Gemini 3.8 Live와 Gemini 3.8 Live Extended Thinking: 실시간 음성 에이전트의 선택 기준

음성 에이전트의 경쟁 기준이 자연스러운 말투에서 실제 업무 처리 능력으로 이동하고 있다. Google이 공개한 Gemini 3.8 Live와 Gemini 3.8 Live Extended Thinking은 대화를 유지하면서 백그라운드에서 도구와 API를 호출하고, 화면이나 카메라를 통한 실시간 시각 입력까지 처리하도록 설계됐다.¹

답변을 넘어 업무를 실행하는 모델

두 모델은 Gemini 3 Pro를 기반으로 하며 오디오·이미지·비디오·텍스트를 입력받아 오디오와 텍스트로 응답한다. 입력 컨텍스트 창은 최대 128K 토큰이고, 최대 출력 길이는 64K 토큰이다.²

핵심 변화는 외부 작업을 처리하는 동안에도 대화를 이어갈 수 있다는 점이다. 사용자는 조회나 도구 호출이 끝날 때까지 침묵 속에서 기다리지 않아도 된다. 두 모델은 처리 중인 작업과 별개로 대화를 계속할 수 있으며, 실시간 시각 정보를 활용하고 대화 도중 97개 언어 사이를 전환할 수 있다.¹

업무 정확성을 고려한 기능도 포함됐다. 확인 코드, 청구 번호, 기술 데이터 같은 영숫자 정보를 정밀하게 파싱하도록 설계돼 작은 인식 오류가 업무 실패로 이어질 수 있는 환경에 대응한다.³

기본형과 Extended Thinking은 어떻게 다른가

Gemini 3.8 Live는 비용 효율성과 대규모 배포에 초점을 둔 기본 모델이다. 반복적인 고객 응대나 정보 안내처럼 요청 구조가 비교적 단순하고 처리량이 많은 서비스에 우선 검토할 수 있다.¹

반면 Gemini 3.8 Live Extended Thinking은 복잡한 다단계 작업을 위한 구성 가능한 사고 기능을 지원한다. 추론과 발화를 동시에 수행할 수 있으며, 처리 초기에 요청을 확인하는 음성 신호를 제공하고 백그라운드 작업의 진행 상황을 대화 중 설명할 수 있다.¹³

성능 지표에서도 이러한 방향이 드러난다. Gemini 3.8 Live Extended Thinking은 음성 기반 추론 평가인 Big Bench Audio에서 97.7%를 기록했다.¹ 다만 실제 도입에서는 벤치마크 점수만 볼 것이 아니라 다음 항목을 함께 검증해야 한다.

• 사용자가 체감하는 응답 지연 시간

• 도구와 API 호출의 성공률

• 영숫자 정보의 인식 정확도

• 장시간 대화에서의 맥락 유지

• 잘못된 응답이나 작업 실행을 차단하는 절차

도입 목적에 따라 선택하기

선택 기준은 모델의 기능 수보다 업무의 복잡도에 맞춰야 한다.

• 단순하고 빈번한 요청: 비용 효율성과 확장성을 중시한다면 Gemini 3.8 Live

• 여러 단계의 판단과 도구 사용이 필요한 요청: 구성 가능한 사고 기능이 필요한 경우 Gemini 3.8 Live Extended Thinking

• 사용자에게 처리 과정을 알려야 하는 요청: 작업 진행 상황을 음성으로 설명할 수 있는 Gemini 3.8 Live Extended Thinking

• 시각 정보나 다국어 전환이 필요한 서비스: 두 모델 모두 적용 대상으로 검토

두 모델은 Gemini API와 Google AI Studio에서 제공되며, 오디오 입력 기준 가격은 분당 0.005달러다.³ 생성된 오디오에는 AI 생성 여부를 식별할 수 있도록 SynthID 워터마크가 적용된다.¹

요약: Gemini 3.8 Live는 음성 AI를 단순한 응답 인터페이스에서 대화를 유지하며 실제 업무를 실행하는 에이전트로 확장한다. 반복적이고 대규모인 업무에는 기본형이 적합하고, 복잡한 추론과 진행 설명이 필요한 업무에는 Gemini 3.8 Live Extended Thinking이 더 현실적인 선택이다.

참고 자료

¹Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

²Gemini 3.8 Audio (Live, Live Extended Thinking)

³Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe