말하면서 생각하는 AI, Gemini 3.8 Live 구조를 해설하다

• 핵심: 말하면서 추론하는 두 음성 모델의 역할 분담과 97개 언어·시각 이해의 요점 정리
• 맥락: 대화가 멈추면 고장으로 느껴지는 음성 인터페이스의 오래된 약점이라는 배경
• 관점: 점수 너머의 설계 선택을 읽어야 다음 음성 AI 흐름이 보이는 지점

왜 음성 비서는 말을 멈추면 불안해질까

전화로 문의하다 상담원이 갑자기 5초간 침묵하면 어떤 기분이 드실까요. 끊긴 건지, 생각 중인 건지 알 수 없어 답답해집니다. 음성 AI도 마찬가지입니다. 왜 음성 대화에서는 2초의 침묵이 고장처럼 느껴질까요. 텍스트는 기다림이 자연스럽지만 음성은 흐름이 끊기는 순간 신뢰가 흔들리기 때문입니다. 구글이 2026년 9월 15일 공개한 두 모델은 이 문제를 정면으로 다룹니다[1]. 하나는 규모와 비용 효율에 맞춘 Gemini 3.8 Live이고, 다른 하나는 고난도 작업과 다단계 추론에 맞춘 Gemini 3.8 Live Extended Thinking입니다[1]. 두 모델은 음성으로 대화하면서 복잡한 작업을 수행한다는 같은 목표를 공유합니다. 차이는 일의 난이도를 어디까지 감당하느냐에 있습니다.

핵심 변화 3가지

이번 발표에서 바뀐 점은 세 가지로 정리됩니다.

구분	기본형	심층형
맡은 일	규모 확장과 비용 효율, 매끄러운 대화 흐름	고난도 작업과 다단계 추론
이해 범위	준실시간 시각 입력과 97개 언어 자동 감지	기본형의 이해에 깊은 추론 추가
이용 경로	Search Live와 Gemini API, AI Studio	Gemini Live와 API, AI Studio, Workspace 일부

핵심 변화 3가지 — 매장 작업대에서 사장의 손이 태블릿 비교표를 확인하는 장면, 이전·변화 대비

기본형은 대화 지능과 매끄러운 흐름, 시각 정보에 기반한 응답을 결합했습니다[1]. 시각 입력은 준실시간으로 들어오고, 대화 도중 97개 지원 언어를 자동으로 감지해 전환합니다[1]. 도구와 API 호출은 백그라운드에서 실행되므로 요청을 확인하고 대화를 이어갈 수 있습니다[1]. 심층형은 여기에 추론을 더합니다. 복잡한 작업 중에도 대화 흐름을 유지하며 초기 음성 응답으로 요청을 자연스럽게 확인합니다[1]. 개발자와 기업이 프로덕션용 음성 에이전트를 구축할 수 있도록 설계됐다는 점도 공통됩니다[1]. 모델 식별자는 API 문서에 gemini-3.8-live-extended-thinking으로 명시돼 있습니다[2].

깊이 분석: 끊기지 않는 대화의 설계

겉으로 보면 새 음성 모델 소식이 또 나왔다는 정도로 보입니다. 구조를 뜯어보면 두 가지 설계 선택이 눈에 띕니다.

추론과 발화를 동시에 처리하는 방식

기존 추론형 모델은 멈추고 생각한 뒤 답했습니다. 글에서는 통하지만 음성에서는 침묵이 단절로 들립니다. 심층형은 추론과 발화를 동시에 수행합니다[1]. 확인 멘트로 요청을 먼저 받고, 여러 단계 작업을 진행하면서 상황을 음성으로 알립니다[1]. 이 방식은 비동기 추론 신호를 다루는 구조로 API 문서에도 설명돼 있습니다[2]. 오디오와 텍스트, 이미지와 영상을 함께 받아 음성과 텍스트로 돌려주는 오디오 투 오디오 구조가 전제됩니다[2]. 모델 카드는 이 계열을 고성능 멀티모달 추론 모델의 연장선으로 설명합니다[3]. 음성 상담 흐름을 설계할 때는 소상공인 AI 챗봇 도입 가이드에서 정리한 질문 범위를 함께 보면 맥락이 이어집니다.

도구 호출을 백그라운드로 돌리는 설계

두 번째 선택은 도구 실행의 위치입니다. 예전에는 도구를 호출하면 대화가 멈췄습니다. 새 구조에서는 도구와 API 호출이 뒤에서 도는 동안 앞에서는 대화가 계속됩니다[1]. 요청 확인과 작업 완료 보고가 분리된 셈입니다. 개발자 안내는 Live API 경유와 실시간 음성 앱 구축 흐름을 별도로 정리하고 있습니다[4]. 연동 파트너로 Agora와 LiveKit, LangChain과 Pipecat, Vercel 등이 함께 안내돼 있습니다[4]. 원문엔 없지만 배경 이해를 위해 추가 확인한 개발자 안내와 외부 평가 방법론까지 함께 봅니다[4][5]. 모델 카드는 최대 128K 수준의 맥락 창과 제한된 출력 범위를 함께 적시합니다[3]. 안전성 평가는 이전 세대 측정을 근거로 새로운 위험 단계에 도달하지 않았다고 정리합니다[3].

왜 알아두면 좋은가

음성 AI 소식을 굳이 챙겨야 할까요. 이유는 하나입니다. 인터페이스의 주도권이 바뀌고 있기 때문입니다. 키보드 입력이 줄고 말이 늘어나는 흐름은 천천히 옵니다. 이번 발표는 그 흐름을 보여주는 사례로 읽힙니다. 점수도 참고할 만합니다. 심층형은 Artificial Analysis 음성 대화 품질 지수에서 82.6점으로 1위를 기록했습니다[1]. 에이전트 작업 완료 평가인 τ-Voice에서 68.6%, 은행 업무 시나리오인 τ-Voice-banking에서 35.1%를 기록했습니다[1]. 오디오 추론 평가인 Big Bench Audio에서는 97.7%를 기록했습니다[1]. 기본형은 사용자 선호도 기반 Speech Agent Arena에서 2위를 기록했습니다[1]. 외부 평가 방법론은 추론과 에이전트 수행, 선호도와 작업 성공률을 함께 보는 구조입니다[5]. 점수가 높다고 도입이 정답이 되지는 않습니다. 연결점이 없으면 없다고 쓰고 넘어가는 것이 정직한 글입니다. 이번 모델군은 아직 기업용 경로가 비공개 미리보기 단계에 머물러 있습니다[1]. 지켜보면서 배경을 이해해 두는 것만으로 충분합니다.