Google lanza Gemini 3.8 Live para voz en tiempo real con cambio de idioma en vivo

Google ha lanzado dos nuevos modelos de voz en tiempo real, Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, que se están desplegando en la Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live y partes de Workspace. El par divide el trabajo: el modelo base se centra en la escala y la eficiencia de costes, mientras que Extended Thinking está diseñado para tareas que requieren más razonamiento sin interrumpir el flujo de la conversación.

Qué hay de nuevo en la interacción por voz

Gemini 3.8 Live procesa la entrada visual casi en tiempo real, por lo que una conversación puede hacer referencia a lo que una cámara o pantalla está mostrando actualmente en lugar de una instantánea estática. También detecta y cambia entre 97 idiomas compatibles durante la conversación, y puede ejecutar llamadas a herramientas y solicitudes de API en segundo plano mientras continúa hablando, reconociendo una solicitud y narrando el progreso en lugar de quedarse en silencio mientras se completa una tarea. Google afirma que el audio generado lleva una marca de agua SynthID.

Números que deben leerse como afirmaciones del proveedor, no como auditorías

Google cita cifras de evaluación de terceros para Extended Thinking: una puntuación de 82,6 en el Índice de Calidad de Voz a Voz de Artificial Analysis, y un 68,6 % en el benchmark de tareas agenticas τ-Voice (35,1 % en una variante específica de banca). Estas provienen de proveedores de benchmarks nombrados citados en el propio anuncio de Google en lugar de una auditoría independiente verificada directamente aquí, y utilizan métodos de medición diferentes entre sí; no deben leerse como una puntuación de rendimiento unificada.

Dónde aterriza esto para los MSP

Para los proveedores de servicios gestionados que ya están lidiando con más de un modelo de voz en los despliegues de clientes, la cuestión práctica que plantean estos lanzamientos no son las puntuaciones de los benchmarks, sino dónde se ejecuta realmente la inferencia y qué datos del inquilino tocan qué región: una cuestión de enrutamiento y aislamiento, separada de cualquier marketing de capacidades del modelo.

Fuentes: Google Blog, 9to5Google.