은 “듣고 생각한 뒤 실제로 무엇을 할 수 있느냐”가 새 경쟁 영역이라고 지적했고, 딥마인드도 도구 호출과 시각 정보 활용을 전면에 내세웠다.
2. 캐스케이드 아키텍처의 대안 제시. 기존처럼 STT→LLM→TTS를 여러 단계로 잇는 구조 대신 단일 파이프라인으로 대화·추론·도구 호출을 처리한다는 것이 구글의 설명. Extended Thinking은 τ-Voice 68.6%, Sierra τ-Voice-banking 35.1%, Big Bench Audio 97.7%로 벤치마크에서 우위를 주장.
3. 음성 에이전트의 프로덕션 문턱이 내려간다. Agora·Fishjam·LiveKit·LangChain·Pipecat·Vercel·Vision Agents 등 통합 파트너가 함께 발표돼, 미디어 스트리밍 인프라를 별도 설계할 부담이 줄었다.

시장 반응편집 해설

• Gemini 3.8 Live는 Speech Agent Arena에서 2위, Extended Thinking은 Artificial Analysis Speech to Speech Quality Index에서 82.6으로 1위 (구글 딥마인드 발표 기준).
• 같은 날 구글은 학습 도구 ‘제미나이 노트북’에도 100개 언어 실시간 음성 대화와 60초 숏폼 비디오 개요, 대화형 학습 개요를 추가하며 음성 AI 스택을 소비자 제품군까지 확장했다 (AI타임스).
• 경쟁 진영과의 직접 가격·성능 비교는 제공 원문에서 확인되지 않는다 — 확인 필요.

실무자가 얻어갈 것편집 해설

1. 비용 산정 기준선: 입력 $0.005/분 + 출력 $0.018/분. 콜센터·상담 워크플로에서 평균 통화 시간과 발화 비율을 대입해 자사 유스케이스별 시간당 단가를 먼저 시뮬레이션해볼 만하다.
2. 아키텍처 재검토 트리거: 이미 STT+LLM+TTS를 조합해 음성 앱을 운영 중이라면, 통합 라이브 모델로 지연·유지보수·다국어 대응 비용이 어떻게 달라지는지 파일럿으로 측정할 시점.
3. 락인·대체재 관점: Live API는 Vercel·LiveKit·LangChain 등 기존 인프라 스택 위에서 붙일 수 있어 초기 도입 비용이 낮은 대신, 비동기 함수 호출·시각 그라운딩 등 구글 고유 기능에 의존이 생기면 이탈 비용이 올라간다는 점을 사전 설계 시 감안.

출처

• “말하면서 생각하고 행동한다”...구글, 실시간 음성 AI ‘제미나이 3.8 라이브’ 공개 — 인공지능신문
• 구글, ‘제미나이 노트북’에 맞춤형 학습 기능 추가…“듣고 말하며 공부한다” — AI타임스
• Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking — Google DeepMind