Dois modelos, duas frentes: fluidez e raciocínio profundo
O Google anunciou nesta segunda-feira (15) o lançamento de dois novos modelos de voz: o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking. A empresa os descreve como os seus modelos de diálogo ao vivo mais avançados até agora, com melhorias em inteligência e raciocínio paralelo voltadas para tornar a conversa por voz mais natural — e, no caso da versão Extended Thinking, capaz de executar tarefas complexas sem interromper o diálogo.
Na prática, são duas ferramentas com propósitos distintos. O Gemini 3.8 Live foi projetado para escala e custo-eficiência, combinando inteligência conversacional com diálogo fluido e ancoragem visual em tempo real. Já o 3.8 Live Extended Thinking mira tarefas de alta complexidade, com maior capacidade de raciocínio em múltiplas etapas. Para desenvolvedores e empresas, os dois servem como blocos de construção para agentes de voz confiáveis e prontos para produção.
Resultados em benchmarks e o que muda na experiência
O 3.8 Live Extended Thinking conquistou a primeira posição geral no Speech to Speech Quality Index da Artificial Analysis, com pontuação de 82,6, e lidera em conclusão de tarefas agentivas com 68,6% no benchmark τ-Voice e 35,1% no τ-Voice-banking da Sierra. Em raciocínio, marcou 97,7% no Big Bench Audio. O 3.8 Live, por sua vez, ficou em segundo lugar no Speech Agent Arena.
Entre os recursos que diferenciam a nova geração estão o processamento visual em tempo real, a detecção e transição automática entre 97 idiomas no meio de uma conversa e a execução de chamadas de ferramentas e APIs em segundo plano — o modelo reconhece o pedido e continua conversando enquanto a tarefa é concluída. Na versão Extended Thinking, o modelo “raciocina e fala ao mesmo tempo”, usando dicas verbais como “deixa eu verificar isso…” para reconhecer os pedidos de forma natural.
Onde já dá para usar
Os dois modelos começam a ser liberados a partir de hoje. Para desenvolvedores, estão disponíveis na Gemini API e no Google AI Studio; para empresas, em prévia privada no Gemini Enterprise. Para o público geral, o 3.8 Live chega ao Search Live, e o Extended Thinking ao Gemini Live, além de assinantes Google AI Pro e Ultra no Workspace (Docs Live, Gmail Live e Keep Live).
Plataformas como Agora, Fishjam, LiveKit, Pipecat, Vercel e Vision Agents já suportam a Gemini Live API para construir interfaces de voz. Toda a saída de áudio é marcada com SynthID, marca d’água imperceptível que ajuda a detectar conteúdo gerado por IA e combater desinformação.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
