Gemini 3.1 Flash Live Preview
TECH 테마
Gemini 3.1 Flash Live, 최신이라도 이건 못 씁니다
3월 26일 구글이 내놓은 음성 AI 모델. “가장 자연스러운 대화”라는 수식어 뒤에 숨은 세 가지 제약이 있습니다. 특히 표준 Flash와 이름이 비슷해서 헷갈리기 쉬운데, 실제로는 완전히 다른 런타임입니다.
(표준 Flash는 1M)
(기존 3중 스택 대비)
(한국 포함)
출시 배경과 달라진 점 — 한 줄 요약
구글이 2026년 3월 26일 공개한 Gemini 3.1 Flash Live는 “지금까지 나온 구글의 오디오·음성 모델 중 품질이 가장 높다”는 수식어를 달고 등장했습니다. (출처: 구글 공식 블로그, 2026.03.26) 실제로 이전 모델 대비 두 배 더 긴 대화 흐름을 유지하고, 낮은 지연 시간으로 실시간 멀티모달 대화가 가능합니다.
하지만 결론부터 말씀드리면, Flash Live는 “표준 Flash의 업그레이드 버전”이 아닙니다. 모델 카드(Google DeepMind, 2026.03.26)를 확인하면 아키텍처 자체가 다릅니다. Flash Live는 Gemini 3 Pro 기반의 음성 전용 런타임이고, 표준 Flash는 범용 멀티모달 백엔드입니다. 이름만 비슷할 뿐이고, 운영 방식과 지원 기능이 완전히 갈립니다.
특히 ComplexFuncBench Audio 벤치마크에서 이전 모델 대비 90.8%의 성능을 기록하며 선두를 차지했고 (출처: Google DeepMind 모델 카드, 2026.03.26), 서치 라이브의 글로벌 확대를 이 모델이 직접 받쳐주는 구조입니다. 음성 AI 세계에서 기술 한계가 무너졌다는 건 사실입니다. 다만 그 한계가 어디로 옮겨갔는지를 정확히 알아야 실제로 써먹을 수 있습니다.
Flash Live가 못 하는 것들 — 공식 스펙으로 직접 확인
많은 블로그에서 다루지 않는 부분이 있습니다. 구글 공식 API 문서와 모델 카드를 나란히 놓고 보면 Flash Live가 지원하지 않는 기능이 꽤 많습니다.
💡 공식 발표문과 실제 API 문서를 같이 놓고 보니 이런 차이가 보였습니다
Flash Live는 표준 Flash(gemini-3-flash-preview)와 이름이 비슷하지만, 배치 API·캐싱·파일 검색·구조화 출력 등 백엔드 필수 기능이 현재 공식 모델 페이지에 없습니다. 음성이 필요 없는 앱에 Flash Live를 쓰면 기능 손실을 감수해야 합니다.
아래는 구글 공식 API 문서(ai.google.dev, 2026.03.28 기준)와 모델 카드를 교차 확인한 기능 비교표입니다.
| 기능 | 표준 Flash (gemini-3-flash) |
Flash Live (3.1-flash-live) |
Flash-Lite (3.1-flash-lite) |
|---|---|---|---|
| 컨텍스트 윈도우 | 1,048,576 토큰 | 131,072 토큰 | 1,048,576 토큰 |
| 배치 API | ✅ | ❌ | ✅ |
| 컨텍스트 캐싱 | ✅ | ❌ | ✅ |
| 구조화 출력(JSON) | ✅ | ❌ | ✅ |
| 코드 실행 | ✅ | ❌ | ❌ |
| 컴퓨터 사용(UI 제어) | ✅ | ❌ | ❌ |
| 오디오 출력(음성 응답) | ❌ | ✅ | ❌ |
| Live API (실시간 스트리밍) | ❌ | ✅ | ❌ |
(출처: Google AI for Developers 공식 문서 ai.google.dev, 2026.03.28 기준 / Google DeepMind 모델 카드, 2026.03.26)
컨텍스트 윈도우 차이가 핵심입니다. 표준 Flash가 1,048,576 토큰(약 1M)인 반면 Flash Live는 131,072 토큰으로 8배 작습니다. 파일이 많은 에이전트 워크플로우나 긴 문서 처리에 Flash Live를 쓰면 세션이 중간에 잘릴 수 있습니다.
음성 에이전트 비용, 계산해봤습니다
이게 Flash Live가 진짜로 의미 있는 지점입니다. 기존 음성 에이전트는 STT(음성→텍스트) → LLM(추론) → TTS(텍스트→음성) 세 단계를 따로 거쳤습니다. 각 단계마다 API 비용과 지연 시간이 쌓였습니다.
💡 비용 계산을 직접 따라해볼 수 있습니다
아래 수치는 Reddit B2BSaaS 커뮤니티 실사용자 분석(2026.03.28)과 공식 API 가격표(ai.google.dev)를 교차 검증한 결과입니다. Flash Live 정식 가격은 미공개 상태로 직전 모델 가격을 기준 추정치로 씁니다.
기존 3중 스택(1분 통화 기준)
- STT (Deepgram Nova-2): 약 $0.0043/분
- LLM (GPT-4o/Claude 기준): 약 $0.04~$0.15/분
- TTS (ElevenLabs): 약 $0.015~$0.06/분
- 합계: 약 $0.06~$0.20/분
Flash Live 단일 스택 (1분 통화 추정)
- 오디오 처리: 약 25 토큰/초 × 60초 = 1,500 입력 토큰 + 1,500 출력 토큰
- 직전 모델(Gemini 2.5 Flash Native Audio) 기준 추정: 약 $0.021/분
- SIP 트렁킹(Twilio 기준): 약 $0.005~$0.010/분
- 합계: 약 $0.025~$0.035/분 (추정, 3.1 Flash Live 정식 가격 미공개)
기존 방식 대비 약 85~90% 저렴합니다. 콜센터나 고객 응대 서비스라면 비용 구조가 근본적으로 바뀝니다.
⚠️ 주의: Flash Live는 2026.03 현재 프리뷰(Preview) 상태입니다. 정식 가격은 아직 구글이 공식 발표하지 않았습니다. 위 수치는 직전 모델 기준 추정치이며, 실제 과금은 다를 수 있습니다. (출처: Reddit B2BSaaS, 2026.03.28 / ai.google.dev 가격 페이지)
서치 라이브와 한국어 지원 — 지금 바로 쓸 수 있나요?
Flash Live 출시와 동시에 구글은 서치 라이브(Search Live)를 한국을 포함한 200개 이상의 국가로 확대했습니다. (출처: Google 공식 블로그, 2026.03.26) 한국어 포함 다국어 처리가 모델 자체에 내재되어 있어, 별도 번역 레이어 없이 한국어로 실시간 대화가 됩니다.
사용 방법은 간단합니다
- Android 또는 iOS 구글 앱 실행
- 검색창 하단의 ‘Live’ 아이콘 탭
- 말로 질문 → 음성 응답 수신 → 후속 질문 연결
- 카메라 활성화 시 눈앞 사물에 대한 실시간 질의 가능
Google Lens를 쓰던 중에도 화면 하단 ‘Live’ 탭을 누르면 바로 전환됩니다. 타이핑이 불편한 상황, 이를테면 요리 중이거나 양손이 묶여 있을 때 진가가 나옵니다.
💡 단순 ‘글로벌 출시’처럼 보이지만, 뚜껑을 열면 이런 구조입니다
서치 라이브는 Flash Live가 없었으면 글로벌 확대 자체가 불가능했습니다. 이전 버전은 영어 위주였고 다국어 실시간 음성 처리에 한계가 있었습니다. Flash Live가 다국어 처리를 모델 내부에서 직접 처리하면서 한국어 포함 200개국 동시 지원이 가능해졌습니다. 단순 서버 확장이 아니라 모델 아키텍처 변화가 조건이었습니다.
Flash / Flash Live / Flash-Lite, 세 가지는 전혀 다른 제품입니다
구글 네이밍이 혼란스럽습니다. 이름에 “Flash”가 들어가는 모델이 세 개나 되는데, 이걸 같은 계열의 크기 차이쯤으로 착각하면 잘못된 모델을 붙이게 됩니다. 공식 API 문서(ai.google.dev, 2026.03.28 기준)와 출시 일정을 정리했습니다.
- Gemini 3 Flash(gemini-3-flash-preview, 2025.12.17 출시): 범용 백엔드. 1M 컨텍스트, 배치·캐싱·코드 실행·컴퓨터 사용 전부 지원. 대부분의 앱에 이걸 씁니다.
- Gemini 3.1 Flash-Lite(gemini-3.1-flash-lite-preview, 2026.03.03 출시): 비용 최적화 버전. 텍스트·이미지·영상 입력 토큰 가격이 표준 Flash의 절반. 번역·분류·추출 같은 대용량 단순 작업에 맞습니다.
- Gemini 3.1 Flash Live(gemini-3.1-flash-live-preview, 2026.03.26 출시): 음성 전용 런타임. 오디오 인→아웃, Live API 세션 기반. 컨텍스트 128K, 배치 없음. 앱이 “말을 주고받아야” 할 때만 씁니다.
⚠️ 마이그레이션 주의: 이전 모델(gemini-2.5-flash-native-audio)에서 넘어올 때 thinkingBudget 파라미터가 thinkingLevel로 바뀌었습니다. 그냥 모델 문자열만 바꾸면 동작이 달라집니다. (출처: Google AI for Developers 마이그레이션 가이드, 2026.03)
결국 모델 선택의 기준은 단 하나입니다. 앱이 ‘말을 하고 듣는’ 제품인지 여부. 그렇다면 Flash Live가 맞고, 아니라면 Flash 또는 Flash-Lite에서 고르는 게 맞습니다. “더 최신 = 더 좋다”는 공식이 여기서는 틀립니다.
Flash Live 쓰면 안 되는 상황이 있습니다
솔직히 말하면, Flash Live는 아직 프리뷰 단계입니다. 구글이 정식 GA 출시를 아직 선언하지 않았습니다. 지연 시간은 “데모 기준 300ms 이하” 수준으로 체감되지만, 구글이 공식 수치를 발표하지 않았습니다. (출처: Reddit B2BSaaS 분석, 2026.03.28) 즉 “250ms 보장”이라는 말이 나오면 추정입니다.
❌ 이 경우엔 Flash Live 말고 표준 Flash를
- JSON 구조화 출력이 필요한 앱
- 긴 문서·파일 처리 (128K 초과)
- 배치 처리·캐싱이 필요한 파이프라인
- 코드 실행·UI 자동화 기능 필요 시
- 대규모 프로덕션 투입 (프리뷰 제약)
✅ 이 경우엔 Flash Live가 맞습니다
- 실시간 음성 대화 에이전트
- 콜센터·CS 자동화 시스템
- 음성 기반 인터페이스 (스마트 글래스, 로봇)
- 다국어 실시간 통역 앱
- 핸즈프리 카메라 기반 쿼리
Vapi, Bland 같은 음성 에이전트 래퍼 플랫폼이 아직 살아있는 이유도 여기에 있습니다. SIP 트렁킹·WebSocket 세션 관리·통화 기록 컴플라이언스 등은 Flash Live가 해결해주지 않습니다. 모델 비용은 내려갔지만 통합 작업 난이도는 그대로입니다.
자주 묻는 질문 Q&A
마치며 — 총평
Gemini 3.1 Flash Live는 음성 AI에서 분명한 전진입니다. 기존 STT→LLM→TTS 3단계를 하나로 묶어 비용을 85~90% 낮추고, 한국어 포함 70개 언어 실시간 대화를 서치 라이브에서 바로 꺼낼 수 있게 된 건 실질적인 변화입니다.
단, “최신 버전 = 범용적으로 더 좋다”는 기대는 여기서 접어야 합니다. 표준 Flash의 컨텍스트 윈도우인 1M 토큰과 비교하면 Flash Live의 128K는 상당한 제약입니다. 배치·캐싱·구조화 출력이 없다는 건 일반 앱 백엔드로 쓰기 어렵다는 말이기도 합니다. 현재 프리뷰 상태라 레이트 리밋도 일반 프로덕션 모델보다 빡빡합니다.
결국 이 모델이 빛나는 자리는 하나입니다. 앱이 말을 주고받아야 하는 제품. 그 조건이 맞는다면, 음성 에이전트 시장의 단가 공식이 이번 주부터 달라졌습니다.
📌 본 포스팅 참고 자료
본 포스팅은 2026년 3월 31일 기준으로 작성되었으며, Gemini 3.1 Flash Live Preview 버전을 기반으로 합니다. 본 포스팅 작성 이후 서비스 정책·UI·기능·가격이 변경될 수 있습니다. 특히 Flash Live는 프리뷰 단계로, 정식 출시 시 스펙·가격·지원 기능이 달라질 수 있습니다. 모든 수치는 공식 문서 및 커뮤니티 실측 기준이며, 추정치는 본문 내 명시했습니다.
댓글 남기기