El 15 de septiembre de 2026 Google presentó Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, con actualización de blog el 17, como sus modelos de diálogo en vivo más avanzados. No son el mismo anuncio que Gemini 3.8 Flash Cyber: aquí el foco es speech-to-speech, agentes de voz, razonamiento en paralelo y fluidez conversacional con anclaje visual.
Live Extended Thinking, orientado a tareas de alta complejidad, encabezó el Speech-to-Speech Quality Index de Artificial Analysis con 82.6, y lideró finalización de tareas agentic con 68.6% en τ-Voice y 35.1% en τ-Voice-banking de Sierra. También marcó 97.7% en Big Bench Audio, según el blog de Google, manteniendo un precio competitivo frente a otros modelos fronterizos de audio.
Gemini 3.8 Live, más orientado a escala y coste, obtuvo alta preferencia de usuarios y un segundo puesto en Speech Agent Arena en el relato oficial. Procesa entradas visuales casi en tiempo real, detecta y cambia entre 97 idiomas a mitad de conversación, y ejecuta herramientas en segundo plano mientras sigue hablando —un patrón clave para agentes de producción.
Extended Thinking razona y habla a la vez: usa señales tempranas del tipo «déjame comprobarlo…» y narración de progreso en tareas multi-paso. La API Live documenta niveles de thinking (low/medium/high), herramientas asíncronas NON_BLOCKING e interaction_status para distinguir IN_PROGRESS de IDLE; turnComplete ya no basta para saber si el trabajo terminó.
Disponibilidad: ambos modelos llegan a Gemini API y Google AI Studio; empresas los ven en preview privado de Gemini Enterprise; consumidores los encuentran en Search Live, Gemini Live y, según plan, en Workspace (Docs/Gmail/Keep) para suscriptores elegibles. Socios de streaming —Agora, LiveKit, Pipecat, Vercel y otros— habilitan interfaces de voz de alto rendimiento.
Todo el audio generado lleva marca SynthID, alineada con la agenda de transparencia. El model card de DeepMind para Gemini 3.8 Audio detalla límites y evaluaciones. Para compliance europeos, ese watermark de audio complementa el debate del Artículo 50 centrado a menudo en texto e imagen.
Empresas de contact center y onboarding mirarán EVA-Bench de ServiceNow y los demos de Google (ajedrez con visión, sketches a React, reservas multi-paso) como prueba de concepto, no como SLA. Latencia, interrupciones del usuario y robustez ante ruido real decidirán si el 82.6 de laboratorio se traduce en NPS.
Desarrolladores deben rediseñar UX: si el modelo piensa en background, la UI necesita estados explícitos; si llama herramientas sin bloquear el habla, hay que manejar condiciones de carrera en la sesión. Copiar un chatbot de texto a voz sin rediseñar el protocolo de turnos producirá agentes que «hablan de más» o cortan mal.
Neural Pulse separa este lanzamiento del hilo Flash Cyber: aquí la frontera es la conversación agentic multimodal. Los números Artificial Analysis y τ-Voice fijan un listón; la adopción en Workspace y Search medirá si la voz deja de ser demo y pasa a flujo diario de productividad.
Competidores de audio —OpenAI Realtime, Anthropic y stacks open— responderán con latencia, precio y evals propias. El movimiento de Google busca cerrar el argumento de que el mejor agente de voz también puede ser el más integrado en Search y Workspace, no solo el más puntual en un benchmark aislado.
Riesgos de seguridad conversacional persisten: jailbreaks hablados, filtración vía tools y deepfakes de voz. SynthID ayuda a detectar audio sintético; no evita que un agente mal configurado ejecute acciones sensibles. Controles de tool-use y human-in-the-loop siguen siendo obligatorios en banca (donde τ-Voice-banking aún marca 35.1%).
Para el mercado hispanohablante, el soporte multi-idioma mid-conversation es tan crítico como el score inglés-céntrico de Artificial Analysis. Pruebas locales de code-switching ES/EN deberían entrar en cualquier PoC serio antes de firmar contratos anuales.
Neural Pulse recomienda a equipos de producto tratar Live Extended Thinking como motor de tareas largas y Live como capa de escala: arquitectura dual, no un solo SKU mágico. El 15–17 de septiembre de 2026 abre esa era; la disciplina de evaluación en producción dirá si los benchmarks aguantan.
Los demos de onboarding con visión y de transformación de bocetos a componentes React ilustran el valor de Extended Thinking: la voz deja de ser interfaz de FAQ y pasa a ser canal de ejecución. Product managers deberían mapear journeys donde el usuario necesita manos libres y contexto visual —fábricas, clínicas, campo— antes de portar chatbots de texto por inercia.
Precios y cuotas en API decidirán adopción developer tanto como el 82.6 de Artificial Analysis. Un modelo brillante pero caro en turnos largos con thinking high empujará a arquitecturas híbridas Live + Extended. Google lo anticipa al ofrecer dos SKUs; la documentación de thinking_level debe volverse lectura obligatoria de onboarding.
