Gemini 3.8 Live: Google lanza modelos de voz avanzados

⏱ Tiempo de lectura: 3 min

Google presentó el 15 de septiembre de 2026 Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de diálogo en vivo disponibles en Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live y Google Workspace. La empresa describe estos modelos como los más avanzados en conversación natural, diseñados para colaborar en tareas complejas mediante voz con mayor inteligencia y razonamiento paralelo.

Capacidades y rendimiento confirmados

Gemini 3.8 Live Extended Thinking alcanzó el primer lugar en el Speech to Speech Quality Index de Artificial Analysis con una puntuación de 82,6. En tareas de agente, logró 68,6% en τ-Voice y 35,1% en el benchmark τ-Voice-banking de Sierra. El modelo obtiene 97,7% en Big Bench Audio, procesando entradas visuales en tiempo casi real y detectando automáticamente 97 idiomas con transición dinámica. Ejecuta herramientas y llamadas API en segundo plano mientras mantiene el diálogo fluido. Extended Thinking razona y habla simultáneamente, proporcionando señales verbales tempranas y narrativas de progreso en vivo durante tareas de múltiples pasos. Ambos modelos representan un avance en arquitectura conversacional de IA.

Disponibilidad, plataformas y casos de uso

Ambos modelos comenzaron a desplegarse el 15 de septiembre. Para desarrolladores, están disponibles en Gemini API y Google AI Studio. Para empresas, Gemini 3.8 Live Extended Thinking está en vista previa privada en Gemini Enterprise. Gemini 3.8 Live es accesible para todos en Search Live, mientras que Extended Thinking está disponible en Gemini Live, en Docs para suscriptores Google AI Pro y Ultra en Workspace, y en Gmail y Keep para todos los suscriptores Google AI. Gemini Enterprise para Customer Experience llegará próximamente. Google menciona asociaciones con Agora, Fishjam, LiveKit, Pipecat, Vercel, Vision Agents, Salesforce, Genspark y Lumeris para construir interfaces impulsadas por voz. Los casos de uso demostrados incluyen sesiones de incorporación de empleados, juego de ajedrez en tiempo real, construcción de planes empresariales, componentes React desde bocetos, reservas multipasos en restaurantes, y solución de problemas en Search Live.

Especificaciones técnicas y seguridad

La Live API admite audio PCM de 16 bits a 16 kHz, imágenes JPEG hasta un fotograma por segundo y texto, con salida de audio PCM de 16 bits a 24 kHz. Los desarrolladores pueden optar por implementación servidor-a-servidor o cliente-a-servidor mediante WebSocket. Todos los audios generados se marcan con SynthID, una marca de agua imperceptible integrada directamente en la salida de audio para detectar contenido generado por IA y prevenir desinformación. Detalles completos en el comunicado oficial de Google.

Qué falta por confirmar

Google no especificó en el anuncio inicial precios exactos ni fechas de disponibilidad general para Gemini Enterprise Customer Experience ni para Extended Thinking en Workspace empresarial. El rendimiento real en aplicaciones de producción a escala requiere validación de usuarios finales, y el impacto en latencia con cargas de trabajo variables no se detalló. Aunque los benchmarks son prometedores, la experiencia en casos de uso reales determinará su adopción.

Elemento	Detalle
Modelo 1	Gemini 3.8 Live — modelos conversacionales, accesible en Gemini API, Google AI Studio, Search Live, Gemini Live, Workspace
Modelo 2	Gemini 3.8 Live Extended Thinking — razonamiento multietapa, Gemini API, Google AI Studio, Gemini Enterprise (vista previa), Gemini Live, Docs (Pro/Ultra), Gmail y Keep (suscriptores Google AI)
Fecha de lanzamiento	15 de septiembre de 2026
Puntuación Speech to Speech Quality	Extended Thinking: 82,6 (primer lugar en Artificial Analysis)
τ-Voice (agentic tasks)	68,6%
τ-Voice-banking benchmark	35,1%
Big Bench Audio	97,7%
Idiomas soportados	97 idiomas con detección automática y transición dinámica
Especificaciones de audio	Entrada: PCM 16 bits a 16 kHz; Salida: PCM 16 bits a 24 kHz; Imágenes JPEG hasta 1 fotograma/seg
Seguridad	Marca de agua SynthID imperceptible en todo audio generado
Socios implementadores	Agora, Fishjam, LiveKit, Pipecat, Vercel, Vision Agents, Salesforce, Genspark, Lumeris
Disponibilidad futura confirmada	Gemini Enterprise Customer Experience para ambos modelos; Extended Thinking en Workspace empresarial

Preguntas frecuentes sobre Gemini 3.8 Live

¿Cuál es la diferencia entre Gemini 3.8 Live y Extended Thinking?

Gemini 3.8 Live está optimizado para escala y eficiencia de costos, con diálogo fluido y contexto visual. Extended Thinking está diseñado para tareas de alta complejidad con razonamiento multietapa e inteligencia aumentada, ideal para solución de problemas y razonamiento profundo.

¿Cuándo estará disponible para todos?

El lanzamiento comenzó el 15 de septiembre de 2026. Gemini 3.8 Live ya es accesible en Search Live. Extended Thinking está en vista previa privada para empresas en Gemini Enterprise, y Gemini Enterprise Customer Experience está pendiente. No se especificó fecha exacta de disponibilidad general completa.

¿Qué costo tiene usar estos modelos?

Google describe Extended Thinking como manteniendo un punto de precio altamente competitivo relativo a otros modelos frontier, pero no publicó precios específicos en el anuncio oficial de lanzamiento.

El punto clave para la comunidad tech

Google posiciona estos modelos como solución empresarial para agentes de voz confiables y listos para producción. Los benchmarks muestran liderazgo en calidad de audio y tareas de agente, pero el éxito dependerá de adopción real en casos de uso complejos y del rendimiento en latencia bajo carga variable.

En Inteligencia Artificial, la estrategia de Google apunta a capturar el mercado de voz empresarial mediante un enfoque multimodal y conversacional, compitiendo directamente con modelos de audio avanzados. ¿Cómo impactará la capacidad de Extended Thinking de razonar en tiempo real en aplicaciones de soporte y automatización?

Fuente: www.unite.ai