Google は、Gemini 3.8 Live および Gemini 3.8 Live Extended Thinking を Gemini API を通じて一般提供し、リアルタイム音声エージェントを構築するチーム向けに実稼働対応の Google オプションを追加しました。このリリースは、単一モデルの発表というよりも、音声 AI がテキスト モデルに組み込まれた実験的なインターフェイスではなく、従量制のインフラストラクチャの選択肢になりつつあることを示す新たな兆候として重要です。
新しい Gemini Live モデルは、Google の Live API を通じて公開されるオーディオツーオーディオ システムです。開発者はこれらをリアルタイム音声アプリケーションに使用でき、モデルはテキストファーストのワークフローを通じてすべての対話を強制することなく、音声を聞き、判断し、応答します。 Google は、Google AI Studio を通じてモデルを利用できるようにもしています。これにより、チームは本番アプリケーションに接続する前に、音声の動作をテストするための摩擦の少ない方法が得られます。
商業的な詳細は非常に重要です。Google には、入力の場合は 1 分あたり 0.005 ドル、出力の場合は 1 分あたり 0.018 ドルのオーディオ料金が記載されています。これにより、音声使用量が請求単位に組み込まれ、運用チームがサポート時間、コールセンターの処理時間、その他のサービス提供指標と合わせて理解できるようになります。音声 API を比較する企業にとって、トークンのみの価格設定よりもユニット エコノミクスのモデル化が容易になりました。ただし、合計請求額はセッションの長さ、ターンテイク、ツール呼び出し、音声セッションに関する追加のモデルの使用量によって異なります。
何が変わったのか
Gemini 3.8 Live は、プレビュー機能や狭い実験用エンドポイントではなく、本番音声アプリケーション向けに一般提供されるモデル ファミリになりました。 Google のリリース ノートには、Gemini 3.8 Live と Gemini 3.8 Live Extended Thinking の両方が 2026 年 9 月 15 日に一般提供として記載されています。Google は、モデルを Live API のリアルタイム オーディオツーオーディオ モデルとして説明しており、Gemini API と AI Studio の両方で利用できます。
「拡張思考」のバリエーションは、より複雑な音声エージェントに特に関連します。実際には、プロダクション音声システムは、短い質問に答える以上のことを行う必要があることがよくあります。アカウントの状態を確認したり、明確な質問をしたり、ポリシーを要約したり、サポート ケースをルーティングしたり、担当者にエスカレーションするかどうかを決定したりする必要がある場合があります。より深い推論を行うために音声モデルを配置すると、開発者がモデルを中心に構築する必要があるオーケストレーションの量が減る可能性がありますが、チームは実際のワークロードでレイテンシと信頼性をテストする必要があります。
このリリースにより、マルチプロバイダーの音声インフラストラクチャの競争環境も変わります。最近の音声 API リリースにより、リアルタイム スピーチがより明示的なプラットフォーム カテゴリになりました。 Google の GA エントリーにより、開発者は、音声品質、遅延、ツールの統合、価格設定、地域での利用可能性、企業調達への適合性を評価するための別の大手プロバイダーのオプションが得られます。
開発者にとってそれが重要な理由
開発者にとって、当面の仕事はカタログと統合の衛生管理です。モデル ID、機能、サポートされているモダリティ、価格設定単位、およびルーティング ルールは、内部ツールで正確に表現される必要があります。すでにテキスト、画像、埋め込み通話をプロバイダー間でルーティングしているチームは、ライブ音声を単なる別のチャット完了エンドポイントとして扱うことはできません。音声セッションには、ライフサイクル動作、障害モード、コスト要因が異なります。
リアルタイム音声アプリケーションも可観測性を圧迫します。開発者は、どこで遅延が発生するか、セッションが中断される頻度、音声入力が正しく解釈されているかどうか、入力と出力の分単位でコストがどのように発生するかを把握する必要があります。トークン数のみを表示する使用状況ダッシュボードでは、運用状況の中心部分が欠けてしまいます。 enterprise LLM API レイヤーを実行しているチームの場合、Gemini 3.8 Live を、個別の分析とポリシー処理を備えた個別の音声対応モデルとして追加する必要があります。
分単位の料金もテストに影響します。チームは主観的な会話の質だけで音声エージェントを評価すべきではありません。平均セッション継続時間、無音処理、再試行、転送、ツール呼び出し頻度、放棄率を測定する必要があります。 1 分あたりの安価なモデルであっても、より長い通話が発生したり、より多くの説明ターンが必要になったり、複雑なタスクのフォールバック モデルが必要になったりする場合には、依然として高価になる可能性があります。逆に、セッションが短縮され、人間によるエスカレーションが軽減される場合は、出力分あたりのコストが高くても許容される可能性があります。
ビジネスへの影響
最も大きな影響を受けるグループは、カスタマー サポート チーム、セールス アシスタンス チーム、コンタクト センター プラットフォーム、ワークフロー自動化ベンダー、およびスピーチ ファースト インターフェイスを実験している社内の IT サービス デスクや人事サービス デスクです。これらのチームにとって、GA ステータスは調達とリスクのシグナルです。テストの必要性がなくなるわけではありませんが、プレビューのみのリリースよりも実稼働ロードマップでのモデルの検討が容易になります。
企業は、このリリースをベンダー比較シートとコストモデルを更新する理由として扱う必要があります。音声エージェントは、受信音声、送信音声、セッション周辺のテキストまたは推論呼び出し、ツール呼び出し、ロギング、ストレージ、人間によるエスカレーションなど、いくつかのコスト面を組み合わせます。 Google が公開している 1 分あたりの音声料金は、その計算の一部を明確にしますが、それ自体で完全なコストの見積もりを生成するわけではありません。
ガバナンス チームもポリシーの境界を再検討する必要があります。音声エージェントは、個人データ、支払い関連の質問、医学的または法律的な背景、または企業の機密情報を処理する場合があります。つまり、チームは音声モデルを広く展開する前に、ルーティング制御、編集ルール、保持ポリシー、監査ログ、およびインシデント手順を必要とします。モデルのリリースは機能イベントですが、企業の問題は、周囲のコントロールがユースケースに対して十分に成熟しているかどうかです。
API 個のプラットフォームと再販業者の場合、このリリースではカタログ管理タスクが作成されます。 Gemini 3.8 Live とその Extended Thinking バリアントは、正確な名前、サポートされているエンドポイント、価格設定メタデータ、および製品制約とともに公開される必要があります。パートナー向けのダッシュボードでは、顧客が支出をアプリケーション、チーム、または顧客に帰属することができるように、音声通話時間とトークンの使用状況を区別する必要があります。この分離がなければ、音声の導入によってコストの所有権がすぐに曖昧になってしまう可能性があります。
まだ不確実なことは何ですか
主な不明点は、事実というより実際的なものです。 Google は可用性とオーディオの価格を公開していますが、各制作チームは独自の環境に対してモデルをテストする必要があります。リアルタイムの音声パフォーマンスは、ネットワーク状態、マイクの品質、アクセント、背景雑音、交代動作、ツールの待ち時間、エージェントの指示の設計によって異なります。
また、購入者が Google の音声モデルを競合するリアルタイム API とどのように比較検討するかを知るのは時期尚早です。一部のチームは遅延と音声の自然さを優先します。既存の Google クラウドまたは Gemini ワークフローとの統合を重視する人もいます。大企業は、ガバナンス、調達、データ処理条件、可観測性、プロバイダー間でトラフィックをルーティングする能力に基づいて決定を下す場合があります。
実際のポイントは簡単です: Gemini 3.8 Live は音声エージェント ビルダーに別の GA オプションを提供し、分単位の料金設定によりコスト モデルの運用が容易になります。最も真剣なチームにとっての次のステップは、大規模な移行ではありません。これは構造化された評価です。モデルを内部カタログに追加し、本番環境のような音声シナリオを実行し、分ベースの支出を測定し、Google のライブ API がより広範なマルチモデル ルーティング戦略のどこに属するかを決定します。