Conversar com uma inteligência artificial por voz e ainda ouvi-la “pensando” em voz alta antes de responder algo complexo — é isso que o Google acaba de lançar.
Em 15 de setembro de 2026, a empresa anunciou dois novos modelos de voz: o Gemini 3.8 Live, focado em custo e escala, e o Gemini 3.8 Live Extended Thinking, feito para tarefas que exigem raciocínio mais profundo sem travar a conversa.
Veja o que muda na prática e por que isso importa para quem usa assistentes de IA no dia a dia.
O Que Há de Novo nos Modelos
O Gemini 3.8 Live Extended Thinking foi desenhado para raciocinar enquanto fala — a narração do progresso acontece ao mesmo tempo que o modelo resolve o problema, sem pausas longas e desconfortáveis.
Já o Gemini 3.8 Live padrão prioriza respostas rápidas e custo menor, adequado para atendimento e conversas do dia a dia.
| Recurso | Gemini 3.8 Live | 3.8 Live Extended Thinking |
|---|---|---|
| Foco | Custo e escala | Raciocínio profundo |
| Idiomas suportados | 97 | 97 |
| Marca d’água de áudio | SynthID | SynthID |
Os Números por Trás do Lançamento
Segundo o Google, o Gemini 3.8 Live Extended Thinking alcançou 82,6 pontos no Speech to Speech Quality Index, liderando o ranking do benchmark. O modelo também atingiu 68,6% de conclusão no teste τ-Voice e 97,7% no Big Bench Audio reasoning.
Todo o áudio gerado carrega a marca d’água SynthID, tecnologia do próprio Google para permitir identificar conteúdo criado por IA.
Onde Já Dá Para Usar
Os modelos já estão disponíveis na Gemini API, no Google AI Studio, no Google Workspace e na Busca, com integração anunciada para plataformas como Agora, LiveKit, LangChain e Vercel — ou seja, desenvolvedores já podem plugar essa tecnologia em produtos próprios sem precisar treinar nada do zero.
O Que Isso Muda Pra Quem Desenvolve com IA de Voz
Pra times que constroem assistentes de voz, atendimento automatizado ou produtos com interação falada, ter dois modelos com perfis diferentes facilita bastante a arquitetura do produto.
Em vez de usar um único modelo caro para tudo, fica mais fácil rotear conversas simples (horário de atendimento, status de pedido, perguntas frequentes) para a versão padrão, mais rápida e barata, e reservar o Extended Thinking só para os momentos em que o usuário faz uma pergunta que exige comparação, cálculo ou várias etapas de raciocínio.
Essa divisão também importa pra experiência do usuário final: ninguém gosta de esperar vários segundos em silêncio por uma resposta simples, mas também é frustrante receber uma resposta errada rápido demais numa pergunta complexa.
Separar os dois perfis de modelo é uma forma de equilibrar essas duas expectativas sem sacrificar nenhuma delas.
Com integração já anunciada em ferramentas como LangChain e Vercel, a expectativa é que esse tipo de assistente de voz mais sofisticado comece a aparecer em produtos brasileiros de atendimento ao cliente e suporte técnico ainda em 2026.
Do lado do usuário final, a expectativa é que essa diferenciação fique praticamente invisível — você não vai escolher manualmente qual modelo usar, o próprio produto decide isso nos bastidores de acordo com a complexidade da sua pergunta.
O ganho real aparece na conta de quem constrói o produto, que paga menos por conversas simples sem perder qualidade nas mais complexas.
Conversar por voz é diferente de conversar por texto
Em um chat de texto, esperar alguns segundos por uma resposta é aceitável. Em uma conversa por voz, silêncios longos parecem falha. Por isso os assistentes de voz precisam responder rápido, mas continuar capazes de resolver problemas que exigem várias etapas.
A ideia do modelo Extended Thinking é justamente narrar o raciocínio enquanto ele acontece, para que a conversa não fique travada enquanto o modelo pensa.
Cuidados ao usar assistentes de voz
- Privacidade: leia como o serviço trata áudios gravados e quais dados ficam guardados.
- Informações sensíveis: evite falar senhas, números de cartão e documentos em voz alta para qualquer assistente.
- Conteúdo gerado por IA: a marca d’água SynthID existe para ajudar a identificar áudio criado por IA, mas ela não impede o uso indevido.
- Conferência: respostas faladas também podem conter erros, principalmente em números e datas.
Perguntas frequentes
O que é a marca d’água SynthID?
É uma tecnologia do Google que insere um sinal em conteúdo gerado por IA para permitir identificá-lo depois. No caso desses modelos, todo o áudio gerado carrega a marca.
Qual a diferença entre o Gemini 3.8 Live e o Extended Thinking?
O padrão prioriza respostas rápidas e custo menor. O Extended Thinking é voltado a tarefas que exigem raciocínio mais profundo sem travar a conversa.
Onde desenvolvedores podem usar esses modelos?
Segundo o Google, eles estão disponíveis na Gemini API, no Google AI Studio, no Google Workspace e na Busca, com integração anunciada para plataformas como Agora, LiveKit, LangChain e Vercel.
Conclusão
O Gemini 3.8 Live mostra que a corrida das assistentes de voz não é mais só sobre velocidade — é sobre equilibrar rapidez com raciocínio real, sem travar a experiência da conversa.
Quer entender melhor como esses assistentes de voz funcionam por trás dos panos? Veja também nosso guia sobre o que é um LLM.