O Google anunciou, em 15 de setembro de 2026, o lançamento dos modelos Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking. Ambos são voltados para aprimorar a interação por voz com assistentes e agentes inteligentes, priorizando raciocínio em tempo real, fluidez no diálogo e execução multitarefa — sem interromper a conversa principal.
Dois modelos para demandas distintas
O Gemini 3.8 Live foi desenvolvido para escala e eficiência de custo, combinando inteligência conversacional, suporte visual em tempo real e detecção automática de idiomas (até 97 línguas reconhecidas durante o diálogo). Já o Gemini 3.8 Live Extended Thinking mira tarefas de alta complexidade: entrega raciocínio multi-etapas, inteligência ampliada e é capaz de explicar seu processo de tomada de decisão conforme executa funções em segundo plano.
Ambos os modelos estão disponíveis via Gemini API, Google Workspace, Search e no aplicativo Gemini. O Extended Thinking, em especial, se destaca por manter o fluxo natural da conversa enquanto executa tarefas longas, narrando o progresso e reconhecendo solicitações do usuário de forma contínua.
Avanços em benchmarks de voz e raciocínio
Segundo a própria Google, o Gemini 3.8 Live Extended Thinking lidera o Speech to Speech Quality Index da Artificial Analysis, com pontuação de 82,6. Também obteve 68,6% no benchmark τ-Voice (execução de tarefas agentic) e 35,1% no τ-Voice-banking (Sierra). No Big Bench Audio, focado em raciocínio, atingiu 97,7% de acurácia. O Gemini 3.8 Live ficou em segundo lugar na arena comparativa Speech Agent Arena, recebendo alta preferência dos usuários e mantendo custo competitivo para empresas.
Em benchmarks de fluxos de trabalho complexos para agentes de voz, como o EVA-Bench (ServiceNow), os modelos avançaram na fronteira Pareto entre precisão e qualidade de diálogo — todos resultados reportados com uso da Live API na plataforma Gemini Enterprise Agent.
Recursos para conversas naturais e tarefas simultâneas
O Gemini 3.8 Live processa inputs visuais em tempo quase real, enriquecendo as respostas com contexto adicional. A transição entre idiomas ocorre automaticamente, e o modelo executa chamadas de API e ferramentas no background, sem travar o diálogo. Exemplos demonstrados incluem onboarding de colaboradores com suporte visual ao vivo e jogos de xadrez com análise visual em tempo real.
O Extended Thinking foi desenhado para tarefas que exigem raciocínio profundo e multi-etapas, como transformar esboços em componentes React com feedback de voz, coordenar reservas e executar funções assíncronas, tudo narrando o progresso de forma natural. Segundo a Google, o modelo consegue construir planos de negócios e kits de marketing completos apenas por diálogo em tempo real.
Contexto e implicações
O lançamento é incremental frente aos avanços recentes em agentes multimodais, mas marca um passo importante na integração de voz, visão e raciocínio contínuo em produtos de larga escala. Para empresas e desenvolvedores, a oferta de APIs e integração nativa com Workspace e Search facilita a adoção de agentes conversacionais mais robustos, especialmente em cenários de atendimento, onboarding e automação de tarefas complexas por voz.
O Brasil, onde o uso de assistentes de voz cresce em ritmo acelerado no setor de serviços e educação, tende a se beneficiar da fluidez multilíngue e do suporte visual em tempo real. A ausência de detalhes sobre preços e parâmetros técnicos limita comparações diretas com concorrentes como OpenAI e Anthropic, mas o posicionamento nos benchmarks indica competitividade em tarefas de voz e raciocínio multitarefa.
O movimento reforça a tendência de agentes cada vez mais autônomos, capazes de executar e narrar processos sem travar a experiência do usuário — um diferencial relevante para adoção em ambientes corporativos e fluxos críticos.