Gemini 3.8 Live: голосовой режим Google на русском и доступ из России в 2026

Gemini 3.8 Live вышла 15 сентября 2026 года. Это голосовая модель Google, которая работает по схеме речь в речь: слышит твой голос и сразу отвечает голосом, без промежуточной расшифровки в текст. Её можно перебить на полуслове, свернуть разговор в другую сторону и переключиться с русского на английский посреди фразы. Модель поддерживает 97 языков, русский среди них есть.

Вместе с ней Google выпустила вторую модель, Gemini 3.8 Live Extended Thinking. Та думает дольше и проговаривает ход мысли вслух, чтобы пауза на размышление не звучала как зависший звонок. Ниже разберём, что именно изменилось в разговоре, работает ли всё это на русском, сколько стоит минута в рублях, как добраться до модели из России и в каких местах она откровенно проседает.

Три цифры Extended Thinking, по которым видно, где модель сильна и где нет. Все взяты из официального анонса Google от 15 сентября 2026.

Словарик: пять слов, которые встретятся дальше

• Речь в речь (speech-to-speech) - модель работает со звуком напрямую. Старая схема гоняла голос через три шага: распознавание в текст, ответ текстом, озвучка. На каждом шаге терялась интонация и набегала задержка.
• Live API - интерфейс Google для постоянного соединения с моделью. Обычный запрос к нейросети живёт секунду и закрывается, а тут канал держится открытым, пока идёт разговор.
• Асинхронный вызов инструмента - модель дёргает внешний сервис (базу, календарь, поиск) и при этом продолжает говорить, вместо того чтобы молча ждать ответа.
• Extended Thinking - режим, где модель думает дольше над сложным шагом и озвучивает это словами вроде «сейчас проверю».
• SynthID - невидимая цифровая метка Google, которой помечается весь сгенерированный звук.

Чем Gemini 3.8 Live отличается от Gemini 3.7 Flash

Первое, что путает людей в этом релизе: номер 3.8 выглядит как обновление свежей Gemini 3.7 Flash. Линейки разные. Flash работает с текстом, кодом и файлами, держит миллион токенов контекста и живёт в чате приложения. Live заточена под звук и разговор, и цифры у неё совсем другие.

Отсюда простое правило выбора. Разобрать договор на сорок страниц или переписать код это работа для Flash. Провести живой разговор, в котором собеседник перебивает и уточняет, это работа для Live.

Что реально изменилось в разговоре

Голосовые режимы у нейросетей были и раньше. Слабых мест в них было три: модель нельзя было нормально перебить, при вызове любого внешнего инструмента она замолкала на несколько секунд, и на смене языка её вело.

Самое практичное здесь это фоновый вызов инструментов. В голосовом боте поддержки любая проверка статуса заказа раньше означала пятисекундную тишину, и человек на том конце успевал решить, что связь оборвалась. Теперь модель говорит «секунду, смотрю по базе» и продолжает разговор, пока запрос выполняется. У режима вызова есть три варианта расписания: SILENT, WHEN_IDLE и INTERRUPTED, то есть разработчик сам решает, молчать модели во время запроса, дождаться паузы или вклиниться немедленно.

Второе по важности это алфавитно-цифровая точность. Продиктуй голосом номер брони из букв и цифр, и обычная модель распознавания половину перепутает. Google отдельно вынесла этот пункт в анонсе, потому что без него голосовые агенты в банках и логистике не работают в принципе.

Две модели: когда хватит обычной, а когда нужна Extended Thinking

Базовая Gemini 3.8 Live отвечает быстро и стоит дешевле. Extended Thinking думает дольше и берёт сложные многошаговые задачи, где надо свести несколько источников и принять решение.

Разница в цене между ними примерно четырёхкратная, поэтому ставить Extended Thinking на приём заявок смысла нет.

Работает ли Gemini 3.8 Live на русском

Да. Google заявляет 97 языков с автоматическим определением и переключением прямо посреди разговора, и русский в списке языков Live API присутствует под кодом ru. Отдельно в документации оговорено, что модель держит акцент и манеру речи при переходе с языка на язык, то есть не сваливается в английскую интонацию, когда ты возвращаешься на русский.

Честная оговорка: живого теста русской речи мы пока не проводили. Без зарубежного аккаунта Google модель не запускается, и делать замер через чужой аккаунт мы не стали. Всё, что выше, взято из документации Live API и официального анонса. Как только доступ будет собственный, замеры добавим сюда отдельным блоком.

Что известно про русский у соседних моделей Google по звуку и что можно проверить прямо сейчас:

• Gemini 3.5 Transcribe расшифровывает русскую речь уверенно, ошибка распознавания 4,0 процента в потоке и 2,6 процента при обработке готового файла.
• Gemini 3.5 Live Translate работает с 70 с лишним языками и переводит в реальном времени.
• Для разговора модель принимает звук в формате PCM 16 бит на частоте 16 кГц, а отдаёт на 24 кГц. Если собираешь своего бота, это первое место, где всё ломается: микрофон браузера по умолчанию отдаёт другую частоту.

Если голос нужен для диктовки и заметок без всякого диалога, посмотри разбор голосового ввода нейросетью: для этой задачи хватает инструментов попроще и без зарубежного аккаунта.

Работает ли Gemini 3.8 Live из России

Напрямую нет. Россия не входит в список стран, где Google открывает приложение Gemini, Google AI Studio и Gemini API. С российского IP и аккаунта, заведённого на РФ, голосовой режим либо не открывается, либо отдаёт ошибку региона.

Путь, который работает, один и состоит из двух условий сразу:

Голос требователен к каналу сильнее, чем текст. Текстовый ответ спокойно переживёт секундный провал соединения, а живой разговор на этом месте просто оборвётся, потому что Live API держит постоянный канал все 15 минут сессии. Поэтому на бесплатных VPN голосовой режим разваливается заметно раньше, чем чат: бери рабочий VPN с нормальной скоростью и держи его в одной стране всю сессию.

Второй вопрос, который сразу возникает: можно ли обойтись российским агрегатором нейросетей без VPN. Агрегаторы отдают текстовые модели Gemini обычным запросом по HTTP, и с ними это давно работает. Голосовой Live устроен иначе, он требует постоянного двустороннего соединения со звуком, поэтому наличие 3.8 Live конкретно у твоего агрегатора надо смотреть в его списке моделей. Гадать тут бесполезно: состав моделей у агрегаторов обновляется по-своему. Общий разбор доступа к Gemini из России лежит в отдельном гайде: как пользоваться Gemini из России.

Сколько стоит в рублях

Google считает голос по минутам, и это удобнее токенов: сразу понятно, во что обойдётся час разговора.

Курс ЦБ на 18 сентября 2026 года: 84,51 рубля за доллар. Считать по нему стоит с запасом, реальная конвертация у карты или сервиса оплаты всегда чуть дороже.

Для сравнения по рынку удобнее смотреть на стоимость часа разговора. Эти цифры Artificial Analysis свела по всем крупным голосовым моделям, их приводит kod.ru со ссылкой на рейтинг.

В рублях это примерно 71 ₽ за час на базовой модели, 296 ₽ на Extended Thinking, 406 ₽ у Grok и 493 ₽ у GPT-Live-1 Astra. То есть базовая Gemini выходит в семь раз дешевле ближайшего конкурента от OpenAI при сопоставимом качестве по индексу.

Потребительская сторона работает по другой логике. Голосовой режим в приложении Gemini, в Search Live и внутри Google Workspace (Документы, Gmail, Keep) раскатывается по подписчикам Google AI, причём версия Extended Thinking в Документах открыта только на тарифах Pro и Ultra. Подписка стоит около 20 долларов в месяц, это примерно 1690 рублей, и российской картой её не оплатить. Обходной путь стандартный: сервис оплаты подписок (реферальная ссылка: тебе тот же прайс, мне небольшой процент).

Как попробовать бесплатно в AI Studio

В Google AI Studio модель гоняется в браузере без карты, в пределах бесплатных лимитов Gemini API. Этого хватает, чтобы проверить русскую речь и задержку на своих задачах.

1. Открыть aistudio.google.com при активном VPN и зарубежном аккаунте Google.
2. В списке моделей выбрать gemini-3.8-live или gemini-3.8-live-extended-thinking.
3. Разрешить браузеру доступ к микрофону.
4. Вписать системную инструкцию на русском, иначе модель по умолчанию уйдёт в английский.
5. Сказать первую фразу и специально перебить модель на середине ответа, чтобы увидеть, как она это переживает.

Готовая системная инструкция для проверки русского голоса. Вставляй её в поле System instructions перед началом разговора.

Ты голосовой собеседник. Говори только по-русски, живой разговорной речью, короткими фразами.
 
Правила:
1. Отвечай сразу, без вступлений и без пересказа моего вопроса.
2. Если я тебя перебиваю, немедленно замолкай и слушай новую мысль.
3. Если я меняю тему, переключайся без комментариев про смену темы.
4. Числа, коды и даты проговаривай по цифрам и обязательно повторяй для подтверждения.
5. Если не расслышал, переспроси одной короткой фразой.
 
Первая задача: я продиктую номер заказа из букв и цифр. Повтори его по символам.

Если планируешь подключать модель к своему боту или сервису, ключ доступа берётся там же. Как его получить из России и какие у бесплатного тарифа потолки, разобрано в гайде про Gemini API key.

Где модель проседает

Первое и самое неожиданное: по скорости первого звука обе новые модели уступают предыдущему поколению. В замерах, на которые ссылается heise, Gemini 3.1 Flash Live Minimal начинает говорить раньше, чем 3.8 Live. Google выиграла в качестве разговора и потеряла в реакции на старте, и для коротких команд вроде «выключи свет» это заметно.

Второе: в слепом сравнении Speech Agent Arena, где люди вслепую оценивают диалоги, базовая 3.8 Live заняла второе место, а Extended Thinking оказалась на семь позиций ниже. Проговаривание мыслей вслух помогает в сложных задачах и мешает в обычном разговоре, потому что собеседник слышит лишние фразы.

Третье: 35,1 процента на банковском сценарии τ-Voice-banking. Это лучший результат в отрасли на сегодня, и одновременно это значит, что две трети сложных клиентских сценариев модель до конца не доводит. Сажать её на линию поддержки банка без человека рядом рано.

Четвёртое: своего сервера не будет. Google отдаёт модель только из облака, весов в открытом доступе нет. Для проектов, где запись голоса клиента не должна покидать контур компании, это закрывает вопрос целиком.

Чек-лист: что у тебя теперь есть

• Понимание, что Gemini 3.8 Live это отдельная голосовая линейка, и сравнивать её с Gemini 3.7 Flash по номеру версии бессмысленно.
• Знание трёх реальных улучшений: фоновый вызов инструментов, переключение языков посреди фразы, точность на кодах и номерах.
• Цифры бенчмарков с источником: 82,6 балла в индексе Speech to Speech Quality, 97,7 процента на Big Bench Audio, 35,1 на банковском сценарии.
• Цена в рублях: 0,42 ₽ за минуту входящего звука и 1,52 ₽ за минуту исходящего, около 71 ₽ за час разговора на базовой модели.
• Рабочая схема доступа из России: зарубежный аккаунт Google плюс стабильный VPN той же страны, проверка в AI Studio без карты.
• Готовая системная инструкция для проверки русского голоса и списка из четырёх честных ограничений, включая просевшую скорость первого звука.

Голосовой интерфейс перестал быть демонстрацией на конференции и превратился в обычный инструмент, который считается по минутам и стоит дешевле звонка оператору. Дальше вопрос только в том, какую задачу ты ему отдашь.

По материалам aibusiness.com, официального анонса Google в blog.google, документации Live API, а также разборов heise, MarkTechPost и kod.ru.