Google lanza Gemini 3.8 Live: el primer modelo de voz que supera a OpenAI y cuesta un 55% menos
Gemini 3.8 Live y 3.8 Live Extended Thinking llegan con #1 en el leaderboard de speech-to-speech, 97 idiomas y precios que hunden el coste de los agentes de voz.
Google DeepMind ha lanzado Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de audio en tiempo real disponibles a través de la Gemini API y Google AI Studio. El modelo Extended Thinking ocupa el primer puesto en el Speech-to-Speech Leaderboard de Artificial Analysis con un 82.6%, superando a los últimos modelos GPT-Live-1 de OpenAI en la métrica general de calidad conversacional.
Lo que hacen estos modelos
Gemini 3.8 Live está diseñado para agentes de voz en producción: puede hacer llamadas a APIs en segundo plano mientras mantiene la conversación, procesar entrada visual en tiempo real y alternar automáticamente entre 97 idiomas durante una misma llamada. El modelo Extended Thinking lleva esto más lejos: razona y habla simultáneamente, usando señales verbales tempranas como "Déjame comprobar eso..." para reconocer peticiones de forma natural mientras ejecuta tareas multi-paso en background.
En benchmarks específicos de agentes de voz, los resultados son sólidos:
- 68.6% en τ-Voice (completación de tareas agénticas)
- 35.1% en τ-Voice-banking (Sierra)
- 97.7% en Big Bench Audio (razonamiento)
- #1 en EVA-Bench de ServiceNow (equilibrio precisión-calidad conversacional)
La guerra de precios: Google vs OpenAI en voz
Aquí es donde la historia se pone interesante para los desarrolladores. Google cobra $0.005/minuto de entrada de audio y $0.018 de salida. OpenAI cobra $0.05/minuto para GPT-Live-1. En la práctica:
| Google Gemini 3.8 Live | OpenAI GPT-Live-1 | |
|---|---|---|
| Coste por hora | ~$1.38 | ~$3.00+ |
| Full duplex | No (half-duplex) | Sí |
| Calidad percibida | Buena | Superior |
Google optimizó por precio y escala; OpenAI por naturalidad conversacional. El full duplex de OpenAI — escuchar y hablar al mismo tiempo — sigue siendo una ventaja real en conversaciones fluidas, pero la diferencia de coste del 55% hará que muchas empresas elijan Google para agentes de alto volumen.
Disponibilidad
Los modelos están disponibles ya para desarrolladores en la Gemini API y Google AI Studio. La variante Extended Thinking llega también a Gemini Enterprise (vista privada) y a los suscriptores de Google AI Pro/Ultra en Workspace, Gmail y Keep. Toda la salida de audio lleva marca de agua SynthID integrada.
Para un site que desmitifica los LLMs, esta noticia es relevante: demuestra que la IA conversacional de voz ya no es monopolio de OpenAI, y que la arquitectura y la ingeniería de costes importan tanto como los benchmarks.