Fish Audio Live 3 يتحدّث لغة واحدة. أمّا Gemini 3.8 Live فيتحدّث 97 لغة ويضع علامة مائية كل ثانية.

يتفق Fish Audio Live 3 وGemini 3.8 Live على الفكرة المهمة ويختلفان حول كل شيء آخر تقريبًا. كلاهما يضع تناوب الأدوار داخل نموذج الكلام بدلًا من خط أنابيب من أجزاء منفصلة. ويقدّم Live 3، المعلن عنه في 2026-11-10، الحجة سلوكيًا: فالتوقف في منتصف رقم هاتف ليس الحدث نفسه الذي يمثله التوقف في نهاية سؤال، ويمكن للنموذج أن يقرر الرد في غضون 186 مللي ثانية فقط، وهو رقم يذكره Fish Audio ولم يدققه أحد. أما Gemini 3.8 Live، المعلن عنه في 2026-09-15، فيجيب عن المشكلة نفسها بالتوثيق — 97 لغة مع التبديل في منتصف المحادثة، وعلامة SynthID المائية على كل ثانية من الصوت المولّد، وبطاقة نموذج منشورة، ومعرّفا نموذج API موثّقان، وصف في Artificial Analysis يسجّل 76.0 على Speech to Speech Index مع تعبئة مكوناته الأربعة جميعًا.

هذا التفاوت، لا رقم زمن الاستجابة، هو ما يحسم هذه المقارنة. أحد هذين الطرازين يمكن إدراجه في وثيقة مشتريات اليوم والدفاع عنه سطراً بسطر؛ أما الآخر فيجب أن يجهّزه فريق تبنّيه بأدوات القياس. وهناك نقطة أكثر حدّة في العمق: السلوك الذي يروّج له Live 3 ليس البُعد الذي يكون فيه Gemini 3.8 Live الأقوى، وليس بُعداً جرى تقييم Live 3 عليه أصلاً — لذا تُحسم المواجهة حالياً بما يمكنك التحقق منه لا بأيّ النموذجين يتعامل مع مكالمة هاتفية على نحو أفضل.

فجوة التغطية ليست مجرد حاشية.

ابدأ بما سيفعله كل طراز خارج إطار العرض التجريبي، لأن هذا القسم يُنهي التقييم لدى معظم المشترين قبل أن تُطرح الأسئلة المثيرة للاهتمام.

• اللغات — يدعم Gemini 3.8 Live 97 لغة ويبدّل بينها تلقائيًا أثناء المحادثة. وتؤكد Fish Audio صراحةً أن Live 3 مخصص للغة الإنجليزية فقط عند الإطلاق. فخط حجوزات في مدريد، وقائمة انتظار دعم في ساو باولو، ومكتب تحصيل في وارسو ليست عمليات نشر لـ Live 3 هذا الربع.

• المصدر — كل ثانية من الصوت التي يولّدها Gemini 3.8 Live تحمل علامة SynthID المائية من Google، وكلا نسختي صوت Gemini موثّقتان في بطاقة نموذج نُشرت تحت اسم gemini-3-8-audio. ولا يذكر إعلان Fish Audio شيئًا عن العلامات المائية أو البيانات الوصفية للمصدر بخصوص Live 3. وإذا كانت ولايتك القضائية تتجه نحو الإفصاح عن الأصوات الاصطناعية، فإن هذا الفرق يأتي بوصفه مسألة قانونية لا مسألة هندسية.

• المعرّفات — تنشر Google gemini-3.8-live وgemini-3.8-live-extended-thinking كمعرّفات نماذج قابلة للاستدعاء عبر Gemini API وLive API وAI Studio. يذكر إعلان Fish Audio اسم Live 3 لكنه لا ينشر أي معرّف نموذج ولا أي وثائق لنقاط نهاية خاصة بكل نموذج له.

• المدخلات غير الصوتية — يعالج Gemini 3.8 Live الإدخال البصري على نحو شبه فوري، إضافةً إلى دعم الكاميرا ومشاركة الشاشة الذي كانت هذه السلسلة تتمتع به بالفعل. أما Live 3 فهو إدخال صوتي وإخراج صوتي.

• المسار المؤسسي — مسار Google هو معاينة خاصة في Gemini Enterprise، مع إدراج إصدار تجربة العملاء ضمن ما سيأتي قريبًا. أما مسار Fish Audio فهو Agent Platform، وهي حاليًا في النسخة التجريبية العامة، إضافةً إلى النشر المحلي للعملاء المؤسسيين — وهو عرض مختلف حقًا، والنقطة الوحيدة في هذه القائمة حيث يمتلك المورّد الأصغر الإجابة الأقوى للمشتري الذي لا يستطيع إرسال الصوت إلى سحابة عامة.

ما يمكن للفهرس رؤيته، وما لا يمكنه.

تبني Artificial Analysis مؤشر Speech to Speech Index الخاص بها كمركّب مرجّح بالتساوي من الاستدلال الكلامي، والأداء الوكيلي، وتفضيل الساحة، ونجاح المهام، وتقيّم نظامًا كاملًا بدلًا من نموذج واحد. صف Gemini 3.8 Live مكتمل: المؤشر 76.0، وBig Bench Audio 92%، وزمن الوصول إلى أول صوت 1.18 ثانية، ونجاح المهام 93.2%، وديناميكيات المحادثة 96.1%، وElo الساحة 1,083، و30.1% في معيار مهام خدمة العملاء τ-Voice. لا يضم Live 3 أي صف على الإطلاق حتى 2026-11-11؛ وتُدرج اللوحة Fish Audio كعائلة نماذج ولا تمنح أي درجة لأي من أعمالها ثنائية الاتجاه.

ألقِ نظرة فاحصة على اثنين من تلك المكونات، لأنهما يقولان شيئًا لا يقوله العنوان الرئيسي. فنسبة 96.1% التي يحققها Gemini 3.8 Live في ديناميكيات المحادثة هي أعلى رقم في صفه، وأقرب مؤشر منشور لما يبيعه Live 3 — نموذج قائم على تبادل الأدوار يحقق نتيجة قريبة من القمة في مقياس تبادل الأدوار. أما نسبة 30.1% التي يحققها في τ-Voice فهي أدنى رقم في الصف، وهي السبب في أن النموذج يحل خامسًا لا أولًا: فهو يجيد المحادثة ونادرًا ما يُنجز المهام. وكان حل Google الخاص بذلك نسخةً ثانية، هي Gemini 3.8 Live Extended Thinking، التي تبلغ 68.6% في الاختبار نفسه وتحتل المركز الأول على المؤشر بنسبة 82.6 — مقابل نحو أربعة أضعاف تكلفة الصوت بالساعة.

الدرس المستفاد من هذه المقارنة غير مريح لكلا المورّدين. فديناميكيات الحوار والتناوب الطبيعي في الأدوار ليسا القياس نفسه، ولهذا تحديدًا لا يمكن محاذاة نسبة 96.1% في أحدهما مع ادّعاء غير مُقيَّم في الآخر. حجة Live 3 هي أن سلوكه أفضل من سلوك نموذج قائم على الأدوار في موقف محدد — متصل يتوقف في منتصف رقم، أو يتمتم موافقًا بينما يعيد الوكيل قراءة طلبٍ ما. وإلى أن يشغّل أحدهم ذلك على منصة اختبار للتناوب في الأدوار، فإن الموقف الأمين هو أن Live 3 يقدّم ادّعاءً بشأن سيناريو لا تعزله لوحات النتائج المنشورة.

المصدر، والسؤال الذي سيطرحه المراجع

الصوت هو الوسيط الوحيد الذي يسأل فيه فريق الامتثال عن الناتج قبل أن يسأل عن السعر. لدى Gemini 3.8 Live إجابة جاهزة: علامات مائية بتقنية SynthID على الصوت المولّد، وبطاقة نموذج مسمّاة، ومورّد له موقف منشور بشأن الاستخدام المسؤول يدعم كليهما. لدى Live 3 إعلان شديد الدقة على نحو غير معتاد بشأن السلوك الحواري، وصامت تمامًا عن كيفية تمييز المستمع أو الكاشف لناتجه عن تسجيل.

هذا ليس سببًا لتجنّب Live 3، بل هو سبب لطرح سؤال مباشر على Fish Audio قبل نشره على خط يسجّل المكالمات. وما إذا كان الصوت يحمل علامة مائية، وما إذا كانت الجلسات تُنتج نصًا مكتوبًا أو سجل تدقيق، وما هي سياسة الاحتفاظ بكليهما — هذه هي العناصر الثلاثة التي سيرغب المراجع في الحصول عليها كتابةً. وقد وثّقت Fish Audio مصادقة رمز الجلسة في المنصة وواجهة REST الخاصة بها /v1/agent/*، لذا توجد البنية اللازمة للإجابة عن العناصر الثلاثة جميعها — لكن الشركة ببساطة لم تنشر الإجابات، وبعد يوم واحد من الإطلاق يُعدّ هذا وضعًا طبيعيًا للأمور وليس إشارة تحذيرية.

السعر الموجود والسعر الذي لا يوجد

تُنشَر Gemini 3.8 Live بسعر 0.005 دولار لكل دقيقة من إدخال الصوت و0.018 دولار لكل دقيقة من إخراج الصوت عبر Live API. وبالتالي فإن مكالمة مدتها خمس دقائق مع إخراج مستمر تكلّف ما يزيد قليلًا على أحد عشر سنتًا من الصوت، قبل أي تكلفة لنموذج خلفي. تحوّل Artificial Analysis أسعار Google إلى رقم بالساعة مقابل مجموعة فرعية ثابتة من أربعين سؤالًا، وقد تغيّر هذا العمود المشتق بين عمليات الالتقاط — 0.84 دولار في الساعة للنموذج القياسي في لوحة 16 سبتمبر، و1.50 دولار في لوحة لاحقة. كلاهما تحويلات وليسا عروض أسعار؛ والأسعار لكل دقيقة هي الرقم الذي ينبغي وضع الميزانية على أساسه.

لا يوجد سعر لـ Live 3. تسرد قائمة أسعار Fish Audio كلاً من drama-3 بسعر 50 دولارًا لكل مليون بايت UTF-8، وs2.1-pro وs2-pro بسعر 15 دولارًا، وs2.1-pro-free بصفر، وs1 بسعر 15 دولارًا مع تاريخ إيقاف في 2026-12-31، إضافة إلى ثلاثة نماذج لتحويل الكلام إلى نص وvoice-design-1 بسنت واحد لكل طلب. ولا ترد Live 3 في تلك القائمة. كما أن مكالمة وكيل ثنائية الاتجاه لا يكون لها عدد بايتات طبيعي — فالصوت الوارد هو whatever يقوله المتصل — لذا حتى شكل العدّاد غير منشور. وأي نموذج تكلفة لـ Live 3 يُكتب اليوم هو تخمين، وينبغي وسم هذا التخمين على أنه كذلك في أي مستند يُدرج فيه.

ما الذي يكمن خلف الصوت

لا يشكّل أي من النموذجين النظام بأكمله، والخط الفاصل هو ذاته على الجانبين. يشغّل Gemini 3.8 Live تنفيذ الأدوات وواجهات API في الخلفية، فيقرّ بالطلب ويواصل الحديث بينما يكتمل الاستدعاء — وينتهي ذلك العمل إلى استدعاءات نموذج عادية بتكاليف رموز عادية. تكشف Agent Platform في Live 3 عن خطاف custom-LLM يوجّه استدلال الوكيل إلى أي نقطة نهاية متوافقة مع OpenAI. وفي الحالتين، يكون نموذج الكلام واجهة أمامية، ونموذج النص هو من يقوم بالتفكير.

تلك الطبقة هي حيث يستحق الموجّه مكانه، وهي الطبقة الوحيدة في أي من الحزمتين حيث يكون التبديل رخيصًا. تحمل OrcaRouter 216 نموذجًا خلف مفتاح واحد بسعر قائمة المزوّد دون أي هامش ربح، لذا يصل تخفيض السعر من المنبع في اليوم نفسه بدلًا من تجديد العقد التالي، ويُبقي التحويل التلقائي عند الفشل النداء حيًا عندما تخطئ خدمة خلفية أو تنتهي مهلتها، وتقرر لغة خاصة بالتوجيه (DSL) أي نموذج يتولى أي نوع من الأدوار، ويتيح دمج النماذج لنموذج رخيص صياغة استدعاء أداة بينما يتحقق منه نموذج أقوى قبل تنفيذه. وللدقة بشأن الحدود: لا تستضيف OrcaRouter ‏Fish Audio Live 3 ولا نقطة نهاية الصوت Gemini 3.8 Live. لا يملك أي منهما نقطة نهاية صوتية تابعة لطرف ثالث، وتبقى طبقة الكلام في أي من الحزمتين لدى مورّدها. طبقة الاستدلال هي الجزء القابل للنقل، وبالنسبة لحزمة مبنية على نموذج بسعر معاينة من مورّد واحد ومنصة تجريبية من مورّد آخر، فإن قابلية النقل هي الخاصية التي تصمد أمام الإصدار التالي.

ما هو الغرض الفعلي من كل واحد منها

اختر Gemini 3.8 Live إذا كان منتجك عالميًا، أو إذا كان الصوت يغادر بنيتك التحتية وسيطلب منك أحدهم إثبات مصدره، أو إذا كنت تحتاج إلى أن يرى الوكيل شاشة أو كاميرا. فهو يضم بطاقة الأداء، والعلامة المائية، واللغات، والسعر المعلن، ومعرّف الطراز. أما نقطة ضعفه فهي إتمام المهام بنسبة 30.1% على τ-Voice، والحل الذي تبيعه Google لذلك هو نسخة Extended Thinking بتكلفة ساعية تبلغ أربعة أضعاف.

Pilot Fish Audio Live 3 إذا كانت مكالماتك باللغة الإنجليزية، وكانت قيود البنية التحتية لديك تستبعد السحابة العامة، وكان سجل الشكاوى لديك مليئًا بمتصلين يتعرضون للمقاطعة أو يكررون تسلسلات الأرقام. يُعد النشر المحلي ميزة حقيقية هنا لا تقدمها Google. ادخل وأنت تتوقع بناء التقييم بنفسك: فلا توجد درجة يمكن المقارنة بها، ولا سعر منشور يمكن التوقع بناءً عليه، ولا علامة مائية يمكن الإشارة إليها.

لا تتعامل مع 76.0 باعتباره حكمًا نهائيًا على تبادل الأدوار. إنه مؤشر مركّب يمنح إتمام المهام الوكيلية وزنًا كبيرًا، وGemini 3.8 Live ضعيف تحديدًا في هذا الجانب. الرقم الذي سيحسم هذه المواجهة هو درجة تبادل الأدوار لـ Live 3 على نفس منصة الاختبار التي يُقاس عليها الجميع — وإلى أن يوجد ذلك، فإن النموذجين يُقارنان على أساس الوثائق لا السلوك.