Llevamos meses pidiendo a gritos una inteligencia artificial con la que se pueda hablar sin que parezca un contestador automático con retraso. Pues bien, Google acaba de dar un golpe sobre la mesa lanzando Gemini 3.8 Live y su hermano mayor, Gemini 3.8 Live Extended Thinking. Y la jugada es muy seria.
Lo cierto es que estos no son simples modelos de texto convertidos a voz mediante parches. El equipo de Gemini Audio ha logrado algo bastante complejo a nivel de hardware y software: combinar la conversación hablada con el razonamiento en paralelo. Es decir, la máquina piensa y ejecuta tareas en segundo plano mientras sigue dándote palique en tiempo real. Se acabó el eterno e incómodo silencio tras hacer una pregunta difícil.
Gemini 3.8 Live: Eficiencia pura y visión casi instantánea
Si miramos de cerca el modelo base, vemos que Gemini 3.8 Live está claramente orientado a comerse cargas de trabajo gigantescas. Y lo hace priorizando un coste de inferencia contenido y, agárrate, la comprensión del contexto visual de forma casi inmediata.
Puede ver lo que pasa a través de la cámara de tu móvil y reaccionar. Cambia automáticamente entre 97 idiomas compatibles y es capaz de ejecutar herramientas o llamadas a API por detrás sin despeinarse ni cortar la charla. Las demostraciones de Google enseñan desde cómo guía paso a paso la incorporación de un nuevo empleado mirando su pantalla, hasta cómo es capaz de jugar al ajedrez comentando las jugadas a través de la lente. Un despliegue técnico brutal.
Extended Thinking: La bestia para tareas complejas
Pero la verdadera joya de la corona es la versión Extended Thinking. Está diseñada específicamente para flujos de trabajo de varios pasos, esos problemas donde la IA necesita tomarse su tiempo para no alucinar. Durante la ejecución de una tarea larga, este LLM te suelta frases muy humanas como «Déjame comprobarlo…» y te va dando actualizaciones de estado mientras trabaja. Literalmente, razona y habla simultáneamente.
Y los números le dan la razón absoluta. Lidera el índice Speech to Speech Quality de Artificial Analysis con una puntuación mareante de 82,6. Además, ha destrozado otros benchmarks técnicos marcando un 97,7 % en Big Bench Audio, un sólido 68,6 % en tau-Voice y un 35,1 % en el exigente tau-Voice-banking de Sierra.
Por si fuera poco, en las rigurosas pruebas EVA-Bench de ServiceNow, ambas versiones han logrado empujar la frontera de Pareto. Básicamente, han encontrado un equilibrio casi perfecto entre precisión milimétrica y una calidad conversacional asombrosa para la plataforma Gemini Enterprise Agent. Las cifras hablan solas.
En la práctica, todo esto se traduce en demostraciones que parecen pura magia negra. Hemos visto a la IA convertir un simple boceto dibujado a mano, junto a unos comentarios rápidos de voz, en código funcional de componentes de React. También es capaz de coordinar una reserva en un restaurante usando llamadas asíncronas o estructurar planes de negocio enteros dictados por voz. Una auténtica locura.
El ecosistema de Google se vuelve conversacional
Evidentemente, esta tecnología no se iba a quedar en un experimento cerrado de laboratorio. Google ya está inyectando estos modelos directamente en las venas de Workspace y Search. Herramientas de uso diario como Docs Live, Gmail Live y Keep Live ahora permiten redactar y navegar enteramente guiados por tu voz.
A ello se le suma el brutal soporte para desarrolladores a través de Google AI Studio. Start-ups y plataformas de infraestructura como LiveKit, Pipecat, Fishjam, LangChain o Vercel ya están metiendo las manos en la API de Gemini Live tras leer el anuncio oficial para construir la próxima generación de aplicaciones de voz. Nombres de peso pesado como Salesforce, Lumeris y Genspark también colaboran estrechamente con los de Mountain View.
La letra pequeña es que el despliegue, como era de esperar, está siendo escalonado. Gemini 3.8 Live ya asoma la cabeza en vista previa privada para Gemini Enterprise y está abierto a todos los usuarios en Search Live.
Por su parte, la versión Extended Thinking llegará poco a poco a los clientes de Workspace Business y Customer Experience. Los suscriptores de Google AI Pro y Ultra ya pueden exprimirlo en Docs, y todos los usuarios de Google AI tienen acceso habilitado en Gmail y Keep. Así de simple.
Y un detalle vital de responsabilidad: todo este audio hiperrealista que generan los modelos lleva incrustada la marca de agua SynthID. Es totalmente imperceptible al oído humano, pero fundamental para evitar estafas telefónicas y deepfakes en internet. Google también ha publicado una exhaustiva ficha del modelo detallando sus protocolos de seguridad.
Viendo el tremendo rendimiento de este pipeline de voz y razonamiento, queda clarísimo que la carrera de la inteligencia artificial ha abandonado el teclado para conquistar nuestros auriculares de forma definitiva. Si Google logra estabilizar los costes de esta tecnología a escala global, la forma en la que interactuamos con nuestros dispositivos cambiará de la noche a la mañana. La pelota está ahora en el tejado de OpenAI. Tocará esperar para ver cómo responde Sam Altman a este misil directo a la línea de flotación de su famoso modo de voz avanzado.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
