Gemini 3.8 Live, 음성 에이전트 공개

구글이 Gemini 3.8 Live와 3.8 Live Extended Thinking을 공개하고 캐스케이드 음성 파이프라인을 정면으로 겨냥했습니다

• 9월 15일 공개: 두 모델 모두 네이티브 음성-대-음성 모델이고, Gemini Live API와 AI Studio에서 오늘부터 쓸 수 있습니다. Google
• 가격은 분당 과금입니다: 오디오 입력 $0.005/분, 오디오 출력 $0.018/분입니다. 10분 통화면 입력 $0.05에 출력 $0.18을 더해 $0.23, 60분이면 $1.38입니다. Gemini API pricing
• 비동기 함수 호출이 이번 릴리스의 중심입니다: 도구 호출은 백그라운드에서 돌고 오디오 응답은 계속 스트리밍됩니다. 구글은 ASR, LLM, TTS를 이어 붙인 캐스케이드 구조의 대안으로 두 모델을 배치했습니다. Google for Developers
• Live API가 함께 여는 것들: 실시간 시각 입력, 확인 코드와 청구 번호 같은 영숫자 정밀도, 97개 언어 전환, 구조화 데이터와 실시간 오디오 병합입니다. Extended Thinking은 말하면서 백그라운드로 추론하고 “확인해볼게요” 같은 초기 신호를 먼저 냅니다.
• 벤치마크 숫자: 3.8 Live Extended Thinking이 Artificial Analysis 음성-대-음성 품질 지수에서 82.6으로 1위, τ-Voice 68.6%, τ-Voice-banking 35.1%, Big Bench Audio 97.7%를 기록했습니다. MarkTechPost
• 호스팅 전용입니다: 오픈 웨이트가 아니어서 직접 띄우는 선택지는 없습니다. LiveKit, Pipecat, Vercel, Agora 같은 스트리밍 파트너를 거쳐 붙일 수 있고, 9to5Google은 같은 모델이 Gemini Live와 Gmail에도 들어간다고 전했습니다. 9to5Google

통화 10분에 0.23달러라는 숫자가 다시 여는 음성 스택 결정

• 3단 파이프라인을 걷어낼 수 있습니다: ASR, LLM, TTS를 각각 붙이고 그 사이 턴 관리와 끊김 처리를 하던 코드가 세션 하나로 줄어듭니다. 지연 예산을 세 조각으로 나눠 쓰던 구조도 함께 단순해지죠.
• 침묵을 채우는 우회로가 필요 없어집니다: 도구가 도는 동안에도 모델은 계속 말합니다. “잠시만요” 오디오를 미리 만들어 두고 재생할 이유가 있을까요?
• 분당 과금은 통화 길이를 그대로 원가로 만듭니다: 10분 통화 $0.23, 60분 $1.38은 어림잡아 선형입니다. 무료 통화를 붙이는 제품이라면 통화 시간 상한과 유휴 세션 종료가 가격표보다 먼저 나옵니다.
• 모델 교체 여지는 추상화 레이어에 남습니다: Live API를 직접 부르면 구글에 묶이니, LiveKit이나 Pipecat을 사이에 두고 세션 코드는 유지한 채 모델만 갈아끼우는 편이 낫습니다.

오늘 해볼 만한 것: 필러 오디오를 지우고 도구 호출을 백그라운드로 넘기면 어떻게 될까?

• 필러 오디오 제거 실험: 기존 캐스케이드에서 쓰던 “확인 중입니다” 클립을 빼고 도구 호출이 끝날 때까지 모델이 말을 잇게 두면, 사용자가 느끼는 대기 시간이 어떻게 달라지는지 비교해볼 수 있습니다.
• 카메라와 화면 공유를 대화에 붙여보기: 시각 입력이 실시간으로 들어오니, 사진 속 청구서 번호나 오류 화면을 읽어 주는 지원 흐름을 한 세션 안에서 만들 수 있죠.
• Extended Thinking을 낭독 패턴으로 쓰기: 오래 걸리는 작업을 시킬 때 “먼저 확인해볼게요” 식 초기 신호와 단계별 진행 낭독을 붙이면, 대기 시간을 침묵 대신 정보로 바꾸는 설계를 시험할 수 있습니다.
• 10분 통화 원가 비교: 지금 쓰는 STT, LLM, TTS 단가를 합산해 같은 10분 통화 비용과 나란히 놓으면, 스택 교체 시점을 숫자로 판단할 수 있습니다.

벤치마크 82.6점보다 먼저 확인할 것들

• τ-Voice-banking 35.1%는 낮습니다: 은행 업무 같은 규제 영역의 에이전트 완주율이 이 수준이면, 완전 자동화를 약속하는 제품 문구는 아직 이릅니다.
• 무료 티어는 데이터를 학습에 씁니다: 무료 등급으로 개인 음성을 받아도 될까요? 구글 가격표는 무료 티어 트래픽을 “Used to improve our products"로 표시하고, 유료 등급만 이 조항에서 빠집니다.
• 장시간 통화 품질은 아직 검증되지 않았습니다: 공개된 숫자는 벤치마크와 짧은 시연 중심이니, 30분 이상 통화에서의 맥락 유지와 끼어들기 처리는 직접 재봐야 합니다.
• 비용이 대화 길이에 비례합니다: 세션을 열어 두는 구조라면 유휴 시간도 과금 대상입니다. 상한 없는 통화를 허용하는 요금제는 손실을 키울 뿐이죠.

오늘의 다른 소식 (한 줄)

• 개발자들이 Claude Code를 Anthropic 모델 없이 돌리는 방법을 찾았습니다: OpenRouter 프록시 같은 우회로가 공유됐습니다. The Information
• 메타가 WhatsApp Business 설정을 AI 에이전트에 열었습니다: 새 MCP 서버로 코딩 에이전트가 템플릿, 번호, 테스트, 장애 확인을 처리합니다. TechCrunch
• 오픈AI가 FRONTIER Act를 지지했습니다: 제3자 안전 평가를 요구하는 초당파 법안이고, 같은 날 세 랩이 몇 주째 안전 협의를 해왔다는 보도가 나왔습니다. Politico · TechCrunch
• TypeSafe가 Jev를 공개하고 4천만 달러 시드를 받았습니다: 텍스트 생성 대신 확률이 붙은 구조화 결정을 내리는 모델이고, 입력 100만 토큰당 $0.042를 제시합니다. TypeSafe
• Factory가 기업가치 50억 달러로 2억 달러를 유치했습니다: 5개월 만에 세 배가 됐고, 자동 모델 라우팅으로 토큰 비용을 60% 줄였다고 밝혔습니다. Factory
• 404 Media: 계정 접근 권한을 가진 에이전트가 인터넷을 망가뜨리는 중: 권한을 받은 에이전트가 실제 피해를 만들고 있다는 정리입니다. 404 Media
• 한국 KISA가 자율 AI 에이전트 보안 가이드를 만듭니다: 에이전트 서비스 배포 때 생기는 보안 이슈와 점검 목록을 담고, 물리 AI 통제 항목도 검토합니다. The Star
• F-Droid 하루치 앱 102개 중 74개가 AI 작성으로 보였습니다: 저장소 겉모습을 눈으로 본 3단 분류이고 코드 분석이 아닙니다. tintotint
• 오픈AI 재단이 Public Data for Health 1억 2,500만 달러 프로그램을 시작했습니다: 첫 지원은 UNC 암센터 4천만 달러로, 개인 맞춤 백신 데이터를 만듭니다. OpenAI Foundation · UNC
• 미 상무부가 Kalshi의 AI 컴퓨트 가격 지수를 내리게 했습니다: 국가안보를 이유로 걸었고, 신규 컴퓨트 계약 승인도 60일 동결을 요청했습니다. Semafor
• Profound가 기업가치 18억 달러로 1억 8천만 달러를 받았습니다: AI 검색 노출을 다루는 AEO 도구이고, 7개월 만에 밸류에이션이 두 배가 됐습니다. TechCrunch