Gemini 3.8 Live مقابل Grok Voice Think Fast 2.0: فارق الـ 0.3 نقطة والفاتورة البالغة 3.2×

كلٌّ من Gemini 3.8 Live و Grok Voice Think Fast 2.0 يستنتج أثناء تحدّثه — أو بالأحرى، كلاهما يفعل ذلك في التكوين الذي ينافس فعليًا على قمة لوحة الصدارة، وهو ما يعني بالنسبة إلى Gemini 3.8 Live النسخة Extended Thinking بدلًا من الفئة القياسية. وقد وصف مطوّروهما كليهما بأنهما في المرتبة الأولى على مؤشر Speech to Speech Index الخاص بـ Artificial Analysis. ولا يمكن حاليًا قراءة سوى واحد من هذين الادعاءين على اللوحة العامة، والفارق بين المتصدّرين هو 0.3 نقطة — بالكاد أكبر من الهامش الذي يفصل بين نماذج متجاورة في مواضع أخرى على المخطط نفسه، وهو ما يعني بعبارة أخرى أنه ليس فرقًا حقيقيًا.

الفرق في التكلفة بينهما ليس 0.3 نقطة. بل هو معامل قدره 3.2.

يكمن كل الأمر في هذا اللا تماثل، وهو ما يجب فهمه قبل قراءة إعلان أي من المورّدين.

دعويان للمركز الأول

عندما أعلنت xAI عن Grok Voice Think Fast 2.0 في أواخر يوليو 2026، وضعته الأرقام المُعلنة عند 82.9%على مؤشر جودة تحويل الكلام إلى كلام الصادر عن Artificial Analysis، متقدماً على GPT-Realtime-2.1 عند 79.1% وGemini 3.1 Flash عند 69.5%. وقد كرّرت عدة منافذ إخبارية مستقلة هذا الطرح ووصفت النموذج بأنه الأعلى تصنيفاً في العالم في مجال الصوت.

على اللوحة التي تم التقاطها في 16 سبتمبر 2026، بعد إطلاق Google، يظهر نفس الطراز باسم Grok Voice Think Fast 2.0 High عند 81.3. ليس 82.9. والصف العلوي الآن هو Gemini 3.8 Live Extended Thinking عند 82.6.

المجلس بكامله، بالترتيب:

• Gemini 3.8 التفكير الموسّع المباشر — 82.6

• GPT-Live-1 (واجهة Astra الخلفية، جهد متوسط) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• {{1}}GPT-Live-1 (خلفية Sol، جهد منخفض) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

ثمة درسان في تلك القائمة، وليس أيٌّ منهما عن أي النموذجين أفضل. الدرس الأول هو أن درجات المؤشر التي يبلّغ عنها المورّد ليست دائمة: فدرجة xAI البالغة 82.9 لم تصمد على اللوحة العامة، التي تُظهر الآن 81.3. هذا ليس اتهامًا بعدم الأمانة — فالمؤشرات المركّبة يُعاد تنقيحها، وتختلف الإعدادات، ورقم من يوليو قيس مقابل مجموعة يوليو ليس خاطئًا، بل قديم فحسب. لكنه يعني أن الرقم الوحيد الذي ينبغي أن تخطط على أساسه هو رقم قرأته بنفسك، ومؤرخ. الدرس الثاني هو أن 0.3 نقطة التي تفصل المركز الأول عن المركز الثالث هنا ليست فرقًا معنويًا في الجودة. وأي شخص يختار بين هذين النموذجين استنادًا إلى قوة ذلك الرقم إنما يختار بناءً على الضوضاء.

اقرأ المكوّنات، لا المركّب.

المقاييس المركبة تخفي مواضع الخلاف. إن Speech to Speech Index هو متوسط مرجّح لاستدلال الكلام، والأداء الوكيلي، وتفضيل الساحة، ومعدل نجاح المهام — والنموذجان في هذه المواجهة ليسا متقاربين في اثنين من هذه الأربعة.

هنا يصبح ادعاء Google مثيرًا للاهتمام بحق، لأن عرض Grok بأكمله كان عن الأداء الوكيلي:

• الأداء الوكيلي (τ-Voice) — تُفيد Google عن 68.6% لـ Gemini 3.8 Live Extended Thinking. وتُفيد xAI عن 56.5% لـ Grok Voice Think Fast 2.0، بفارق نحو 11 نقطة عن نسبة GPT-Realtime-2.1 البالغة 45.7%، ونحو 19 نقطة عن نسبة Gemini 3.1 Flash البالغة 37.7% في ذلك الوقت. وإذا ثبتت أرقام المورّدين هذه، تكون Google قد انتزعت الصدارة في الفئة التي كانت xAI تتصدرها، بفارق نحو 12 نقطة.

• الاستدلال الكلامي (Big Bench Audio) — تُفيد Google بنسبة 97.7% لطراز Extended Thinking. وتُفيد xAI بنسبة 97.2% لـ Grok. متكافئان فعليًا.

• نجاح المهام في سير العمل المصرفي — تُفيد Google بنسبة 35.1% في اختبار τ-Voice-banking من Sierra. ولم تنشر xAI رقمًا مماثلًا يمكن مقارنته مباشرة.

• الديناميكيات الحوارية (Full Duplex Bench) — يذكر Grok نسبة 95.1%، متأخرًا قليلًا عن نسبة GPT-Realtime-2.1 البالغة 95.7% ومتقدمًا بفارق كبير على نسبة Gemini 3.1 Flash البالغة 74.3% آنذاك. لم تنشر Google أي رقم لـ Full Duplex Bench خاص بـ Gemini 3.8 Live Extended Thinking.

ملاحظة الأمانة تكتسي أهمية هنا أكثر من المعتاد. إن نسب 68.6% و35.1% و97.7% هي أرقام جوجل نفسها، منشورة على مدونة جوجل، ولم يُعِد إنتاجها أحد من خارج جوجل. أما نسب 56.5% و97.2% و95.1% الخاصة بـ Grok فهي من xAI أو من Artificial Analysis، وهي، في حالة موضع المؤشر، قابلة للتحقق منها علنًا. الأرقام الوحيدة في هذه المقارنة القابلة للقراءة بشكل مستقل هي درجتا المؤشر: 82.6 و81.3. وكل ما عدا ذلك هو ادّعاء في مواجهة ادّعاء، والادّعاءات يصدرها أطراف لهم مصلحة في النتيجة.

ما يمكن قوله بثقة: تدّعي Google أنها تمتلك تقدمًا كبيرًا في البُعد المحدد الذي استخدمته xAI لتبرير رفع سعرها. إذا صمد هذا الادعاء أمام اختبار مستقل، فهذه المواجهة محسومة من حيث القدرات. وإذا لم يصمد، فإن فجوة المؤشر البالغة 0.3 نقطة هي الفرق كله، ويصبح فارق السعر غير قابل للدفاع عنه.

مشروع القانون: 1.50 دولار مقابل 4.80 دولار في الساعة

التكلفة هي الجزء من هذه المقارنة الذي لا يعتمد على منهجية أي جهة في القياس، لأنها معدل منشور.

يُسعّر Grok Voice Think Fast 2.0 بـ$0.08 لكل دقيقة صوت، أي حوالي $4.80 في الساعة. كان ذلك زيادة بنسبة 60% عن $3.00 في الساعة لـ Think Fast 1.0، والمستخدمون على grok-voice-latest، الاسم المستعار تم ترحيلهم تلقائيًا في 5 أغسطس 2026 — كان على المطورين الذين أرادوا البقاء على النموذج القديم تثبيت المعرف ذي الإصدار قبل ذلك التاريخ أو تحمل التغيير.

أُعلن عن Gemini 3.8 Live بسعر 0.005 دولار لكل دقيقة من الصوت المُدخل و0.018 دولار لكل دقيقة من الصوت المُخرج. ويضع مخطط Artificial Analysis للتكلفة لكل ساعة من الصوت المُدخل قيمته عند 1.50 دولار لكل ساعة — وهو أرخص بالضبط بمقدار 3.2 مرة من سعر Grok البالغ 4.80 دولار. وفي هذا السياق، يُظهر المخطط نفسه أن GPT-Realtime-2 High عند 4.14 دولار، وQwen Audio 3.0 Realtime Plus عند 4.42 دولار، وGPT-Realtime-2.1 High عند 10.75 دولار.

يستحق شكل السوق في تلك القائمة جملةً واحدة. أرخص مُدخَل في القائمة هو Gemini — Gemini 3.1 Flash Live بسعر 1.42 دولار في الساعة — وثاني أرخص خيار هو Gemini 3.8 Live بسعر 1.50 دولار. وقد وضعت Google أحدث نموذج صوتي لديها كثاني أرخص خيار في الفئة، أدنى من النماذج التي تنافسها في الجودة.

لاحظ ما يعنيه ذلك لأي شخص انتقل إلى Grok في أغسطس. بين زيادة السعر وإطلاق Google، انتقل عبء العمل نفسه من 3.00 دولارات في الساعة إلى 4.80 دولارات في الساعة على أحد طرفي هذه المواجهة، وأصبح متاحًا مقابل 1.50 دولار في الساعة على الطرف الآخر. لم يتغير أي شيء في النماذج ليتسبب في ذلك. قرارات التوجيه التي اتُخذت في يوليو تكلّف الآن أكثر من ضعف ما يكلّفه البديل، وهي بالضبط الحالة التي وُجد الموجّه لتجنّبها.

أين لا يزال Grok متفوقًا

أمران، وأحدهما بعيد كل البعد.

زمن الاستجابة. قلّص Grok Voice Think Fast 2.0 زمن الوصول إلى أول صوت من 1.25 ثانية إلى 0.70 ثانية، وهو أسرع رقم منشور في هذه الفئة. ولم تنشر Google أي رقم على الإطلاق لزمن استجابة Gemini 3.8 Live — فقط شهادات شركاء تصف "زمن استجابة مثير للإعجاب". في مكالمة هاتفية، تشكّل 0.70 ثانية الفرق بين محادثة وتأخير، وهو البُعد الوحيد الذي يكون فيه ادعاء xAI محددًا وغير معارض. إذا كان منتجك في مجال الاتصالات الهاتفية، فقد يفوق هذا كل ما سبق.

متانة النسخ الصوتي. قيّمت xAI معدل خطأ الكلمات عبر آلاف العبارات القصيرة في 24 لغة، وتفيد بأن الخطأ أقل بمقدار 1.5–2.0× من نماذج تحويل الكلام إلى نص المخصصة، بما فيها Deepgram Nova 3 وElevenLabs Scribe v2، وأقل بمقدار 1.4× من Think Fast 1.0، ونحو 10× أقل خطأً في البيئات الصاخبة التي تتضمن ضوضاء خلفية وضغط الاتصالات الهاتفية. هذه أرقام معلنة من المورّد ولم يتم التحقق منها بشكل مستقل، والادعاء الخاص بالبيئة الصاخبة هو أول ما ينبغي اختباره، لأنه الأكثر تحديدًا والأسهل دحضًا.

يمتلك Grok أيضًا إمكانات عملية للمطورين جديرة بالملاحظة: واجهة برمجة تطبيقات WebSocket متوافقة مع OpenAI Realtime، وPCM16 عند 24 kHz مع μ-law للاتصالات الهاتفية، وكشف نشاط الصوت من جانب الخادم، ورموز مؤقتة لتطبيقات المتصفح، واستنساخ صوتي مخصص من نحو دقيقة من الكلام، وحجم رموز الاستدلال نحو 0.4× مقارنة بالإصدار السابق.

إلى أين يقود Gemini 3.8 Live Extended Thinking

وبعد الموضع في المؤشر والفجوة الوكيلية المزعومة، فإن عوامل التمايز هيكلية:

• الرؤية — يعالج Gemini 3.8 Live المدخلات البصرية شبه الفورية. ولا يملك Grok Voice Think Fast 2.0 أي ارتكاز بصري مماثل.

• تغطية اللغات — 97 لغة مدعومة مع التبديل التلقائي أثناء المحادثة، مقابل أكثر من 25 لدى Grok.

• الاستدلال المروي — نسخة Extended Thinking تتحدث أثناء عملها، باستخدام عبارات مثل "دعني أتحقق من ذلك…" وسرد مباشر للتقدم، وهو سلوك أكثر وضوحًا للمستخدم الذي ينتظر مهمة متعددة الخطوات.

• العلامة المائية — كل صوت مُولَّد يحمل SynthID.

• التكلفة — أرخص بنسبة 3.2× لكل ساعة من الصوت المُدخل.

العوامل الموازِنة حقيقية. لم تنشر Google أي رقم لزمن الاستجابة، ولا أي حجم لنافذة السياق، ولا أرقامًا لكل مكوّن أعاد أحد من خارج الشركة إنتاجها. إن توفّرها معاينة وليس توفرًا عامًا: يحصل عليه المطوّرون في Gemini API وGoogle AI Studio، والمؤسسات في معاينة خاصة ضمن Gemini Enterprise، والمستهلكون عبر Gemini Live وDocs Live وGmail Live وKeep Live. نموذج Grok متوفر عمومًا اليوم، وواجهة برمجة التطبيقات الخاصة به موثّقة.

الطبقة التي يجلسان عليها

هناك تشابه بنيوي واحد يسهل تفويته، وهو يهم أكثر من أي من ورقتَي المواصفات. يعتمد كلا النموذجين على التفويض. فالاستدلال المتوازي لدى Grok ينتهي دائمًا تقريبًا باستدعاء أداة أو بحث، كما أن تنفيذ الأدوات في الخلفية لدى Google مصمم صراحةً بحيث تستمر المحادثة بينما تكتمل استدعاءات API. وتحت كلٍ من واجهتي الصوت الأماميتين يقع عبء عمل عادي خاص بنموذج نصي — وهنا يتركز الجزء الأكبر من تكلفتك الإجمالية، وتكاد تتركز فيه كل مرونة التبديل لديك.

يشغّل OrcaRouter 190 نموذجًا خلف مفتاح واحد بسعر قائمة المزوّد وبدون أي هامش ربح، ما يعني أن أي تخفيض سعري من أحد المورّدين يصبح ساريًا لدينا في اليوم نفسه لا عند التجديد التالي. وهذا ليس أمرًا هيّنًا في فئة رفع فيها أحد النماذج الكبرى سعره لكل دقيقة بنسبة 60% خلال أسابيع. والخاصية الأخرى المهمة للصوت هي تجاوز الفشل التلقائي: فالمكالمة التي تنقطع لأن خلفيةً ما انتهت مهلتها تعني عميلًا ضائعًا، والقدرة على تبديل هدف التفويض على حركة مرور حية دون إعادة كتابة تكامل الصوت هي ما يجعل اختيار الواجهة الأمامية قابلًا للعكس. وللتدقيق في النطاق — فإن نقطتي نهاية Grok Voice Think Fast 2.0 وGemini 3.8 Live ليستا على الموجّه لدينا؛ بل تأتيان من واجهات API الخاصة بالمورّدين. أما النماذج النصية التي تفوّض إليها فهي كذلك عمومًا.

ما الذي سيحسم الأمر؟

هذه المواجهة سهلة الحسم بشكل غير معتاد، لأن الدليل الفاصل محدد وقيد الانتظار. ثلاثة أمور كفيلة بذلك:

• يعمل Independent τ-Voice على Gemini 3.8 Live Extended Thinking.تقول Google إنها حققت 68.6% مقابل 56.5% لـ Grok. هذا ادّعاء بفارق 12 نقطة في فئة لم تكن Google متصدّرة فيها تاريخيًا، وهو الرقم الوحيد الذي يغيّر الحكم أكثر من أي رقم آخر.

• رقم منشور لزمن الاستجابة. حتى تنشر Google رقمًا واحدًا، يظل زمن Grok البالغ 0.70 ثانية بلا منافس، وليس لمشتري الاتصالات الهاتفية سوى خيار واحد يمكن الدفاع عنه.

• التوفر العام والتسعير المستقر.تتغير أسعار المعاينة. معدل 1.50 دولارًا في الساعة الذي يتضاعف عند التوفر العام سيعيد كتابة هذه المقارنة بالكامل.

إلى أن تتحقق تلك الأمور، فإن الموقف القابل للدفاع عنه أضيق مما يوحي به أيٌّ من الإعلانين. يظل Grok Voice Think Fast 2.0 هو الخيار الصحيح حين يكون زمن الاستجابة هو القيد ويكون عبء العمل ذا طابع اتصالات هاتفية. ويكون Gemini 3.8 Live Extended Thinking هو الخيار الصحيح حين تهمّ عمق الاستدلال أو الرؤية أو اتساع اللغة، ويمكنك تحمّل حالة المعاينة وزمن استجابة غير معلن. ولا ينبغي أن تقرر نقاط الـ0.3 الفاصلة بينهما أي شيء — بل ينبغي أن يفعل ذلك الـ3.2×.