GPT-Live-1.1 مقابل Gemini 3.8 Live: ستّ لغات جديدة في مواجهة سبعٍ وتسعين، ولماذا لا تمثّل هذه الفجوة القصة كاملة

أحصِ اللغات، وستجد أن المعركة محسومة قبل أن تبدأ. Gemini 3.8 Live، الذي أعلنت عنه Google DeepMind في 15 سبتمبر 2026، يدعم 97 لغة مع تبديل تلقائي أثناء المحادثة منذ إطلاقه. GPT-Live-1.1، الذي طرحته OpenAI في 15 أكتوبر 2026، يضيف ثلاثة عشر خيارًا صوتيًا جديدًا — اثنان لكل من الفرنسية والألمانية والهندية واليابانية والكورية والإسبانية المكسيكية، إضافة إلى صوت إنجليزي يُدعى Bubbie. ست لغات جديدة مقابل سبع وتسعين نسبة لا يحتاج أحد إلى التفكير فيها.

وهي أيضًا مقارنة بين أسبوع من العمل وسنة من التغطية، ولهذا فإن الرقم الذي ينهي الجدال ليس الرقم الذي ينبغي أن يحسمه. الإصداران يقيسان شيئين مختلفين: رقم Google يصف مقدار العالم الذي يمكن للجلسة أن تستوعبه، ورقم OpenAI يصف أي اللكنات كانت خاطئة على نحو مسموع من قبل ولم تعد كذلك الآن. بالنسبة إلى المشتري، السؤال المفيد ليس أيّ العددين أكبر، بل أيّهما يمكنك استدعاؤه فعليًا، وماذا يحدث لبقية حزمتك التقنية عندما تفعل ذلك.

الإتاحة هي النقطة التي تتعطل عندها المقارنة.

ابدأ من هناك، لأنها النقطة التي يتوقف عندها هذان النموذجان عن كونهما بديلين.

GPT-Live-1.1 طرح موجّه للمستهلكين. وصل إلى ChatGPT Voice في 15 أكتوبر 2026، إلى جانب نموذج ثانٍ، GPT-Live-1.1 Quip، الذي يخلف GPT-Live-1 mini ويصبح الافتراضي للحسابات دون Plus. إعلان OpenAI صريح بأن API حدث لاحق — "قريبًا في API" — وتتفق الوثائق مع ذلك: لا تزال صفحة النماذج تُدرج gpt-live-1 وgpt-live-transcribe ولا شيء أحدث، وgpt-live-1.1 يعيد 404 كصفحة نموذج. لا يوجد معرّف نموذج، ولا حد للاستخدام، ولا سعر لـ GPT-Live-1.1 في أي مكان يمكن لمطور الوصول إليه.

Gemini 3.8 Live هو الحالة المعاكسة. فهو نموذج API بسعر منشور — 0.005 دولار لكل دقيقة من الإدخال الصوتي و0.018 دولار لكل دقيقة من الإخراج الصوتي — وقد كان قابلاً للاستدعاء منذ يوم الإعلان عنه، مع توزيع نسخة Extended Thinking عبر Gemini Live وDocs وGmail وKeep لمشتركي AI. لا يزال توفر Google للمؤسسات معاينة خاصة دون التزام بالتوافر العام، وهو قيد حقيقي بحد ذاته، لكنه نوع مختلف من القيود عن عدم وجود نقطة نهاية على الإطلاق.

فأحدهما شيء يمكنك شراؤه، والآخر شيء يمكنك استخدامه. هذا اللاتماثل أكثر أثرًا من أي معيار أداء يأتي أدناه، وهو الأمر الذي تغفله معظم مقارنات أسبوع الإطلاق لهذين النموذجين.

ما الذي يقيسه 97 مقابل ستة فعليًا

الفجوة حقيقية. إذا كان المتصلون لديك يتحدثون البولندية أو التايلاندية، فإن Gemini 3.8 Live هو الوحيد بين الاثنين القادر على الرد على المكالمة، ولا يهم أي شيء آخر في هذه المقالة.

ما لا يقيسه الرقم هو الجودة داخل منطقة التداخل، والتداخل هو حيث يوجد تقريبًا كل الطلب.

• ما الذي يشتريه 97 — تغطية الذيل الطويل والقدرة على تغيير اللغة في منتصف الجملة دون فقدان الجلسة. بالنسبة لخط دعم يمتد عبر اثني عشر سوقًا أوروبيًا، تلك الميزة الواحدة هي المنتج.

• ما الذي تشتريه الستّ — عمقًا في الأسواق التي كان فيها الجيل السابق مخطئًا على نحو مسموع. تركيز OpenAI على طبيعية اللكنة لا على الفهم، واللغات الستّ المختارة ليست عيّنة عشوائية بل من بين أكبر أسواق الصوت غير الناطقة بالإنجليزية. وتصف ملاحظات الإصدار أيضًا مجموعة أوسع من العبارات القصيرة للإشارة إلى أن النموذج يبحث، وهي ما يسمعه المستخدمون بوصفه «جارٍ التحقق…».

• ما لا يخبرك به أيٌّ من الرقمين — كيف يبدو صوت أيٍّ من ذلك. لا يوجد معيار مرجعي عام قابل لإعادة الإنتاج للّكنة، ولا درجة مستقلة لجودة الكلام لأي من النموذجين في أي من مجموعتي اللغات. كلا الرقمين هما إحصاءان من المورّد لخيارات الإعدادات المحلية المدعومة، وينشرهما كلا المورّدين دون إرفاق منهجية.

النتيجة العملية هي أن عدد اللغات مجرد فلتر فرز، وليس قرارًا. إذا كان المتصلون لديك يتحدثون إحدى اللغات السبع المذكورة أعلاه، فإن العدد لا يهم، وتصبح جودة اللكنة اختبار استماع تجريه بنفسك. وإذا لم يكونوا كذلك، فقد اتُّخذ القرار نيابةً عنك بالفعل.

المجلس المستقل، ومشكلة المتغيّر

حيثما وُجد قياس مستقل، فإنه يوجد للجيل السابق من جانب OpenAI. على مؤشر Artificial Analysis Speech to Speech، اقرأ من لوحة الصدارة كما كانت في 16 أكتوبر 2026:

• Grok Voice 3.0 — 86.9

• GPT-Live-1 (واجهة Astra الخلفية، جهد متوسط) — 83.2

• التفكير الموسّع المباشر من Gemini 3.8 (عالي) — 82.6

• Grok Voice 2.0 — 81.3

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

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 75.2

• Grok Voice 1.0 — 73.7

• GPT-Realtime-2 (High) — 73.6

• Gemini 3.1 Flash Live High — 72.0

يترتب على هذا الترتيب أمران. أولاً، النموذج المذكور ثانياً في عنوان هذه المقالة يحتل المرتبة السادسة، بينما يحتل أحد متغيرات النموذج الآخر المرتبة الثالثة — ورقم 82.6 الذي يُقتبَس يخص Gemini 3.8 Live Extended Thinking، وهو تكوين مختلف بإطلاق أضيق. ثانياً، لا يوجد أي صف لـ GPT-Live-1.1 في أي مكان على اللوحة، لذا فإن الخَلَف هنا ممثَّل بالرقم الذي حققه سلفه.

عند القراءة مقابل الإعداد القياسي — 76.0 لـ Gemini 3.8 Live مقابل 83.2 لـ GPT-Live-1 — تتقدّم عائلة OpenAI بمقدار 7.2 نقطة استنادًا إلى أدلة السلف. وعند القراءة مقابل نسخة Extended Thinking، تكون الفجوة 0.6 نقطة في الاتجاه الآخر، وهي ضمن التغيّر المتوقّع من لوحة يُعاد تشغيلها كلما أُضيفت نماذج. لا تُعدّ أي من القراءتين قياسًا لـ GPT-Live-1.1، ويجدر أن نكون صريحين في ذلك: أدلة الخلف نفسه هي بيان في بطاقة نظام بأنه يؤدي على قدم المساواة مع GPT-Live-1 في المطالبات الإنتاجية، وهذا ادّعاء بعدم التراجع، لا نتيجة.

حيث لا تزال العمارة تفصل بينهما

لم يختفِ فارق الازدواج الكامل. لقد توقّف للتو عن كونه حاسمًا.

يرث GPT-Live-1.1 بنية GPT-Live-1: إدخال الصوت وإخراج الصوت يُعالجان باستمرار داخل نموذج واحد، دون سلسلة تحويل الكلام إلى نص ← نموذج لغوي ← تحويل النص إلى كلام، وإشارات الاستماع مثل "mhmm" تُنتَج أصلاً، وتُعالَج المقاطعة عبر اتخاذ قرار عدة مرات في الثانية بشأن ما إذا كان ينبغي مواصلة الحديث أو التنازل عن الدور. لا يزال ذلك هو الأمر الذي تخطئ فيه الأنظمة القائمة على تناوب الأدوار، ولا يزال Gemini 3.8 Live قائماً على تناوب الأدوار.

ما يفعله Gemini 3.8 Live بدلًا من ذلك هو إبقاء الجلسة منتِجة أثناء تنفيذ دورٍ ما: معالجة مُدخلات بصرية شبه فورية، وتنفيذ أدوات وواجهات API في الخلفية يقرّ بالطلب ويُبقي المحادثة حيّة حتى يكتمل الاستدعاء، ونسخة Extended Thinking تسرد تقدّمها بصوت مسموع. جواب Google لمشكلة الصمت هو ملء الصمت بالعمل بدلًا من إزالة حدّ الدور. كلا المقاربتين تمنعان المتصل من إنهاء المكالمة؛ لكنهما تفشلان بطريقتين مختلفتين، ولا تزال النماذج القائمة على الأدوار قادرة على إساءة تقدير الوقفة.

الإدخال المرئي هو التكلفة الملموسة لتلك المقايضة. كانت الكاميرا ومشاركة الشاشة جزءًا من واجهة Gemini 3.8 Live منذ الإطلاق، كما تُدرج وثائق OpenAI نفسها الخاصة بعائلة Live إدخال الصور والفيديو على أنه غير مدعوم صراحةً — وهو قيد يمتد إلى GPT-Live-1.1، لأن صفحات المساعدة الخاصة بالمستهلكين للإصدار الجديد تكرر أن Live لا يدعم الفيديو أو مشاركة الشاشة. إذا احتاج وكيلك إلى النظر في شيء ما، فهذا يحدد نتيجة المقارنة قبل أن يحددها أي اختبار أداء.

مقارنة التكلفة، مع إرفاق علامة النجمة

بناءً على الأسعار المعلنة للواجهة الأمامية، تُعد Google أرخص بفارق كبير. تتقاضى Gemini 3.8 Live مبلغ 0.018 دولار لكل دقيقة من الإخراج الصوتي مقابل 0.05 دولار لكل دقيقة صوتية لدى GPT-Live-1، وهذا المبلغ 0.05 دولار هو الرقم الوحيد لكل دقيقة الذي نشرته OpenAI لعائلة Live — فهو يخص النموذج الأقدم، ولم يُعلن عن أي سعر لـ GPT-Live-1.1 لأنه لا توجد نقطة نهاية يمكن إرفاق سعر بها.

العلامة النجمية هي أنّ أياً من الرقمين ليس الفاتورة. مبلغ 0.05 دولار الخاص بـ GPT-Live-1 يغطي الواجهة الصوتية الأمامية فقط. أما الاستدلال فيحدث على نموذج نصي مُفوَّض، وتنصّ وثائق Live من OpenAI صراحةً على أن استدعاءات Responses في الخلفية تُحتسب بسعر النموذج المُهيَّأ المعتاد — لذا تتحول خمسة سنتات لكل دقيقة من وقت الصوت إلى ثلاثة دولارات لكل ساعة من وقت الصوت قبل احتساب رمز استدلال واحد. ولدى Gemini 3.8 Live البنية نفسها: فتنفيذ الأدوات في الخلفية عمل يخصّ النماذج النصية، ويُحتسب بأسعار النماذج النصية التي لم تنشرها Google لهذا المنتج.

لهذا السبب، فإن أي رقم تكلفة لكل ساعة تراه لأي من الطرازين هو رقم جزئي يتنكّر في هيئة إجمالي. ساعة واحدة من زمن صوت GPT-Live-1 تكلف 3.00 دولارات من الواجهة الأمامية قبل أن تُحتسب الواجهة الخلفية أصلاً، أما الرقم الإجمالي الشامل فيعتمد كليًا على الطراز الذي تفوّض إليه وعلى عدد مرات استدعائه. بالنسبة إلى Gemini 3.8 Live، الواجهة الأمامية أرخص لكل دقيقة والواجهة الخلفية غير معلنة. ومقارنة السعرين الرئيسيين تخبرك فقط عن النصف الرخيص من كل فاتورة.

الطبقة التي يعملان عليها يدويًا كلاهما

كلا النظامين يفوّض المهام، وهذه هي الحقيقة التي تجعل هذه المواجهة أقرب إلى قرار غير قائم على الانغلاق على مورّد مما يوحي به عدد اللغات. يسلّم GPT-Live-1.1 الاستعلامات الصعبة إلى نموذج نصي خلفي بحكم التصميم؛ أما تنفيذ الأدوات في الخلفية لدى Gemini 3.8 Live فيؤول إلى استدعاءات نموذجية عادية. وفي كلتا الحالتين، طبقة الصوت واجهة أمامية رقيقة فوق نموذج استدلال يتعامل معه المورّد باعتباره مُهيأً بشكل منفصل ومُحاسَباً عليه بشكل منفصل. هناك يقع تباين التكلفة، وهناك تظهر فروق الجودة بين التهيئات، وهناك يكون التبديل رخيصاً لأنه لا يمسّ تكامل الصوت.

هذا هو النصف الخاص بمكدس صوتي حيث يستحق الموجّه مكانه، لذا يجدر بنا توخي الدقة بشأن الحد الفاصل. على OrcaRouter، طبقة الاستدلال هي أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد دون أي هامش ربح، ما يعني أن أي خفض سعر من المنبع يصل إلى طرفنا في اليوم نفسه لا عند تجديد العقد التالي — وهي خاصية تهم أكثر من المعتاد في بنية فوترة ذات عدّادين حيث تكون الجهة الخلفية هي العدّاد الذي يتحرك. تتيح لك لغة التوجيه DSL تسمية هدف التفويض صراحةً وتبديله على حركة المرور الحية، ويُبقي تجاوز الفشل التلقائي الجلسة على قيد الحياة عندما تحدث أخطاء في جهة خلفية أو تنتهي مهلتها في منتصف المكالمة، وهو نمط فشل يوجد في الصوت ولا يوجد في النص. توضيح واحد، لأنه سيكون من السهل الإيحاء بخلاف ذلك: نحن لا نستضيف نقاط نهاية الصوت الخاصة بـ GPT-Live-1.1 أو Gemini 3.8 Live. تأتي تلك من منصات المورّدين أنفسهم، وفي حالة GPT-Live-1.1 لا توجد نقطة نهاية عامة يمكن استضافتها. نماذج النصوص التي تُسند إليها هذه الأنظمة العمل تكون عموماً على الموجّه.

كيفية الاختيار

اختر Gemini 3.8 Live إذا كنت بحاجة إلى الإطلاق الآن، أو إذا كانت لغاتك تتجاوز اللغات السبع المذكورة أعلاه، أو إذا كان على النموذج أن يرى شيئًا. تقبّل أنك تشتري التكوين القياسي الذي يسجل 76.0 على المؤشر المركّب، وأن 82.6 الذي يُقتبس عادة يخص نسخة التفكير الموسّع، وأن الوصول الخاص بالمؤسسات معاينة خاصة، وأن التكلفة الإجمالية لكل ساعة غير منشورة على جانبك من الفاتورة أيضًا.

اختر GPT-Live-1.1إذا كانت جودة المحادثة هي المنتج وكانت لغاتك تقع داخل مجموعته — وإذا كان بإمكانك الانتظار. لا يزال تناوب الأدوار كامل الازدواجية هو معيار الطبيعية، وترقية الإصدار تحسين حقيقي على GPT-Live-1، ويستهدف العمل على اللكنات تحديدًا اللغات التي كانت الأسوأ سابقًا. كذلك، هو اليوم ليس شيئًا يمكن استدعاؤه من التعليمات البرمجية.

اختر GPT-Live-1 إذا كنت بحاجة إلى الصوت من OpenAI وكنت بحاجة إليه هذا الشهر، لأنه العضو الوحيد في تلك العائلة الذي يمتلك معرّف نموذج ونقطة نهاية موثّقة وسعرًا منشورًا.

التاريخ الذي ينبغي متابعته هو ذلك الذي gpt-live-1.1يحصل فيه على صفحة نموذج. عندها يتوقف هذا عن كونه مقارنة بين منتج متاح للشحن وإعلان، وعندها يصبح ادعاء اللكنة وعدد اللغات والسعر كلها قابلة للاختبار في ظهيرة اليوم نفسه.

المقارنات من هذا النوع هي أيضًا المكان الذي تظهر فيه أنماط الفشل: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته وتصنيف الثقة الخاص به وعلامة كونه متنازعًا عليه.