El pasado 15 de septiembre, Google anunció el lanzamiento de sus nuevos modelos de diálogo en tiempo real: Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking. Estos sistemas, según la compañía, están diseñados para hacer que las conversaciones con inteligencia artificial sean más naturales, fluidas e inteligentes, con un enfoque especial en tareas complejas que requieren razonamiento en varios pasos.

La presentación se realizó a través del blog oficial de Google, donde los ingenieros Tom Ouyang y Malini Jaganathan explicaron que ambos modelos incorporan avances en inteligencia y razonamiento paralelo. La compañía busca que los usuarios puedan interactuar con Gemini mediante voz en aplicaciones como la propia app, Google Workspace o el buscador, con una experiencia mucho más colaborativa.

Gemini 3.8 Live: eficiencia y escalabilidad

El modelo estándar, Gemini 3.8 Live, está pensado para ofrecer un equilibrio entre coste y rendimiento. Según Google, combina inteligencia conversacional con un diálogo fluido y anclaje visual, lo que permite procesar entradas visuales casi en tiempo real. Además, es capaz de detectar automáticamente el idioma y cambiar entre 97 lenguas durante una misma conversación, una función especialmente útil para entornos multilingües.

Otra característica destacada es la ejecución de herramientas en segundo plano: los usuarios pueden seguir hablando con el modelo mientras este realiza llamadas a APIs o confirma solicitudes. Esta capacidad lo hace ideal para agentes de voz que atienden un gran volumen de interacciones. En las pruebas internas, Gemini 3.8 Live logró la segunda posición en el Speech Agent Arena de Artificial Analysis, con una alta preferencia entre los usuarios.

Extended Thinking: razonamiento avanzado para tareas complejas

Por su parte, Gemini 3.8 Live Extended Thinking está diseñado para problemas que requieren múltiples etapas de análisis. El modelo puede ‘razonar y hablar simultáneamente’, dando indicaciones verbales tempranas como “déjame comprobarlo” mientras resuelve la tarea. Esta versión se presenta como una herramienta empresarial de nivel superior, capaz de coordinar procesos complejos como reservas de restaurantes o generación de planes de negocio.

En cuanto a rendimiento, Extended Thinking ha alcanzado el primer puesto en el índice de calidad de voz a voz de Artificial Analysis con una puntuación de 82.6. También lidera la finalización de tareas automatizadas con un 68.6% en la prueba τ-Voice y obtiene un 97.7% en Big Bench Audio, lo que demuestra sus capacidades de razonamiento de la IA de Google. Google destaca que mantiene un precio competitivo frente a otros modelos de frontera.

Disponibilidad y acceso

Ambos modelos ya están disponibles para desarrolladores a través de la Gemini API y Google AI Studio. Las empresas pueden acceder a ellos mediante Gemini Enterprise, aunque en fase de vista previa privada. Para los usuarios finales, Gemini 3.8 Live se ha integrado en Search Live, mientras que Extended Thinking se ofrece en Gemini Live, así como en Google Docs, Gmail y Keep para suscriptores de Google AI Pro o Ultra.

Google también ha confirmado la integración con plataformas como Agora, Fishjam, LiveKit, Pipecat, Vercel y Vision Agents, facilitando a los desarrolladores la creación de interfaces con voz. Además, todo el audio generado por estos modelos lleva la marca de agua SynthID, un sistema que permite detectar contenido sintético para evitar la desinformación.

Se espera que el despliegue sea global. La compañía ha señalado que la expansión a más clientes empresariales de Workspace llegará pronto. Con estos lanzamientos, Google busca consolidarse en el mercado de asistentes de voz, compitiendo directamente con soluciones como ChatGPT de OpenAI. Los usuarios podrán experimentar conversaciones más naturales y asistencia en tareas cotidianas de forma inmediata en las plataformas habilitadas.

Con estos dos modelos, Google apuesta por una experiencia conversacional más rica y eficiente, diferenciando claramente las necesidades de escala y profundidad de razonamiento. La disponibilidad en múltiples plataformas y la integración con herramientas empresariales refuerzan su estrategia para competir en el creciente mercado de la IA conversacional.

from Linux Adictos https://ift.tt/M9T3PBS
via IFTTT