Google lança Gemini 3.8 Live com raciocínio paralelo durante conversas de voz

O que foi lançado

O Google anunciou o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking, descritos como seus modelos de diálogo ao vivo mais avançados até o momento, voltados para interações por voz mais naturais, fluidas e inteligentes. A assinatura é da equipe Gemini Audio, com Tom Ouyang (engenheiro principal) e Malini Jaganathan.

Os dois modelos têm perfis distintos: o 3.8 Live foi construído para escala e eficiência de custo, combinando inteligência conversacional, diálogo fluido e apoio visual em tempo quase real. O 3.8 Live Extended Thinking mira tarefas de alta complexidade, com raciocínio de múltiplas etapas.

Resultados em benchmarks

O 3.8 Live Extended Thinking ocupa a primeira posição geral no Speech to Speech Quality Index da Artificial Analysis (82,6) e lidera na conclusão de tarefas agênticas, com 68,6% no τ-Voice e 35,1% no τ-Voice-banking da Sierra. Também pontua 97,7% no Big Bench Audio, mantendo preço competitivo frente a outros modelos de fronteira, segundo o Google.

O 3.8 Live ficou em segundo lugar no Speech Agent Arena, com alta preferência dos usuários, e é posicionado como uma opção custo-efetiva para escala. Nos dois casos, os modelos empatam na EVA-Bench da ServiceNow (avaliação de agentes de voz) em equilíbrio entre precisão e qualidade conversacional; o teste foi feito na Live API do Gemini Enterprise Agent Platform.

Capacidades durante a conversa

O 3.8 Live processa entradas visuais em tempo quase real, detecta e transita automaticamente entre 97 idiomas no meio da conversa e executa ferramentas e chamadas de API em segundo plano enquanto o diálogo continua - o modelo reconhece pedidos e segue conversando enquanto as tarefas terminam.

O Extended Thinking raciocina e fala ao mesmo tempo: usa pistas verbais iniciais como "Deixe-me verificar..." para reconhecer pedidos de forma natural e narra o progresso de tarefas de múltiplas etapas em execução em segundo plano. O Google mostra demonstrações como transformar esboços em componentes React com feedback por voz, coordenar reservas de várias etapas com chamadas assíncronas e montar planos de negócio via fala natural.

Disponibilidade e ecossistema

Os recursos já chegam ao Gemini app, Google Workspace e Search. No Workspace, o Extended Thinking aparece em Docs Live, Gmail Live e Keep Live; o 3.8 Live chega ao Search Live. Para desenvolvedores, ambos estão disponíveis na Gemini API e no Google AI Studio. Para empresas, entram em prévia privada no Gemini Enterprise, com previsão de chegada ao Gemini Enterprise for Customer Experience e, no caso do Extended Thinking, a clientes de negócios do Workspace; no consumo, há distribuição por assinaturas Google AI Pro e Ultra.

Plataformas de desenvolvedores como Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents usam a Gemini Live API para construir interfaces de voz, gerenciando a infraestrutura de streaming de mídia em tempo real. O Google também cita parcerias com Salesforce, Genspark e Lumeris, que destacam latência, fluidez e chamadas de ferramenta.

Transparência

Todo áudio gerado pelos produtos de IA do Google recebe marca d'água SynthID, imperceptível e integrada à saída de áudio, para manter o conteúdo gerado detectável e ajudar a evitar desinformação. Detalhes de segurança estão no model card.