Gemini 3.8 Live مقابل Sesame Preview: الصوت الذي يمكنك الإعجاب به مقابل الذي يمكنك الاتصال به
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 84 tok/s
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 74 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 724 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 36 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 821 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040الذكاء
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 108 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 لكل مليون رمز · 185 tok/s
يسجّل وكيل الصوت لدى Sesame 4.5 من 5 على مقياس «يبدو بشريًا». ويسجّل Gemini 3.8 Live 4.0. كما يُكمل Sesame 71% من مسارات الحجز، بينما يُكمل Gemini 3.8 Live 78%، ويرتكب Sesame أخطاء في استدعاء الدوال بمعدل يقارب الضعف. إذا كنت تختار منظومة صوتية لشركة تحجز المواعيد، فإن النموذج الذي يبدو صوته أفضل يخسر — ويخسر لأسباب لا علاقة لها بمدى جودة صوته.
تأتي هذه الأرقام من اختبار مقارنة مباشرة أجراه طرف ثالث عبر 1,500 مكالمة عميل لكل نموذج على نصوص الحجز، وهي تحمل تحفظين مهمين. فهي ليست أرقامنا ولم يُعَد إنتاجها بشكل مستقل، كما أن جانب Gemini استخدم جيل Gemini Live من أوائل 2026، وليس النموذج الذي يتناوله هذا المقال. Gemini 3.8 Live هو إصدار Google من الكلام إلى الكلام الصادر في 15 سبتمبر 2026، والمتاح الآن عبر Live API. Sesame Preview هو مساعد Sesame الصوتي للمستهلكين، مجاني على iOS منذ مايو 2026 وعلى نطاق واسع على Android منذ أوائل أغسطس 2026، وقد بُني حول أربعة وكلاء بأسماء — مايا، ومايلز، وسيمون، وتشارلي — ويوصف على نطاق واسع بأنه المساعد الصوتي الأكثر شبهاً بالبشر ممن تحدث إليه أي شخص.
المواجهة ليست في الحقيقة بين نموذجٍ ونموذج. إنها بين منتجٍ يمكنك وضعه في الإنتاج وتجربةٍ لا يمكنك سوى زيارتها.
شكل كل شيء
Gemini 3.8 Live هو واجهة للمطورين. يُتاح باسم gemini-3.8-live وgemini-3.8-live-extended-thinking على Live API، بسعر 0.005 دولار لكل دقيقة من الصوت الوارد و0.018 دولار لكل دقيقة صادرة، مع النص عند 0.75 و4.50 دولار لكل مليون رمز، وإدخال الصورة أو الفيديو عند 1.00 دولار لكل مليون. يتعامل مع 97 لغة مع التبديل أثناء المحادثة، ويعالج الإدخال البصري في الوقت شبه الفعلي، ويشغّل استدعاءات الأدوات وواجهات API في الخلفية بينما تستمر المحادثة، ويضع علامة SynthID المائية على كل ثانية من الصوت المولّد. نسخة Extended Thinking تستدل وتتحدث في آن واحد، وتروي التقدم حتى لا يصمت الخط أثناء مهمة طويلة. التصنيف الذي أبلغ عنه المورّد من Google هو الثاني في Speech Agent Arena، مع احتلال المركز الأول في مؤشر جودة الكلام إلى الكلام التابع لـ Artificial Analysis عند 82.6 للعائلة. أرقام Google، هذا الأسبوع، غير مُعاد إنتاجها.
Sesame Preview تطبيقٌ موجَّه للمستهلكين. وهو بالإنجليزية فقط. وله حدٌّ أقصى للمكالمة يبلغ 30 دقيقة، ينخفض إلى خمس دقائق عند تسجيل الخروج. ويحتفظ وكلاؤه بالسياق عبر الجلسات، ويبحثون في الويب، ويضبطون التذكيرات — لكنهم لا يحجزون ولا يشترون ولا يودعون أي مستندات. ولا توجد فئة مخصّصة للمؤسسات ولا أسعار معلنة.
كلاهما نظامان للمحادثة يعملان بالازدواج الكامل، مع تبادل أدوار جيد بما يكفي ليتوقف الناس عن ملاحظته. وهنا ينتهي التشابه.
ما الذي تُظهره فعليًا المواجهة المباشرة الوحيدة التي لدينا
شغّلت مقارنة CallSphere نصوص سير الحجز على نطاق واسع وأبلغت عن أربعة أرقام لكل نموذج. عند الإكمال، أكمل Gemini Live 78% من الحجوزات مقابل 71% لـ Sesame Maya. في أخطاء استدعاء الدوال، سجّل Gemini Live 3.3% مقابل 6.7% لـ Maya. في زمن الاستجابة p95، كانت Maya أسرع — 480 ms مقابل 640 ms. وفي المقياس الذاتي، «بدا بشريًا» بتقييم من 1 إلى 5، حصلت Maya على 4.5 مقابل 4.0 لـ Gemini Live.
اقرأ هذه معًا، فيبرز نمط لا يكشفه أي صف بمفرده. تفوز Sesame بالصفين الذين يلاحظهما الإنسان وتخسر الصفين الذين تلاحظهما الشركة. الطبيعية وزمن الاستجابة هما ما يشعر به المتصل؛ ومعدل الإكمال ومعدل الأخطاء هما ما يظهر في المطابقة. صوت يبدو كشخص لكنه يُسقط مكالمة واحدة من كل خمس عشرة في مسار حجز ليس وكيل صوتي أفضل — إنه عرض توضيحي أفضل.
ملاحظتان صادقتان. المقارنة هي مدونة بائع واحد، وليست تقييمًا محكّمًا من الأقران، و1,500 استدعاء لكل نموذج على نوع سكربت واحد يمثل عينة ضيقة. وأرقام Gemini تصف جيل Gemini Live الذي سيُطرح في أوائل 2026، وهو متأخر عن 3.8 Live بنموذج كامل واحد على الأقل. تطبيق تلك الأرقام على Gemini 3.8 Live سيكون تخمينًا. لم ينشر أحد مقارنة مباشرة تتضمن نموذج 3.8.
الجزء الذي تخطئ فيه كل مقالة تقريبًا
كل مقال يثني على صوت Sesame إنما يثني على التطبيق، وصوت التطبيق هو نموذج إنتاجي أكبر ومغلق لم تُصدره Sesame قط كـ API. لا توجد طريقة لشرائه أو ترخيصه أو استدعائه. إذا كنت قد قرأت أن توقيت المحادثة لدى Sesame هو الأفضل في السوق واستنتجت أنه يمكنك الحصول عليه، فإن هذا الاستنتاج لا يتبع الأدلة.
ما قامت Sesame بفتح مصدره فعليًا هو CSM-1B — نسخة نموذج الكلام الحواري بحجم 1B، الصادرة بموجب Apache-2.0 ضمن عائلة Moshi. إنه كتلة تخليق، وليس مساعدًا: يتنبأ العمود الفقري Llama بأول كتاب شفرات Mimi، ويتنبأ مفكك ترميز Llama الأصغر بالباقي، الذي يحوله مرمز Mimi إلى موجة صوتية بتردد 24 كيلوهرتز. إنه إنجليزي فقط، ويستنسخ صوتًا من مقطع مرجعي نظيف مدته 10 إلى 15 ثانية، ولا يمكنه توليد نص على الإطلاق — بل تقوم بإقرانه بنموذج لغوي منفصل. يصف الأشخاص الذين جربوا كليهما صوت CSM-1B بأنه أضعف بشكل واضح من صوت تطبيق Preview. وهو متاح مستضافًا مقابل 7 دولارات لكل مليون حرف من مزود واحد طرف ثالث، أي حوالي 0.35 دولار لكل ساعة صوت، أو مجانًا إذا قمت بالاستضافة الذاتية.
تقول بطاقة النموذج الجزء الصامت بصوت عالٍ: نسخة مُضبوطة بدقة من CSM تشغّل العرض الصوتي التفاعلي، وهي ليست نقطة التحقق التي يمكنك تنزيلها. لذا فإن النسخة الصادقة من «Sesame مقابل Gemini» هي هذه: لدى Sesame صوت مغلق جميل لا يمكنك الوصول إليه، وكتلة توليف مفتوحة صغيرة يمكنك الوصول إليها، وهما ليسا الشيء نفسه. لدى Google نموذج واحد يمكنك استدعاؤه وهو النموذج الذي تعلن عنه. هذا التفاوت يستحق لدى المطوّر أكثر من أي درجة طبيعية.
تباين المواصفات
• ما ستحصل عليه — Gemini 3.8 Live، واجهة API قابلة للاستدعاء اليوم، مقابل Sesame Preview، تطبيق مجاني للمستهلكين بلا API لصوته الإنتاجي
• صوت إنتاجي قابل للترخيص — Gemini 3.8 Live: نعم، الدفع حسب الدقيقة، مقابل Sesame Preview: لا، لم يُطرح قط
• مُخرَج مفتوح — Gemini 3.8 Live: لا شيء، مغلق مقابل Sesame Preview CSM-1B، Apache-2.0، نموذج مختلف وأضعف
• اللغات — Gemini 3.8 Live 97 مقابل Sesame Preview: الإنجليزية فقط
• استدعاء الأدوات — يقوم Gemini 3.8 Live بإجراء استدعاءات الأدوات وواجهات API في الخلفية أثناء المحادثة، مقابل وكلاء Sesame Preview الذين يتذكرون السياق ويبحثون في الويب لكنهم لا ينفذون المهام
• حد الجلسة — Gemini 3.8 Live لم تنشره Google مقابل Sesame Preview 30 دقيقة، و5 عند تسجيل الخروج
• الطبيعية — Gemini 3.8 Live غير مُقاس على هذا المحور مقابل Sesame Preview الذي صُنِّف كالأفضل في فئته بناءً على انطباعات الاستماع، دون وجود معيار مستقل لأي منهما
• زمن الاستجابة — Gemini 3.8 Live غير منشور مقابل Sesame Preview 250–450 مللي ثانية من طرف إلى طرف لـ Maya، وأقل من 300 مللي ثانية للبايت الأول في البث، وفق قياس طرف ثالث
• مسار المؤسسات — معاينة خاصة لـ Gemini 3.8 Live في Gemini Enterprise، قريبًا في Customer Experience مقابل Sesame Preview لا شيء
• الاتجاه المعلن — تكاملات Live API من Gemini 3.8 Live مع Agora وLiveKit وPipecat وFishjam وآخرين مقابل شراكات بحثية مع Sesame Preview وأجهزة نظارات مخطط لها في 2027
صف الطبيعية هو الصف الذي يتجادل الناس بشأنه، ولاحظ ما يقوله: لا يمتلك أيٌّ من النموذجين معيارًا مستقلًا لقياس مدى بشرية صوته. ما هو موجود هو تطبيق Sesame الذي يثني عليه المستمعون، وGoogle وهو يحلّ في المرتبة الثانية في ساحة. هذان ليسا القياس نفسه، والساحة على الأقل لديها منهجية.
ما تكلفة الطبيعية على الصعيد التشغيلي
الخطأ هو اعتبار الطبيعية ميزة تُضاف. إنها مقايضة تُجريها، وهذه المقايضة تكون عادةً على حساب موثوقية الأداة — لأن السلوكيات التي تجعل الصوت يبدو بشريًا، من الترددات والتداخلات والاستعداد للتخلي عن الدور في منتصف الجملة، ينتجها نموذج ينفق قدرته على التنغيم وتناوب الأدوار بدلًا من القواعد الصارمة لاستدعاء دالة. هذه هي الآلية الكامنة وراء معدل الخطأ البالغ 6.7% مقابل 3.3%، على نحو أكثر معقولية بكثير من أي زعم بأن مختبرًا معينًا أفضل في الهندسة.
كما أن له تكلفة بنية تحتية لا يخصص لها أحد بندًا في ميزانيته. فالصوت الذي يبدو بشريًا يرفع سقف التوقعات، والمتصل الذي يعتقد أنه يتحدث إلى إنسان لا يتحمل سماع «لم ألتقط ذلك» مرتين على التوالي. والحد الأقصى البالغ 30 دقيقة الذي تفرضه Sesame نفسها إقرار صامت بأن هذا الصنف من النماذج مكلف في التشغيل المستمر — وهو حد لا تنشره Google بشأن 3.8 Live، وهذا لا يعني أنه غير موجود.
أيٌّ منها يناسب مجموعتك التقنية
اختر Gemini 3.8 Live عندما يكون الصوت وسيلة لغاية: الجدولة، الفرز، الدعم، أي شيء يريد فيه المتصل تحقيق نتيجة. تحصل على API اليوم، وأسعار منشورة، وحلقة أدوات تعمل في الخلفية، و97 لغة، ومسار للمؤسسات إذا كنت بحاجة إليه.
اختر Sesame Preview عندما تدرس كيف ينبغي أن تبدو جودة المحادثة، أو عندما تبني تجربة للمستهلك تكون فيها المكالمة نفسها هي المنتج. إنه مجاني، وهو حقًا أفضل شيء متاح من حيث جودة الصوت، وهو مكان مناسب لمعايرة ذوقك. لا تخطط لبناء تكامل إنتاجي حوله، لأنه لا يوجد شيء يمكن الدمج معه.
معظم الفرق الجادة تنتهي إلى نهج هجين، والنهج الهجين هو حيث يتوقف التوجيه عن كونه اختياريًا. ضع نموذجًا يبدو طبيعيًا في أدوار الافتتاح والإقرار، حيث يُحسّ زمن الاستجابة والدفء، وضع نموذجًا موثوقًا في استخدام الأدوات في أدوار المعاملات، حيث يعني أي خطأ حجزًا ضائعًا. بُني OrcaRouter لهذا الشكل من الحزمة — يتيح دمج النماذج لمجموعة نماذج أن تجيب معًا عندما لا يكون حكم نموذج واحد جيدًا بما يكفي، وتجمع لغة التوجيه DSL عدة نماذج في نداء واحد، وينقل التحويل عند الفشل حركة المرور بعيدًا عن نموذج يبدأ في التصرف بشكل سيئ دون إعادة نشر. وحين ينشر أحد المزوّدين سعرًا، نمرّر سعر القائمة من المزوّد دون أي هامش ربح، بحيث يصل تخفيض السعر إلى فاتورتك في اليوم نفسه.
ما يجب متابعته: واجهة برمجة تطبيقات (API) لصوت Sesame الإنتاجي، أو معيار مرجعي يقيس الطبيعية بالطريقة التي تقيس بها الساحة الجودة. أيٌّ منهما سيحوّل هذا من اختيار بين الوصول والتجربة إلى مقارنة فعلية. وحتى ذلك الحين، يمكنك استدعاء أحد هذين النموذجين بينما لا يسعك إلا الإعجاب بالآخر، وهذا يحسم الأمر أسرع من أي درجة.
معظم الفرق الجادة تنتهي إلى نموذج هجين، والهجين هو النقطة التي يصبح فيها التوجيه غير اختياري. ضع نموذجًا يبدو طبيعيًا في أدوار الافتتاح والإقرار، حيث يُحسّ بالتأخير والدفء، وضع نموذجًا موثوقًا في الأدوات في أدوار المعاملات، حيث الخطأ يعني حجزًا مفقودًا.تم بناء OrcaRouter لهذا الشكل من الحزمة - يتيح دمج النماذج لمجموعة من النماذج أن تجيب معًا عندما لا يكون حكم نموذج واحد جيدًا بما يكفي، وتؤلف لغة التوجيه DSL عدة نماذج في استدعاء واحد، وتنقل خاصية تجاوز الفشل حركة المرور بعيدًا عن نموذج يبدأ في التصرف بشكل خاطئ دون إعادة نشر.
