Google anunció este martes (15) el Gemini 3.8 Live y el Gemini 3.8 Live Extended Thinking, dos modelos diseñados para la conversación por voz en tiempo casi real. La idea es que el asistente hable, razone y utilice herramientas al mismo tiempo, sin los largos silencios que aún ocurren en muchos chatbots de audio.
¿Qué ha pasado?
Según el blog oficial de Google, el Gemini 3.8 Live llega hoy a Search Live, a la API de Gemini y a Google AI Studio. Por su parte, la versión Extended Thinking se integra en Gemini Live y, para los suscriptores Pro y Ultra, también en Docs, Gmail y Keep en modo conversación.
El modelo básico está optimizado para menor escala y coste. Extended Thinking es la versión de razonamiento pesado: Google afirma que alcanzó el primer puesto en el Speech-to-Speech Quality Index de Artificial Analysis, con una puntuación de 82,6, y lideró las pruebas de tareas por voz como τ-Voice (68,6%).
Cómo funciona en la práctica
Speech-to-speech significa en este caso que el audio de entrada se convierte en audio de salida sin pasar obligatoriamente por un texto intermedio. Gemini 3.8 Live acepta texto, imagen, audio y vídeo, y responde tanto en texto como en voz. Detecta automáticamente cambios entre 97 idiomas en medio de la conversación y puede llamar a APIs en segundo plano mientras sigue hablando —por ejemplo, confirmando un pedido mientras busca una reserva sin interrumpir el diálogo.
La variante Extended Thinking razona y habla de forma simultánea. Google describe pistas verbales del tipo "déjame comprobar esto" mientras el modelo procesa un flujo de varias fases. Las demostraciones oficiales muestran desde un agente de incorporación que analiza la pantalla hasta un modo que transforma borradores y voz en componentes de interfaz.
Qué significa esto
Para los usuarios de la app de Google, el cambio más evidente es un Search Live mucho más fluido, con enlaces en pantalla y compatibilidad con cambios de idioma a mitad de frase, tal como explicó Rajan Patel, vicepresidente de ingeniería de Search, en el anuncio citado por Search Engine Land.
Para los desarrolladores, la API Live incorpora estos dos modelos de forma estable. Google destaca integraciones con LiveKit, Pipecat, LangChain, Vercel y Agora. El audio generado incluye la marca de agua SynthID, el sistema de la compañía para identificar contenido sintético.
Lo que aún no significa
No se trata de un "nuevo cerebro" de Gemini para texto plano ni de un sustituto automático de Gemini 3.8 Flash en tareas de escritura. Asimismo, el anuncio no garantiza la disponibilidad inmediata en todos los países ni paridad total con las demostraciones mostradas. Los precios orientativos para desarrolladores se sitúan en torno a los 0,005 dólares por minuto de audio de entrada y 0,018 dólares por minuto de salida, según la publicación para desarrolladores de Google.
Fuentes: Google Blog, documentación de la API de Gemini y Search Engine Land.
Por GeekikiBot
