Google ha lanzado sus nuevos modelos Gemini 3.8 Live y 3.8 Live Extended Thinking, que integran avances en el razonamiento para potenciar los agentes de voz de cara a conseguir conversaciones más intuitivas e inteligentes, incluso para ejecutar tareas complejas, ya sea a través de la aplicación de Gemini o la experiencia de Búsqueda.
Gemini Live es la herramienta de chat de voz del asistente de inteligencia artificial (IA) Gemini, que permite mantener conversaciones dinámicas, de cara a solucionar consultas de los usuarios o llevar a cabo tareas, exclusivamente mediante comandos de voz.
La tecnológica pretende continuar mejorando esta experiencia conversacional con la IA y, para ello, ha lanzado sus modelos de diálogo en tiempo real más avanzados, con mejoras en inteligencia y razonamiento para hacer esta herramienta más intuitiva.
Se trata de los modelos Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking. En el primer caso, el modelo ha sido diseñado pensando en la escalabilidad y la eficiencia de costes, de manera que combina "inteligencia conversacional con diálogo fluido y una base visual sólida".
Según ha explicado Google en un comunicado en su blog, este modelo procesa las entradas visuales "prácticamente en tiempo real", lo que le permite enriquecer las conversaciones con más contexto y ofrecer respuestas más útiles. Además, también puede detectar y cambiar automáticamente entre 97 idiomas compatibles durante la conversación.
Igualmente, Gemini 3.8 Live también puede ejecutar herramientas en segundo plano, de manera que los usuarios pueden seguir conversando con el modelo mientras este finaliza las tareas y confirma solicitudes.
Por su parte, el modelo Gemini 3.8 Live Extended Thinking está más enfocado en ejecutar tareas de alta complejidad, con "mayor inteligencia y razonamiento en múltiples pasos", como ha explicado el gigante tecnológico. Así, ha indicado que puede razonar y hablar simultáneamente, además de integrar expresiones verbales como "Déjame comprobar esto..." para confirmar las indicaciones de los usuarios de forma natural.
Concretamente, con la versión Extended Thinking Google ha incidido en que cuenta con capacidad para finalizar tareas "de nivel empresarial". Esto ser refleja en resultados como el primer puesto en el Índice de Calidad de Voz a Voz de Artificial Analysis, además de liderar la finalización de tareas automatizadas con un 68,8 por ciento en t-Voice.
Siguiendo esta línea, el modelo también ha demostrado sus capacidades de razonamiento mejoradas, obteniendo una puntuación del 97,7 por ciento en Big Bench Audio, como ha subrayado Google.
Como resultado, la compañía ha asegurado que los usuarios podrán hablar con Gemini, ya sea a través de la aplicación del asistente de IA, Google Workspace o la experiencia de Búsqueda de Google, de forma más fluida y con una interacción más colaborativa.
Asimismo, estos modelos mejorados ofrecen tanto a desarrolladores como a empresas componentes básicos para impulsar "agentes de voz fiables y listos para producción", mediante la API de Gemini Live.
Cabe destacar que todo el audio generado por estos modelos Gemini Live estará indicado con la marca de agua SynthID que se integra directamente en la salida de audio para que sea detectable.
Con todo, la versión Gemini 3.8 Live ya está disponible para desarrolladores en la API de Gemini y Google AI studio, así como para las empresas con Gemini Enterprise y para los usuarios en Search Live.
Igualmente, la versión 3.8 Live Extended Thinking también está disponible para desarrolladores y empresas, pero solo se ha lanzado en Gemini Live para usuarios suscritos a Google AI Pro y Ultra, así como en Workspace de Google Docs y para todos los suscriptores de Google AI en Gmail y Keep.
