Gemini 3.8 Live chega aos agentes de voz em produção

A Google apresentou o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking em 15 de setembro de 2026 como dois modelos nativos de fala para fala destinados a agentes de voz em produção. A diferença é sobretudo operacional. O Gemini 3.8 Live aponta para escala e eficiência económica, quando uma organização quer muitas conversas ao vivo com custo previsível. O Gemini 3.8 Live Extended Thinking aponta para tarefas complexas e raciocínio em várias etapas, quando o agente tem de ponderar antes de responder, chamar uma ferramenta ou mudar de percurso. Ambos estão disponíveis pela Gemini Live API e pelo Google AI Studio. São modelos alojados, não open weights, pelo que não há autoalojamento.

Dois modelos alojados para voz em direto

A novidade importa porque um agente vocal falha de forma diferente de um chatbot de texto. Numa conversa escrita, uma pausa para consultar dados pode ser visível e aceitável. Numa chamada ou reunião, o sistema tem de gerir silêncio, interrupções, turnos de fala e resultados de ferramentas sem parecer bloqueado. A Google destaca a chamada de funções assíncrona para resolver parte desse problema. O modelo pode iniciar ferramentas e API em segundo plano enquanto mantém a conversa, em vez de obrigar o utilizador a esperar pelo fim de cada ação externa. Para apoio ao cliente, marcações, help desks internos e fluxos por voz, esta capacidade é central.

• O Gemini 3.8 Live visa escala e eficiência de custo para agentes de voz em produção.
• O Gemini 3.8 Live Extended Thinking visa tarefas complexas e raciocínio em várias etapas.
• Ambos são modelos nativos de fala para fala e estão disponíveis desde 15 de setembro de 2026 pela Gemini Live API e pelo Google AI Studio.
• A Google afirma que a chamada de funções assíncrona permite executar ferramentas e API em segundo plano enquanto a conversa continua.
• Os modelos são serviços alojados, não open weights, por isso não podem ser autoalojados.

As capacidades em direto destacadas pela Google

A Google descreve os modelos como sistemas multimodais em direto, e não apenas como motores de voz. Podem tratar entradas visuais quase em tempo real, útil para agentes que precisam de observar um ecrã, um produto, um documento ou um ambiente de trabalho enquanto falam. A empresa diz ainda que os modelos detetam e alternam automaticamente entre 97 línguas, uma capacidade pensada para chamadas multilingues. A Google também aponta melhor precisão em códigos e dados alfanuméricos. Em produção, reconhecer bem um número de encomenda, um identificador de conta, uma referência de reserva ou uma sequência curta de verificação evita muitos desvios para apoio humano.

Resultados anunciados, não validação geral

A Google comunica vários resultados para o Gemini 3.8 Live Extended Thinking: 82,6 no Speech to Speech Quality Index, 68,6% no tau-Voice, 35,1% no Sierra tau-Voice-banking e 97,7% no Big Bench Audio. A Google afirma também que o Gemini 3.8 Live é segundo no Speech Agent Arena. Estes valores são sinais úteis das melhorias reivindicadas, mas continuam a ser resultados anunciados, não uma validação independente geral de todos os ambientes de produção. A qualidade de um agente de voz depende ainda de latência, acústica, telefonia, interrupções, fiabilidade das ferramentas e supervisão humana.

O MarkTechPost relata preços de 0,005 dólar por minuto de entrada áudio e 0,018 dólar por minuto de saída áudio. Segundo o mesmo relato, a estimativa assenta em 3 dólares por milhão de tokens de entrada e 12 dólares por milhão de tokens de saída. Para compradores, isto é apenas a base do cálculo. Um agente em produção também consome cumprimentos, repetições, sessões abandonadas, transferências, erros e tráfego de monitorização. A eficiência económica do Gemini 3.8 Live deve ser avaliada no custo real por tarefa resolvida.

Parceiros e percursos de implementação

A Google cita Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents como parceiros de infraestrutura em tempo real. A disponibilização ocorre por vários caminhos. A API e o Google AI Studio estão disponíveis de imediato; previews privadas chegam ao Gemini Enterprise; e Search Live, Gemini Live e algumas experiências Workspace terão disponibilidade conforme as ofertas. A Google diz ainda que todos os sons gerados pelos seus produtos de IA levam a marca de água impercetível SynthID. Isso não substitui divulgação nem registos de auditoria, mas acrescenta um controlo.

Antes de avançar para produção, as empresas devem testar latência de ponta a ponta, interrupções, recuperação após erro, custo real, rastreabilidade das chamadas de ferramentas e supervisão humana. Isto é análise, não uma afirmação anunciada pela Google. Para empresas portuguesas, a mudança é poder avaliar uma linha Gemini nativa de voz como infraestrutura alojada de produção. Um piloto sério deve incluir sotaques, ruído, alternância de línguas, códigos alfanuméricos, falhas de API, regras de escalamento e passagem clara para um operador humano.