Imagina hablar con una IA que no solo entiende lo que dices, sino que también ve lo que ves, razona en tiempo real y ejecuta tareas complejas sin que tengas que repetir nada. Esto ya es posible con Gemini 3.8 Live y 3.8 Live Extended Thinking, los nuevos modelos de Google que están redefiniendo la interacción humano-máquina con razonamiento paralelo y colaboración intuitiva.

Estos son los modelos de diálogo en tiempo real más avanzados de Google, diseñados para ejecutar tareas complejas con voz en herramientas como Workspace, Search y la app de Gemini. A continuación, te explicamos sus benchmarks, casos de uso prácticos y cómo probarlos.

¿Qué son Gemini 3.8 Live y 3.8 Live Extended Thinking?

El 15 de septiembre de 2026, Google anunció dos nuevos modelos de su familia Gemini, diseñados para llevar la inteligencia artificial conversacional a un nivel superior. Estos modelos destacan por su capacidad para:

• Gemini 3.8 Live: Optimizado para escalabilidad y eficiencia de costos, combina inteligencia conversacional con diálogo fluido y grounding visual (comprensión de imágenes en contexto para enriquecer respuestas).
• Gemini 3.8 Live Extended Thinking: Enfocado en tareas de alta complejidad, con mayor inteligencia y razonamiento multi-paso, ideal para flujos de trabajo avanzados.

Ambos modelos están construidos para ser los bloques fundamentales de agentes de voz confiables y listos para producción. Vale la pena señalar que estos avances no solo mejoran la experiencia de usuario, sino que también abren nuevas posibilidades para desarrolladores y empresas.

¿Cómo funcionan estos modelos en la práctica?

Estos modelos no solo responden, sino que anticipan y actúan en tiempo real. Aquí te explicamos sus capacidades clave con datos concretos:

Benchmarks clave de Gemini 3.8 Live Extended Thinking

En evaluaciones independientes, Gemini 3.8 Live Extended Thinking ha logrado resultados excepcionales:

1. #1 en el Índice de Calidad de Voz a Voz de Artificial Analysis: 82.6 puntos, superando a modelos como Claude 3.5 y Llama 3.2.
2. Liderazgo en tareas agenticas: 68.6% en el benchmark τ-Voice (un benchmark que evalúa la capacidad de los modelos para completar tareas agenticas en conversaciones naturales) y 35.1% en τ-Voice-banking de Sierra.
3. Razonamiento avanzado: 97.7% en Big Bench Audio, manteniendo un precio altamente competitivo frente a otros modelos frontera.

Por su parte, Gemini 3.8 Live ha demostrado una alta preferencia entre los usuarios, asegurando el segundo lugar en el benchmark Speech Agent Arena de Artificial Analysis. Además, su eficiencia de costos lo convierte en una opción ideal para implementaciones a gran escala.

¿Cómo mejoran la experiencia de usuario?

Gemini 3.8 Live procesa entradas visuales en tiempo casi real, enriqueciendo las conversaciones con contexto para respuestas más útiles. Además, detecta y cambia automáticamente entre 97 idiomas durante una misma conversación, eliminando barreras lingüísticas. También puede ejecutar herramientas y llamadas a APIs en segundo plano mientras mantiene el diálogo, reconociendo solicitudes y continuando la charla mientras las tareas se completan.

Lo cierto es que esta capacidad de multitarea inteligente es lo que realmente diferencia a estos modelos de sus predecesores.

5 formas en que estos modelos mejoran tu productividad

Pero, ¿cómo se traducen estos avances en beneficios tangibles? Aquí tienes cinco casos de uso prácticos:

1. 1. Onboarding de empleados en tiempo real: Gemini 3.8 Live puede analizar el contexto visual de la pantalla de un nuevo empleado y responder preguntas en vivo, actuando como un asistente virtual que entiende lo que ve y responde con precisión.

1. 1. Partidas de ajedrez con análisis en vivo: El modelo observa un tablero de ajedrez físico a través de una cámara, responde en tiempo real a los movimientos con comentarios conversacionales y análisis del tablero, combinando visión por computadora, razonamiento lógico y diálogo natural.

1. 1. Generación de código React desde bocetos manuales: Gemini 3.8 Live Extended Thinking transforma bocetos dibujados a mano y retroalimentación de voz en tiempo real en componentes funcionales de React, ideal para prototipado rápido.

1. 1. Reservas multi-paso y llamadas asíncronas: El modelo coordina reservas complejas (como en restaurantes) y llamadas a funciones asíncronas sin interrumpir la conversación natural, perfecto para aplicaciones de servicio al cliente.

1. 1. Creación de planes de negocio y kits de marketing: Con solo hablar, Gemini 3.8 Live genera documentos estructurados de estrategia empresarial y material de marketing personalizado.

¿Dónde puedo usar Gemini 3.8 Live y Extended Thinking hoy?

Estos modelos no solo están disponibles para desarrolladores, sino que también están integrados en herramientas que millones de personas usan a diario. Más allá de los datos, lo que realmente importa es cómo estos avances impactan en el día a día.

Google Workspace

Los usuarios pueden probar Gemini 3.8 Live Extended Thinking en:

• Docs Live: Redacción colaborativa en tiempo real.
• Gmail Live: Gestión de correos con asistencia de IA.
• Keep Live: Organización de notas y listas con voz.

Si eres usuario de Google Workspace, prueba Google AI Studio hoy mismo y comienza a explorar estas capacidades.

Search Live

En Búsqueda de Google, los usuarios pueden recibir ayuda de solución de problemas paso a paso en tiempo real, impulsada por Gemini 3.8 Live. Por ejemplo, apuntar la cámara del smartphone a un problema técnico y recibir instrucciones habladas para resolverlo.

App de Gemini

En la aplicación de Gemini, los usuarios pueden:

• Solicitar su Informe Diario con voz.
• Alcanzar inbox zero en Gmail mediante comandos de voz.
• Delegar tareas pendientes a la IA.

¿Quieres probarlo? Accede a Google AI Studio o abre la app de Gemini en tu dispositivo.

¿Qué plataformas ya soportan estos modelos de IA?

Google ha colaborado con múltiples plataformas para facilitar la adopción de estos modelos. Mediante la documentación oficial de la API de Gemini Live, plataformas como:

• Agora,
• Fishjam,
• LangChain,
• LiveKit,
• Pipecat,
• Vercel, y
• Vision Agents

permiten a los desarrolladores construir e implementar interfaces impulsadas por voz de alto rendimiento con facilidad. Estas plataformas gestionan la compleja infraestructura de streaming de medios en tiempo real, permitiendo que los desarrolladores se enfoquen en la experiencia de usuario.

Si eres desarrollador, prueba la API de Gemini Live hoy mismo y comienza a construir agentes de voz inteligentes.

Además, empresas como Salesforce, Genspark y Lumeris ya están adoptando estos modelos, destacando su baja latencia, fluidez y capacidades de llamada a herramientas.

¿Cómo garantiza Google la seguridad en el audio generado por IA?

Todos los audios generados por los productos de IA de Google están marcados con SynthID, una tecnología de watermarking imperceptible integrada directamente en la salida de audio. Esto garantiza que el contenido generado por IA permanezca detectable, ayudando a prevenir la desinformación.

Para más detalles sobre el enfoque de seguridad y responsabilidad, puedes revisar la tarjeta del modelo oficial.

Conclusión: Un salto hacia el futuro de la IA conversacional

Después de analizar sus capacidades, benchmarks y casos de uso, una cosa es clara: Gemini 3.8 Live y 3.8 Live Extended Thinking no son solo una mejora incremental, sino un salto cualitativo en la IA conversacional.

Con su capacidad para razonar en tiempo real, entender contexto visual y ejecutar tareas complejas sin interrumpir el diálogo, estos modelos no solo mejoran la productividad, sino que también redefinen cómo interactuamos con la tecnología.

Lo cierto es que, la combinación de inteligencia avanzada, baja latencia y integración perfecta en herramientas cotidianas como Google Workspace y Search los posiciona como una de las innovaciones más significativas de 2026 en el campo de la IA.

Para profundizar en cómo la IA está transformando la productividad, te recomendamos leer nuestro análisis sobre modelos de lenguaje para productividad.

¿Listo para probarlos? Si eres desarrollador, empresa o simplemente un entusiasta de la tecnología, ahora es el momento de explorar lo que estos modelos pueden hacer por ti.

¿Ya probaste estos modelos? Cuéntanos tu experiencia en los comentarios o comparte este artículo con alguien que necesite saber sobre el futuro de la IA conversacional.

Fuentes y referencias

• Artificial Analysis. (2026). Speech to Speech Quality Index. Recuperado de https://artificialanalysis.ai/speech-to-speech
• Google. (2026, 15 de septiembre). Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking. Google Blog. Recuperado de enlace
• ServiceNow. (2026). EVA-Bench: Evaluating Voice Agents. Recuperado de https://servicenow.github.io/eva/#results