O Google DeepMind anunciou o Gemini 3.8 Live e um modo complementar, o Gemini 3.8 Live Extended Thinking, estendendo sua API de voz e vídeo em tempo real com a capacidade de raciocínio antes reservada aos modelos Gemini não-live, baseados em texto.
O Gemini Live tem impulsionado agentes conversacionais falados de baixa latência — o tipo usado em assistentes de voz, suporte dentro de aplicativos e bots telefônicos voltados ao cliente. Até agora, essa baixa latência tinha um custo: o modelo respondia rapidamente, mas com capacidade limitada de raciocinar sobre solicitações de múltiplas etapas ou condicionais no meio da conversa. O Extended Thinking fecha essa lacuna ao permitir que o modelo live insira uma etapa de raciocínio antes de responder, para que possa resolver lógica sequencial — verificando uma condição antes de agir sobre outra — sem sair da conversa ao vivo para uma chamada de raciocínio separada e mais lenta.
O post do Google DeepMind apresenta isso como uma redução da diferença entre a interação falada em tempo real e o raciocínio mais profundo disponível nos modelos padrão de raciocínio do Gemini. Preços específicos, benchmarks de latência e cronogramas de disponibilidade não foram detalhados no anúncio e permanecem não confirmados no momento desta publicação.
A mudança prática é para qualquer um que esteja construindo ou comprando automação baseada em voz. Agentes de voz ao vivo geralmente têm sido posicionados para tarefas simples e delimitadas — agendamento de compromissos, FAQ básico, consultas de pedidos — justamente porque não conseguiam raciocinar de forma confiável sobre nada mais complexo sem quebrar o fluxo em tempo real. Um modo live com capacidade de raciocínio sugere que fornecedores e equipes internas podem empurrar os agentes de voz mais para dentro de triagem de suporte, qualificação de vendas em múltiplas etapas ou tarefas operacionais que envolvem verificar uma coisa em relação à outra antes de responder.
A ressalva é que raciocinar leva tempo, e interações de voz são sensíveis à latência de um jeito que o chat em texto não é. Um cliente numa ligação telefônica percebe uma pausa de dois segundos mais do que alguém digitando numa janela de chat. Empresas que estiverem testando isso devem comparar o Extended Thinking com seus próprios fluxos de atendimento, tanto em precisão quanto em atraso de resposta percebido, antes de presumir que se trata de uma atualização plug-and-play para uma implantação de voz já existente.