Gemini 3.8 & 3.8 Live Extended Thinking

São os modelos de conversação em tempo real mais avançados do Google até hoje, segundo a empresa. Os dois são nativamente de voz para voz, o que significa que ouvem áudio e respondem com áudio em vez de passar suas palavras por um modelo de transcrição separado, depois por um modelo de texto e depois por um gerador de voz. Essa cadeia antiga era a origem de boa parte do atraso e da perda de tom.

A diferença entre os dois se resume a como lidam com uma pergunta difícil, e essa única decisão de projeto define em qual você deve basear seu produto. O Gemini 3.8 Live responde rápido e chama ferramentas em segundo plano, o que serve para roteamento de atendimento ao cliente, busca por voz e prática de idiomas. O Gemini 3.8 Live Extended Thinking mantém um processo de "pensamento" rodando enquanto fala, então consegue narrar o progresso em tarefas de várias etapas, como planejar uma viagem ou depurar código, sem ficar em silêncio.

Os limites principais são práticos. O Extended Thinking só dá suporte a chamadas de ferramentas assíncronas e não bloqueantes. Além disso, é preciso esperar um sinal de ociosidade explícito antes de encerrar uma sessão. E os níveis de pensamento mais altos custam mais por minuto de áudio. A cobrança é por minutos de áudio, não por tokens, então apps de voz sempre ativos precisam fazer a conta do orçamento desde o início.

Como começar

1. Abra o Google AI Studio ou o console da Gemini API e escolha gemini-3.8-live ou gemini-3.8-live-extended-thinking.
2. Para apps de voz ao vivo, conecte-se pela Gemini Live API usando um WebSocket com estado, em vez de uma única requisição.
3. Envie o áudio de entrada como PCM de 16 bits a 16 kHz little-endian, e espere o áudio de saída em PCM de 16 bits a 24 kHz.
4. Se usar o Extended Thinking, defina um nível de pensamento (low, medium ou high) e use só chamadas de ferramentas não bloqueantes.
5. Encerre a sessão apenas depois de ver um status de ociosidade do modelo.