Google lanzó Gemini 3.8 Live, con una versión Extended Thinking que razona mientras sigue hablando

Google presentó el lunes dos modelos de voz nuevos, Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, pensados para sostener conversaciones habladas en tiempo real con capacidad de ver lo que el usuario les muestra por cámara y de ejecutar tareas en segundo plano sin cortar el diálogo. Los dos quedaron disponibles el mismo día del anuncio.

Según la publicación oficial de Google, ambos modelos procesan entradas visuales casi en tiempo real y reconocen automáticamente hasta 97 idiomas en medio de una misma conversación, sin que el usuario tenga que indicar el cambio. La diferencia entre las dos versiones está en la profundidad del razonamiento: Extended Thinking puede razonar y seguir hablando al mismo tiempo, con señales verbales como "dejame revisar eso" mientras resuelve tareas complejas de varios pasos -desde el onboarding de un empleado hasta coordinar una reserva o programar-, mientras que la versión estándar prioriza escala y costo para conversaciones más simples.

En los benchmarks que difundió la compañía, Gemini 3.8 Live Extended Thinking quedó primero en el Speech to Speech Quality Index de Artificial Analysis con un puntaje de 82,6, y el modelo también reportó 68,6% de tareas completadas en el benchmark agéntico τ-Voice (35,1% en la versión bancaria de Sierra, τ-Voice-banking) y 97,7% en razonamiento de audio sobre Big Bench Audio. En el ranking Speech Agent Arena, Gemini 3.8 Live quedó en el segundo puesto.

El despliegue arrancó el mismo lunes en distintos niveles: los desarrolladores ya pueden usar los modelos a través de la Gemini API y Google AI Studio, las empresas acceden por ahora a una vista previa privada dentro de Gemini Enterprise, y el público general los encuentra en Search Live (Gemini 3.8 Live) y en Gemini Live para quienes pagan los planes Pro o Ultra dentro de Workspace, Gmail y Keep (la versión Extended Thinking). Todo el audio generado por los modelos incluye la marca de agua SynthID, pensada para que se pueda identificar como contenido creado por IA.

El lanzamiento llega en una semana de fuerte actividad entre los grandes laboratorios de inteligencia artificial, con Google, OpenAI y otras compañías compitiendo por ofrecer asistentes de voz cada vez más capaces de actuar por su cuenta. Para Google, que la nueva versión pueda ejecutar llamadas a herramientas o API sin interrumpir la conversación apunta directamente a ese terreno agéntico, donde Alphabet viene invirtiendo con fuerza mientras los inversores siguen de cerca el gasto de capital de toda la industria en infraestructura de IA.