Gemini 3.8 Live vs. GPT-Live-1: 보이스 에이전트를 만드는 두 가지 길

한눈에 보는 Gemini 3.8 Live vs. GPT-Live-1

아래 표에서 보이지 않는 중요한 점은, 두 경우 모두 실제 작업—함수 실행과 사용자가 요청한 내용 추적—은 여전히 개발자 자신의 앱이 담당한다는 것입니다.

Gemini 3.8 Live와 GPT-Live-1은 무엇인가요?

둘 다 음성-대-음성 모델로, 별도의 전사 단계 없이 오디오로 입력받아 오디오로 출력합니다.

Gemini 3.8 Live란?

Gemini 3.8 Live는 Google의 저지연 실시간 대화 모델입니다. 텍스트, 이미지, 오디오, 비디오를 입력받고, 턴 사이에서 추론하며, 비동기로 함수를 호출합니다. 두 Gemini 변형 모두 모델 페이지에서 입력 한도를 131,072토큰으로 표기합니다 .

Gemini 3.8 Live Extended Thinking은 설정이 아닌 별도 모델입니다. 진행 상황을 내레이션하면서 백그라운드 추론을 낮음, 중간, 높음 수준으로 추가합니다.

Google의 릴리즈 노트는 두 모델 ID 모두 일반 제공으로 표기하지만, Live API 기능 가이드는 여전히 API를 프리뷰로 표시합니다.

GPT-Live-1이란?

GPT-Live-1은 OpenAI의 풀 듀플렉스 보이스 모델입니다. 풀 듀플렉스는 서두에서 설명한, 말하면서 동시에 듣는 동작의 기술 용어입니다.

OpenAI는 백엔드로 넘기는 과정을 위임(delegation)이라고 부릅니다. 그 작업이 진행되는 동안에도 보이스는 계속 말할 수 있습니다.

GPT-Live-1은 OpenAI의 GPT-Realtime-2 제품군이나 위임받는 백엔드 모델과도 동일하지 않습니다. GPT-Realtime-2.1은 하나의 리얼타임 모델 안에 추론과 도구를 유지하므로, 여기서 말하는 위임은 GPT-Live-1에만 해당합니다.

Gemini 3.8 Live와 GPT-Live-1의 핵심 차이는 무엇인가요?

요약에서 짧게 다뤘으니, 여기서는 자세히 설명합니다. Gemini 3.8 Live는 라이브 세션 내부에서 함수 호출을 결정하고, GPT-Live-1은 추론을 별도의 백엔드로 넘깁니다. 두 설계 모두에서, 함수 실행은 애플리케이션이 담당합니다.

각 모델이 "생각"을 두는 곳. 작성자 제공 이미지.

이후의 대부분 내용은 이 분기에서 비롯됩니다. 먼저 각 방식을 살펴보겠습니다.

Gemini 3.8 Live가 한 세션 안에서 계획하는 방식

Gemini에는 구성할 두 번째 모델이 없습니다. 라이브 모델은 데이터가 필요할 때 함수 호출을 내보내고, 클라이언트가 결과를 반환합니다. 이는 Google의 Thinking 가이드에 설명되어 있습니다.

Extended Thinking으로 전환해도 같은 WebSocket 엔드포인트를 사용하며 별도의 백엔드 모델이 필요하지 않지만, 클라이언트 코드는 변경됩니다.

GPT-Live-1의 위임 작동 방식

GPT-Live-1은 음성을 처리하고 언제 도움을 요청할지 결정합니다. 백엔드는 추론, 도구, 비즈니스 규칙을 담당합니다. OpenAI의 프롬프트 가이드는 전체 작업 절차를 백엔드의 지침에 넣도록 안내합니다.

Responses 위임에서는 OpenAI가 구성한 모델을 실행합니다. 클라이언트 위임에서는 애플리케이션이 운영하는 임의의 모델이나 서비스로 작업을 보냅니다. 어느 쪽이든 위임 가이드에 따르면 애플리케이션이 권한, 기록, 작업 상태를 소유합니다.

아키텍처 차이가 중요한 이유

분리의 대가는 컴포넌트가 늘어난다는 점입니다. 보이스 세션, 백엔드, 그리고 그 사이에 공유되는 상태가 필요하죠. 대신, 보이스를 건드리지 않고도 추론 모델을 교체할 수 있습니다.

아직 백엔드가 없다면 이 트레이드는 나빠 보일 수 있지만, 보이스를 바꾸지 않고 기존 에이전트를 업그레이드해야 한다면 더 좋아집니다.

중단을 어떻게 처리하나요?

둘 다 중단을 처리하지만, GPT-Live-1은 중단, 일시정지, 백채널(리스너의 "음-흠")에 맞춰 설계되었습니다. Gemini 3.8 Live는 바지-인(barge-in)을 지원하고, 프로액티브 오디오는 항상 켜져 있지만, Google 문서는 이를 풀 듀플렉스로 부르진 않습니다.

번갈아 말하기 vs. 동시에 말하기. 작성자 제공 이미지.

OpenAI의 출시 글은 언어 앱 Speak의 인용을 통해, GPT-Live-1이 턴 기반 시스템 대비 중단을 거의 80% 줄였다고 전합니다. 이는 고객 주장이지 독립 테스트는 아닙니다.

Gemini에서는 프로액티브 오디오가 모델이 자신에게 해당되지 않는 발화를 건너뛰게 합니다. 저희 Gemini 튜토리얼에서는 노트북 스피커 소리가 마이크로 새어 들어가면 사용자의 끼어들기로 인식된다는 점을 확인했으니, 헤드폰 유무로 테스트해 보세요.

추론과 도구 호출은 어떻게 처리하나요?

Gemini는 기본 Live에서 Extended Thinking으로 전환해 추론을 확장합니다. GPT-Live-1은 백엔드를 바꿔 확장하므로, 보이스 모델 단독이 아니라 완성된 GPT-Live-1 구성과 Extended Thinking을 비교해야 합니다.

Gemini 3.8 Live vs. Gemini 3.8 Live Extended Thinking

기본 Gemini 3.8 Live에는 thinking_level 설정이 없고, 기존 코드를 위해 BLOCKING 함수도 허용합니다. Extended Thinking은 클라이언트 동작을 네 가지 바꿉니다:

• 도구: NON_BLOCKING 함수만 동작하며, 블로킹 함수는 하드 에러를 반환합니다.

• Thinking 수준: 최소 옵션이 없고, 앞서 언급한 세 가지 수준만 있습니다.

• 턴 종료: turnComplete: true는 더 이상 모델이 끝났음을 의미하지 않으므로, 클라이언트는 interaction_status가 IDLE이 될 때까지 감시합니다.

• 스케줄링: 함수 스케줄링은 지원되지 않습니다.

Google은 다단계 작업과 느린 도구에는 Extended Thinking을 권장합니다. 지연 시간과 출력 토큰 비용이 더 듭니다.

Google 문서에서 한 가지 아쉬웠던 점이 있습니다. 출시 글은 Gemini 3.8 Live가 "백그라운드에서 작업이 끝나는 동안 채팅을 이어갈 수 있다"고 하지만, Thinking 가이드는 기본 모델이 "도구 실행을 기다렸다가 말한다"고 합니다. 저희 Gemini 튜토리얼에서도 날씨 조회 중 후자의 동작을 확인했으니, Google이 명확히 하기 전까지는 가이드를 기준으로 계획하는 것이 좋겠습니다.

GPT-Live-1에는 어떤 백엔드 모델이 작동하나요?

GPT-Live-1은 구성한 임의의 백엔드 앞에 둘 수 있습니다. OpenAI 문서는 세 가지 GPT-6 백엔드를 가리킵니다:

• GPT-6 Luna(gpt-6-luna): 위임 가이드의 시작점 제안

• GPT-6 Sol(gpt-6-sol): 더 어려운 작업 권장

• GPT-6 Astra: 복잡한 고객 이슈 권장(출시 글)

Artificial Analysis의 "GPT-Live-1 (Astra, medium)"과 "GPT-Live-1 (Sol, low)" 행은 보이스 모델 버전이 아닌 시스템 구성입니다. Artificial Analysis는 Sol 세대를 명시하지 않았고, OpenAI는 그 테스트 이후 GPT-6.1 Sol을 출시했습니다.

호출자가 작업 도중 요청을 바꾸면

예를 들어, 호출자가 예약을 금요일로 옮겨 달라 했다가 조회 중에 "아니, 목요일로"라고 말하면, 두 번째 요청만 유효합니다.

느린 작업 중 변경된 요청. 작성자 제공 이미지.

GPT-Live-1에서는 보이스를 중단해도 백엔드 작업이 취소되지는 않습니다. Responses 위임은 여전히 이전 결과를 보이스에 반환할 수 있고, 클라이언트 위임은 코드가 먼저 이를 버리게 할 수 있습니다.

Gemini에서는 클라이언트가 오래된 도구 결과를 버릴 수 있습니다. 어느 쪽이든, 현재 작업을 정하는 것은 애플리케이션입니다.

이미지와 비디오는 지원하나요?

Gemini 3.8 Live는 이미지와 비디오를 네이티브로 받습니다. GPT-Live-1은 둘 다 미지원으로 표기합니다. GPT-Live-1 앱도 별도 비전 백엔드로 사진을 보낼 수는 있지만, 자체적으로 라이브 카메라를 볼 수는 없습니다.

Gemini의 경우, 프레임이 오디오와 같은 세션으로 들어오므로, 사용자가 케이블을 들이밀며 "이 케이블이 맞나요?"라고 물으면 모델이 답할 수 있습니다. 대가가 두 가지 있습니다. 기본적으로 비디오 프레임이 전송되고, Google의 세션 가이드는 오디오와 비디오가 함께인 세션을 2분으로 제한하며, 오디오만은 15분입니다. 컨텍스트 윈도우 압축을 켜지 않는 한 그렇습니다.

전화 통화 vs. 카메라 기반 수리 세션. 작성자 제공 이미지.

예약 라인은 프레임을 볼 일이 없고, 아래의 음성 리더보드는 비전을 측정하지 않습니다.

Gemini 3.8 Live vs. GPT-Live-1 벤치마크

이 비교를 단번에 결론낼 단일 벤치마크는 없습니다. 네 가지 구성 중에서는, Astra가 메인 지수에서 앞서고 Sol이 대화 역학에서 선두이며, 기본 Gemini가 네 구성 중 Arena Elo가 가장 높습니다.

먼저 메인 지수가 어떻게 작동하는지부터 보겠습니다. 대부분의 격차가 여기서 설명되니까요.

Artificial Analysis Speech to Speech Index의 작동 방식

이 지수는 네 가지 서로 다른 능력에 동일 가중치를 둡니다.

• Big Bench Audio: 소리 내어 묻는 추론 질문
• τ-Voice: 항공편 변경 같은 다단계 고객 서비스 작업
• Arena 점수: 사람들이 선호한 에이전트에 대한 블라인드 투표
• 작업 성공률: 대화가 올바른 최종 도구 호출로 끝난 비율

대화 역학은 v2.0 방법론에 따라 별도로 보고됩니다.

여기서는 중요한 네 가지 구성을 정리합니다.

두 GPT-Live-1의 τ-Voice 점수는 한 번의 시도에서 나온 것이므로 신중히 보세요.

에이전트 작업 vs. 인간 선호 점수

τ-Voice에서는 Astra 74.5%, Extended Thinking 68.6%, 기본 Gemini 30.1%입니다. 도구를 연쇄할수록 추가 추론이 중요해집니다.

대화 측면에서는 이야기가 다릅니다. Sol이 최고 점수이고, 기본 Gemini와 Sol의 Arena 신뢰 구간은 겹칩니다.

Astra와 Extended Thinking의 지수 격차 0.6포인트에는 공개된 신뢰 구간이 없습니다. 순위가 이미 한 번 바뀌었기 때문에, 여전히 비긴 것으로 보겠습니다.

어떤 모델이 더 빨리 응답하나요?

기본 Gemini 3.8 Live가 표에서 첫 오디오까지 시간(TTFA)이 가장 빠르지만, 네 구성 전체의 격차는 0.2초 이내입니다. TTFA는 첫 오디오 토큰을 만들기까지 걸리는 시간입니다.

TTFA는 중단 대응과, 예약/조회 완료까지의 시간을 반영하지 않습니다. 후자는 백엔드와 도구에 더 좌우됩니다.

보이스에서 기다림의 세 가지 유형. 작성자 제공 이미지.

Extended Thinking과 GPT-Live-1 모두 느린 조회 중에도 계속 말할 수 있습니다. 하지만 호출자는 여전히 예약 완료를 기다립니다.

보이스 벤치마크가 측정하지 않는 것

지원 콜센터 관점에서, 리더보드는 다음을 알려주지 못합니다.

• 전화 사업자와 코덱이 얼마나 깨끗하게 전달하는지
• 에이전트가 10분이 지나도 여전히 스크립트를 따르는지
• 소음 많은 거리에서 강한 억양의 호출자를 어떻게 듣는지
• 백엔드와 도구를 포함했을 때 통화 비용이 얼마인지

직접 녹음을 사용한 파일럿이 이런 질문에는 더 잘 답해줍니다.

요금: 어느 쪽이 더 저렴한가요?

Artificial Analysis의 테스트에서는 기본 Gemini가 가장 저렴했지만, 두 모델은 과금 기준이 다릅니다. 공시 가격보다 작업 1건 성공당 비용이 더 중요합니다.

아래 요율은 작성 시점 기준 Google 요금 페이지와 GPT-Live-1 모델 페이지의 리스트 가격이며, Gemini의 분당 수치는 토큰 가격을 Google이 자체 변환한 값입니다.

Thinking 토큰 때문에 Extended Thinking은 기본 Gemini보다 비용이 더 듭니다. Artificial Analysis는 도구와 캐시 할인 제외 시, 입력 오디오 1시간당 기본 Gemini $0.84, Extended Thinking $3.50, Sol $4.47, Astra $5.83으로 추정합니다. Gemini Live는 캐싱을 지원하지 않으며, GPT-Live-1 백엔드는 지원할 수 있습니다.

통화 중 각 미터가 세는 항목. 작성자 제공 이미지.

GPT-Live-1의 시계는 침묵 중에도 계속 흐르며, 음소거해도 멈추지 않습니다. 표의 요금을 전화 비용과 합산한 뒤, 완료된 작업 건수로 나누세요.

브라우저, 서버, 전화 지원

브라우저와 서버 앱은 두 모델 모두에 연결할 수 있지만, 전화 배포에서는 차이가 납니다. 다이어그램은 연결 옵션을 보여주며, 운영 차이는 연결 수명과 통화 경로에 누가 있는지입니다.

브라우저, 서버, 전화 연결 경로. 작성자 제공 이미지.

Gemini 연결은 약 10분 후 리셋되므로, 더 긴 통화에는 세션 재개가 필요합니다. GPT-Live-1에서는 보이스 연결과 위임된 백엔드 작업을 별도로 로깅하세요.

전화 통화와 SIP 지원

직접 SIP는 GPT-Live-1의 통화 경로에서 벤더를 하나 줄여줍니다. Gemini의 파트너 경로는 구성, 모니터링, 디버깅해야 할 서비스를 하나 더 추가합니다.

몇몇 개발자는 OpenAI 포럼에서 GPT-Live-1이 위임을 생성하지 않았는데도 실행을 약속한다고 보고했습니다. OpenAI 지원은 이를 버그로 규정하지 않았고, 프롬프트 가이드를 지적했습니다. 해당 가이드는 말로 한 확인이 백엔드 작업 시작을 보장하지 않는다고 명시합니다. 스피치와 별개로 위임 이벤트를 로깅하는 것이 좋겠습니다.

11월 2일부로 OpenAI는 모든 조직에 대해 발신 SIP 통화도 지원하므로, GPT-Live-1은 전화를 받는 것뿐 아니라 거는 것도 가능합니다.

어느 것을 써야 할까요?

선택은 두 가지 질문으로 압축됩니다. 보조가 "볼" 필요가 있는가? 그리고 이미 백엔드가 있는가? 첫 번째가 예라면 Gemini, 두 번째가 예라면 GPT-Live-1이 유리합니다.

제품과 맞는 시나리오를 아래에서 찾아보세요.

전화 지원과 예약

전화 라인은 중단 처리와, 되돌릴 수 없는 작업 전 확인이 필요합니다. 위에서 다룬 SIP 지원과, 예약 로직을 백엔드에 두는 구조 덕분에 GPT-Live-1이 잘 맞습니다.

카메라·화면 문제 해결

사용자가 휴대폰을 라우터에 겨냥하면, 모델은 지금 보이는 장면을 기반으로 추론해야 합니다. Gemini 3.8 Live는 별도 비전 컴포넌트 없이 한 세션에서 이를 처리합니다. 이미지를 다룬 섹션의 2분 비디오 제한만 고려하면 됩니다.

백그라운드의 다단계 작업

도구를 연쇄하는 작업의 경우, Extended Thinking과 Astra를 더한 GPT-Live-1을 비교하세요. 한 번의 시도에서 Astra가 τ-Voice 선두이므로, 선택은 여전히 추론을 어디에 둘지에 달려 있습니다.

이미 운영 중인 에이전트에 보이스 추가

클라이언트 위임을 사용하면 기존 에이전트의 추론 루프를 재작성하지 않고 GPT-Live-1을 추가할 수 있습니다. Gemini에서는 라이브 모델이 플래너가 됩니다.

타이트한 예산의 대량 통화

짧고 단순한 통화는 Artificial Analysis 테스트에서 가장 저렴한 기본 Gemini에 무게가 실립니다. 다단계 도구가 개입되면 계산이 달라집니다.

맺음말

이 비교를 가장 명확히 정리하면, Gemini 3.8 Live는 보기·추론·말하기를 하나의 모델로 결합하고, GPT-Live-1은 보이스와 그 뒤의 지능을 분리합니다. 어느 쪽도 압도적이지 않으며, 사람처럼 말하기와 빠른 응답에서는 두 모델이 충분히 근접해 있어, 실제 결정은 아키텍처에 좌우될 가능성이 큽니다.

흥미로운 점은 에이전트 작업에서의 우위가 Astra와 함께한 GPT-Live-1 쪽으로 빠르게 움직였다는 것입니다. 이 점수는 보이스 모델만이 아니라 시스템 전체에 속하므로, 위임 설계의 효과가 드러난 사례입니다. 다만 한 번의 테스트는 신호일 뿐 결론은 아닙니다.

또 지켜볼 부분은 OpenAI의 백엔드 라인업입니다. GPT-6.1 Sol이 2026년 9월 말에 나왔기 때문이죠. 새로운 백엔드가 나올 때마다 보이스를 건드리지 않고도 GPT-Live-1의 점수가 바뀔 수 있습니다. Google의 유사한 변경은 라이브 모델 교체를 의미합니다.

지금으로서는, 카메라가 필요한 용도에는 Gemini 3.8 Live가, 이미 백엔드가 갖춰진 전화 제품에는 GPT-Live-1이 더 쉽습니다. 어느 쪽이든, 금요일을 목요일로 바꾸는 예약 문제는 결국 코드가 처리해야 합니다.

두 경로의 에이전트 개념 전반은, 저희 AI 에이전트 입문 코스에서 도구, 메모리, 계획을 다룹니다.