
Realtime 1 مقابل Gemini 3.8 Live: الفائز في الساحة هو الذي لا يستطيع إنهاء المهمة
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 90 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 97 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 87 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 134 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 182 tok/s
يمتلك Gemini 3.8 Live أفضل تقييم Elo في الساحة بين أي نموذج صوتي على لوحة التحويل من الكلام إلى الكلام لدى Artificial Analysis — 1074، متقدمًا على GPT-Live-1 البالغ 1037 ومتفوقًا بفارق واضح على Eleven Realtime Max البالغ 990. كما يمتلك أعلى معدل نجاح في المهام ضمن مجموعة المقارنة تلك، 93.2%. ويسجل 30.1% في إكمال المهام الوكيلية، وهو أضعف رقم بين الأربعة. تصف هذه الأرقام الثلاثة النموذج نفسه، وفهم سبب تعايشها هو السؤال كله عندما تضعه إلى جانب MAI Realtime 1، نموذج Microsoft الجديد للتحويل من الكلام إلى الكلام الذي أُعلن في 17 نوفمبر 2026، والذي يستهدف بالضبط الشيء الذي يكون Gemini 3.8 Live الأضعف فيه.
أحد هذين النموذجين محاوِر. والآخر يُسوَّق بوصفه مشغّلًا. لم ينشر أيٌّ منهما ما يكفي لإثبات أيّهما أيٌّ على عبء عملك، لكنهما يفشلان في اتجاهين متعاكسين، وذلك أنفع من لوحة نتائج تكون فيها كل الأمور متقاربة.
رهانان مختلفان بشأن الغرض من نموذج صوتي
إنّ تأطير Google لـ Gemini 3.8 Live ضيّق وواثق: فهو نموذج Live API الافتراضي لـ «معظم تجارب وكيل الصوت منخفضة زمن الوصول دون تأخيرات في الاستدلال»، وله نظير — Gemini 3.8 Live Extended Thinking — للحالات التي تحتاج إلى «استدلال خلفي أعلى» أثناء التفاعل. ويوضح لك هذا الانقسام ما ترى Google أنّ النموذج الأساسي غير مخصّص له. أمّا التفكير الحقيقي فيسكن في النظير.
صياغة مايكروسوفت لـ MAI Realtime 1 هي الصورة المعكوسة. فهي "تحويل الكلام إلى كلام بتدفّق محادثي طبيعي وقابلية توجيه دقيقة"، والبنية المعمارية صريحة من طبقتين: نظام سريع يُبقي الحوار في الزمن الحقيقي، والمهام الأصعب "تُوجَّه إلى محرك استدلال أقوى دون توقفات محرجة". مايكروسوفت لا تبيع متحدثًا أفضل. إنها تبيع مُوزِّعًا يتحدث جيدًا بما يكفي لإبقاء الخط حيًّا بينما شيء آخر يقوم بالعمل.
• Gemini 3.8 Live — نموذج واحد، سريع عمدًا، مع إتاحة الاستدلال كشقيق أثقل منفصل تختاره لكل عملية نشر.
• MAI Realtime 1 — منتج واحد يقف خلفه محركان، يتصاعدان مع كل دور بدلاً من كل عملية نشر.
• الفرق العملي — تطلب منك Google اختيار إعداد عند التكامل. أما Microsoft فتطلب منك الوثوق بموجّه داخل النموذج والدفع مقابل طبقة الاستدلال الخاصة به حسب الرمز.
ماذا تقول الأرقام المستقلة عن Gemini 3.8 Live
هذا هو جانب المواجهة الذي يتضمن قياسات فعلية، وهي جيدة:
• مؤشر الكلام إلى الكلام — 74.5، مقابل 82.6 لنسخة Extended Thinking. يعاقبه المؤشر بسبب عمود العمل الوكيلي، لا بسبب المحادثة.
• الاستدلال الكلامي (Big Bench Audio) — 91.7%. أداء قوي، و97.7% في التفكير الممتد.
• الديناميكيات الحوارية — 96.1%. من هنا يأتي تصنيف Elo في الساحة: فهو يتعامل مع الإيقاع البشري للمكالمة بما يعادل تقريبًا أفضل ما تم قياسه.
• Arena Elo — 1074، الأعلى في مجموعة المقارنة. تفضيل بشري، عمليًا، وهو ليس قريبًا من أسفل تلك القائمة.
• معدل نجاح المهام — 93.2%، وهو أيضًا الأعلى في المجموعة.
• إكمال المهام الوكيلية (τ-Voice) — 30.1%. وهي القيمة الشاذة، والسبب في أن المؤشر المركب يقع دون نسخة التفكير الموسّع.
• الزمن حتى أول صوت — 1.18 ثانية. ليس الأسرع — إذ ينجزه Eleven Realtime Max في 0.57 — لكنه سريع بما يكفي ليكون ادعاء «عدم وجود تأخيرات في التفكير» موثوقًا.
• التكلفة المدمجة — نحو $0.84 في الساعة وفق تطبيع Artificial Analysis. وتشير قائمة الأسعار الخاصة بـ Google نفسها إلى $0.005 لكل دقيقة من إدخال الصوت و$0.018 لكل دقيقة من إخراج الصوت، وهو ما يقارب $1.38 في الساعة في مكالمة ثنائية الاتجاه مستمرة؛ والفجوة هنا اختلاف في اصطلاح القياس وليست تناقضًا، ولا ينبغي الاقتباس بأي من الرقمين على أنه الآخر.
اقرأ الرقم الوكيلي مقابل رقم نجاح المهمة، وسيظهر شيء مهم. معدل نجاح المهام البالغ 93.2% إلى جانب 30.1% للإتمام الوكيلي يعني أن النموذج بارع جدًا في المهام التي يعتبرها نظام التقييم محادثاتية، وضعيف في تلك التي تتطلب منه التخطيط عبر خطوات واستخدام الأدوات. هذان أداتا قياس مختلفتان، والاختلاف بينهما هو النتيجة. من المرجح أن يُجري Gemini 3.8 Live محادثة أفضل مما سيفعله MAI Realtime 1. أما هل سيحجز الموعد في نهاية تلك المحادثة فذلك سؤال منفصل، وبحسب الدليل العام الوحيد المتاح فهو النصف الأضعف.

ما الذي تقوله أرقام Microsoft، وهو رقم واحد
لا يمتلك MAI Realtime 1 درجاتٍ مستقلة. ولا تُدرج Artificial Analysis النموذج اعتبارًا من 18 نوفمبر. وما تنشره Microsoft بنفسها هو رقم دقة واحد في صفحة النموذج — 98.8% على Big Bench Audio، موسومًا هناك بأنه الدقة في أسئلة الاستدلال المنطوق من ذلك المعيار — إضافةً إلى بطاقة P50 لزمن الوصول إلى أول صوت، وتعليق «P50 Latency on BigBench Audio». لا يوجد رقم τ-Voice، ولا قائمة لغات مدعومة، ولا توزيع خلف النسبة المئوية، ولا ملاحظة منهجية بجانب رقم الدقة. قارن ذلك بنسبة 91.7% لـ Gemini 3.8 Live على المعيار نفسه كما قاستها Artificial Analysis، وستكون عندئذ تقارن تقييمًا من المورّد نفسه بتقييم طرف ثالث: فالرقمان ليسا من النوع نفسه، والتعامل مع 98.8% على أنها فوز بسبع نقاط سيكون بالضبط ذلك التبييض الذي يحاول هذا المقال تجنبه. والادعاء الأوسع للشركة هو أن النموذج يقع على حدود باريتو للأداء مقابل السعر بالنسبة إلى Big Bench Audio وτ-Voice، وأنه يتفوق على GPT Realtime 2.1 في الجودة والسرعة والسعر — وهي مقارنة مع نموذج OpenAI الصوتي الاستدلالي القائم على التسعير لكل توكن، وليست مقارنة مع Gemini 3.8 Live.
أي مقارنة مباشرة بين هذين الطرازين اليوم هي مقارنة بين ملف تعريف مقاس من طرف ثالث ورقم رئيسي معلن من البائع نفسه. وهذا ليس سببًا لتخطي المواجهة، بل هو سبب للدقة بشأن ما التزم به كل طرف فعليًا.
ما تعهدت به Microsoft على نحو ملموس: 0.01 دولار لكل دقيقة صوتية، والاستدلال بسعر 1.00 دولار لكل مليون رمز إدخال و5.00 دولارات لكل مليون رمز إخراج، وواجهة متوافقة مع OpenAI Realtime API، ومعاينة Foundry محدودة الوصول لا تُفوتر حتى المعاينة العامة، وعرض تجريبي غير تجاري مدته دقيقتان في MAI Labs مقصور على البالغين، ونسبة 98.8% أبلغ عنها المورد على Big Bench Audio مع رقم كمون P50 دون توزيع خلفه، وعمليات نشر محددة بالاسم قادمة في Dynamics 365 Contact Center ومحاكيات تدريب الممرضين التابعة لـ Dragon Copilot، واختبارات مبكرة في Agoda وReservations.ai.
ما لم تلتزم به: اللغات، وτ-Voice، وإقامة البيانات، والاحتفاظ، أو تاريخ الإتاحة العامة.

مقارنة التكلفة، بالشكل الصحيح
على خط الصوت وحده، الفجوة ليست طفيفة. دقيقة واحدة من صوت Gemini 3.8 Live، بالإدخال والإخراج معًا، تكلّف $0.023 على بطاقة أسعار Google. أما دقيقة واحدة من MAI Realtime 1 فتكلّف $0.01 قبل التفكير. أي نحو 2.3 ضعف، وخلافًا لمقارنة ElevenLabs لا توجد رسوم امتثال أو منصة على جانب Google لتوسيعها.
لكن فرق التكلفة المثير للاهتمام ليس هو السعر. بل أين تستقر فاتورة الاستدلال. إجابة Gemini 3.8 Live عن دور صعب هي نموذج مختلف تنشره — Gemini 3.8 Live Extended Thinking، بسعر 3.50 دولارات في الساعة على أساس Artificial Analysis و82.6 على المؤشر. هذا قرار نشر، يُسعّر لكل ساعة صوت سواء احتاج دور معين ذلك أم لا. أما إجابة MAI Realtime 1 فهي تصعيد لكل دور يُسعّر لكل رمز، وهو أرخص عندما تكون أدوار قليلة صعبة وأغلى عندما تكون معظمها كذلك.
• معظم الأدوار سهلة، مع تصعيد في بعض الأحيان — نموذج per-token الخاص بـ MAI Realtime 1 يتفوق، وبفارق كبير.
• في الغالب جولات صعبة — سعر Gemini 3.8 Live Extended Thinking الثابت البالغ 3.50 دولار في الساعة هو الأداة الأكثر قابلية للتنبؤ، وللقابلية للتنبؤ قيمة عندما تضع توقعات لميزانية مركز اتصال.
• حركة مرور مختلطة دون تقسيم واضح — أنت تختار بين تقدير بالساعة يمكنك الدفاع عنه، وتقدير لكل توكن يتعيّن عليك قياسه. هاتان محادثتان مختلفتان بشأن المشتريات.
من الجدير بالذكر أن الطبقة المجانية من Google تشمل Gemini 3.8 Live دون أي رسوم على الإدخال والإخراج، مع تقييد معدل الاستخدام. وبالنسبة لنموذج أولي، فهذه ميزة حقيقية مقارنةً بنموذج تسجيل وقائمة انتظار.
اللغات، التي تحسم مواجهات أكثر مما تفعله المعايير
يرث Gemini 3.8 Live سلوك Live API متعدد اللغات، وتتعامل وثائق Google مع الحوار غير الإنجليزي كاستخدام عادي. ولا تسرد مواد إطلاق MAI Realtime 1 لغة واحدة مدعومة. ويمتد خط منتجات الصوت لدى Microsoft عبر Dragon، وهو منتج إملاء سريري ذو انتشار قوي في اللغة الإنجليزية، ويتحدث إعلان Transcribe 2 عن خفض معدلات الخطأ متعددة اللغات إلى النصف — لكن ذلك يخص نموذج النسخ، لا النموذج اللحظي، وهو ليس قائمة لغات.
إذا كان وكيلك يخدم سوقًا واحدًا ناطقًا بالإنجليزية، فهذه مجرد ملاحظة هامشية. أما إذا كان يخدم ثلاثة أسواق، فإن MAI Realtime 1 ليس بعد مرشحًا يمكنك تقييمه، لأن النسخة التجريبية لن تخبرك بما يفعله في اللغات التي تحتاجها.
كيف تجري المقارنة قبل أن يحسم أيٌّ من المورّدين الأمر؟
يتحدث كلا الطرازين OpenAI Realtime API — فـ Google's Live API عبر سطحها الخاص، وMicrosoft's صراحةً بحكم التصميم. جانب Gemini وثيق الصلة لكنه ليس مطابقًا في دلالات الجلسة، لذا احسب حساب محوّل بدلًا من استبدال base-URL؛ وجانب MAI Realtime 1 أقرب إلى البديل المباشر بحسب وصف Microsoft نفسه.
التقييم الذي يحسم هذه المواجهة ليس تشغيلًا لمعيار قياس. إنه تشغيل لإنجاز المهام: أعطِ كل نموذج الطلبات الحقيقية العشرين نفسها التي تتطلب استدعاء أداة وخطوة ثانية، ثم احسب عدد الطلبات التي تكتمل. نسبة الأداء الوكيلي البالغة 30.1% لدى Gemini 3.8 Live تحدد افتراضك المسبق — إذ ينبغي أن يكمل نحو ستة. إذا اقترب MAI Realtime 1 من ذلك، فلن تشتري ميزة السعر شيئًا على عبء العمل هذا. وإذا اقترب من 87% التي يحققها Eleven Realtime Max على المنصة الاختبارية نفسها، فسيكون تصميم Microsoft ثنائي المستوى يفعل ما يدّعيه وتكون المواجهة قد انتهت.
يحتاج ذلك التقييم إلى إخضاع طبقة الاستدلال الكامنة خلف نموذج الصوت لأدوات القياس، لأن الجانب الخاص بـ Microsoft هو حيث تحدث الخطوة الثانية فعليًا. وOrcaRouter هي المكان الذي تتصل به تلك الطبقة: أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد وبهامش ربح 0%، وتحويل تلقائي عند الفشل بحيث لا يتحول استدعاء استدلال متعثر إلى أربع ثوانٍ من الصمت في مكالمة مباشرة، ولغة DSL للتوجيه تتيح أن يكون مسار التصعيد قاعدة بدلًا من شيفرة تحتفظ بها في معالج الصوت. MAI Realtime 1 نفسه ليس في كتالوجنا — بل يمكن الوصول إليه عبر MAI Labs ومعاينة Foundry محدودة الوصول — لذا فإن ما نوجّهه يشمل كل ما يحيله إلى غيره، إضافة إلى أشقاء Gemini 3.8 Live إذا سلكت طريق Google.
ما الذي تفعله المعاينة بالجدول الزمني للمشتريات
ضع مساري الإتاحة جنبًا إلى جنب، وسيكفّ عدم التماثل عن كونه متعلقًا بالنماذج ويبدأ في أن يكون متعلقًا بالمدة التي يستغرقها معرفة أي شيء. إن Gemini 3.8 Live متاح عمومًا على Live API من Google اليوم، مع طبقة مجانية تغطي الإدخال والإخراج ضمن حدّ معدّل، ما يعني أن ارتفاعًا لمدة يومين يمكنه إنتاج رقم لإتمام المهام قبل نهاية الأسبوع. أما MAI Realtime 1 فهو استمارة تسجيل، وقائمة انتظار، وعرض تجريبي غير تجاري مدته دقيقتان ومقتصر على البالغين، ومعاينة قالت Microsoft إنها لن تفرض رسومًا عليها حتى تبدأ المعاينة العامة.
تلك أنواع مختلفة من الاحتكاك، وهي تفضّل فرقًا مختلفة. إذا كنت بحاجة إلى إجابة الآن ويجب أن تكون الإجابة قابلة للدفاع أمام من يوقّع الفاتورة، فإن Gemini 3.8 Live يمنحك ملفًا مقيسًا تقف خلفه أداة اختبار عامة وسعرًا منشورًا يمكنك الجدال بشأنه. وإذا كانت لديك طاقة هندسية فائضة ولا يوجد موعد نهائي هذا الربع، فإن معاينة Microsoft هي أرخص تجربة مفيدة في الفئة — سنت واحد في الدقيقة لا يكلّف شيئًا اليوم، مقابل نموذج لم تقسه أي جهة خارجية، على واجهة تتحدثها على الأرجح بالفعل.
• أنشئ نموذجًا أوليًا هذا الأسبوع، واتخذ القرار في الربع القادم — أيّ الخيارين يفي بالغرض، والخطط المجانية لدى الجانبين تعني أن التجربة شبه مجانية.
• نموذج أولي هذا الأسبوع، والإطلاق الشهر المقبل — Gemini 3.8 Live، لأن MAI Realtime 1 لا يملك موعدًا للإتاحة العامة (GA) ولا طريقة للتنبؤ به.
• لا يمكن للبيانات أن تغادر مساحتك المستأجرة أو منطقتك — لا هذا ولا ذاك هو الجواب وفق الشروط المنشورة؛ فلـ Google ضوابط إقليمية على Live API، ولم تقل Microsoft أي شيء عن الإقامة بالنسبة لـ Realtime 1.

لمن ينقسم هذا
اختر Gemini 3.8 Live إذا كان المنتج محادثة. وإذا كانت القيمة تكمن في صوت الوكيل، وكيف يتعامل مع المقاطعة، وسرعة إجابته، وجودة عمله بست لغات، فهو يمتلك أفضل ملف قياسي مُقاس في فئته السعرية، مع طبقة مجانية تُثبت ذلك. أما نتيجة 30.1% في المهام الوكيلية فلا تهم إلا إذا كانت مكالماتك تحتاج إلى أن تنتهي بإجراء مكتمل لا بمبادلة حوارية متقنة.
خُذ MAI Realtime 1 على محمل الجد إذا كان المنتج معاملة — حجز أو مطالبة أو استعلام يمتد عبر أنظمة — وإذا كان بإمكانك التعايش مع الاقتصار على الإنجليزية إلى أن تنشر Microsoft خلاف ذلك. بسعر سنت واحد في الدقيقة مع معاينة غير مفوترة، إنها أرخص طريقة لمعرفة ما إذا كان موجّه من جهة المورّد يتفوق على موجّهك على مستوى التطبيق. الخطر ليس المال. بل أنك ستشحن منتجًا يعتمد على نموذج رقم الدقة المنشور الوحيد لديه هو 98.8% الخاص به، دون إعادة تشغيل تدعمه، ودون نتيجة τ-Voice، ودون قائمة لغات ولا توزيع لزمن الوصول — والطرف الوحيد القادر على سد هذه الفجوة هذا الشهر هو أنت، بأدوات القياس الخاصة بك.
ما لم يفعله أي من الطرفين هو نشر الرقم الذي من شأنه أن يحسم الأمر: ما نسبة المحادثات الحقيقية التي تحتاج إلى المحرك الثاني. يجيب Google بأن يبيع لك نموذجًا ثانيًا ويترك لك القرار لكل عملية نشر. ويجيب Microsoft بأن يقرر في كل دور ويحمّلك تكلفة ذلك. كلا التصميمين صادق. واحد فقط منهما قابل للقياس اليوم، وهو ليس الأرخص.
