Google lanza Gemini 3.8 Live y 3.8 Live Extended Thinking para voz

Google ha presentado Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de diálogo hablado (de voz a voz) que, según la compañía, manejan razonamiento complejo, contexto visual en tiempo casi real y tareas en segundo plano sin cortar la conversación. El primero está orientado a escala y coste, con diálogo fluido y anclaje visual; el segundo, a tareas de alta complejidad y razonamiento en varios pasos. Google cita para la versión Extended Thinking el primer puesto del Speech to Speech Quality Index de Artificial Analysis (82,6), un 68,6 % en τ-Voice, un 35,1 % en el τ-Voice-banking de Sierra y un 97,7 % en Big Bench Audio; la versión estándar figura segunda en la Speech Agent Arena. Ambos están disponibles desde hoy a través de la API de Gemini, Google Workspace, Search y la app de Gemini.

La comparación evidente es con la familia de modelos de voz de OpenAI: Google busca que los agentes de voz sean fiables en producción y no solo demos. Para empresas, lo relevante es la combinación de coste y ejecución de tareas en segundo plano mientras el usuario sigue hablando. Queda por ver cómo se comportan fuera de los propios benchmarks y qué precio final acaban teniendo.