Phonic 1 vs Gemini 3.8 Live: una placa, cuatro números y la pregunta de a qué Gemini te refieres

Lo primero que hay que aclarar en Phonic 1yGemini 3.8 Live es que "Gemini 3.8 Live" no es un solo modelo. Google lanzó dos el 15 de septiembre de 2026 — gemini-3.8-live, optimizado para coste y latencia, y gemini-3.8-live-extended-thinking, que razona mientras habla y ejecuta herramientas en segundo plano — y se comportan como productos distintos. En el ranking de voz a voz de Artificial Analysis, el modelo estándar obtiene 74,5 y la variante de razonamiento extendido obtiene 82,6. Phonic 1, lanzado a finales de octubre de 2026, obtiene 87,1. El Gemini con el que se compara Phonic cambia el margen de 12,6 puntos a 4,5, y cambia en qué mitad de la discusión te encuentras.

Entonces, la pregunta útil no es "quién gana". Es "cuál de estas cuatro cosas medidas necesitas realmente", porque el índice compuesto oculta debajo una decisión dividida. Phonic 1 gana el componente que determina si una llamada consigue que se haga algo. Los modelos de Google ganan los componentes que determinan si la llamada se siente bien y si se completa, y Google cobra menos por hora mientras lo hace. Un lector que solo vea 87,1 frente a 82,6 elegirá el modelo equivocado para su trabajo aproximadamente la mitad de las veces.

Dos modelos Gemini, y solo uno de ellos está en la tabla frente a Phonic

Gemini 3.8 Live sustituyó a gemini-3.1-flash-live-preview y está disponible de forma general a través de la API de Gemini y AI Studio, mientras que Gemini Enterprise y Search Live siguen en vista previa privada. El modelo estándar se optimiza exactamente para lo que un agente telefónico necesita a escala: rapidez, bajo coste y naturalidad. La variante de razonamiento extendido dedica razonamiento antes de responder, lo que aporta precisión en solicitudes difíciles de varios pasos y cuesta latencia. Tienen nombres separados, precios separados a nivel de token y puntuaciones separadas.

• Gemini 3.8 Live (estándar) — índice de voz a voz 74,5, razonamiento 92, dinámica 96,1, capacidad agéntica 30,1, preferencia en arena 1.074, tasa de éxito en tareas 93,2 %, tiempo hasta el primer audio 1,18 s.

• Gemini 3.8 Live Extended Thinking (High) — índice 82,6; razonamiento 98; dinámica 91,9; agéntico 68,6; arena 966; éxito de tarea 89,1 %; tiempo hasta el primer audio 1,35 s.

• Phonic 1 (High) — índice 87,1, razonamiento 99, dinámica no reportada, agéntico 79,9, arena 1.012, éxito de tareas 92,3 %, tiempo hasta el primer audio 0,61 s.

Fíjate en la contradicción interna dentro de la propia gama de Google. Activar el pensamiento extendido eleva el índice en 8,1 puntos, pero este reduce la preferencia en la arena en 108 Elo y el éxito en las tareas en 4,1 puntos. Razonar con mayor intensidad hace que el modelo obtenga una mejor puntuación en el compuesto y peor en dos de las cuatro entradas. Eso no es un defecto de los modelos; es un recordatorio de que un único promedio ponderado puede moverse en una dirección que ningún usuario votaría.

La aritmética de componentes, una línea a la vez

Artificial Analysis construye su índice de voz a voz a partir de cuatro entradas —razonamiento de voz, rendimiento agéntico, preferencia en la arena y tasa de éxito en tareas— y lo etiqueta como un promedio ponderado. Si se leen las cuatro por separado, el enfrentamiento se resuelve en algo mucho más específico que una brecha de 4.5 puntos.

• Razonamiento del habla — Phonic 1 99 frente a Gemini 3.8 Live Extended Thinking 98 y estándar 92. En la práctica, un empate en la cima; este componente no decide nada.

• Rendimiento agéntico: Phonic 1, 79.9 frente a 68.6 con pensamiento extendido y 30.1 estándar. Este es todo el argumento. El pensamiento extendido es la única configuración de Gemini que compite aquí, y aun así queda 11.3 puntos por detrás.

• Preferencia de Arena — Phonic 1: 1.012 frente a 966 en pensamiento extendido y 1.074 en estándar. El modelo estándar supera a Phonic por 62 Elo; el modelo de pensamiento pierde por 46. Los oyentes humanos prefieren el Gemini económico.

• Tasa de éxito en tareas — Phonic 1 92,3 % frente a 89,1 % con pensamiento extendido y 93,2 % estándar. De nuevo, el modelo estándar gana por poco y el modelo de pensamiento pierde.

Pon esos cuatro en fila y la historia es coherente. Phonic 1 es el agente más capaz y la voz menos preferida entre las tres. Gemini 3.8 Live standard es la voz más preferida y el que mejor completa las tareas, y el peor agente. Gemini 3.8 Live Extended Thinking se sitúa entre ambos y podría decirse que es lo peor de los dos: paga por el razonamiento con latencia y preferencia y aun así no alcanza a Phonic en agencia.

Cuánto cuesta un minuto de cada uno, y por qué las tarifas anunciadas engañan

En la medida normalizada de coste por hora de audio de entrada de Artificial Analysis, Gemini es el modelo más barato: 3,50 dólares la hora para Gemini 3.8 Live Extended Thinking frente a 4,20 dólares para Phonic 1. Esa es la cifra que el propio material de lanzamiento de Phonic admite —su tabla comparativa muestra que Gemini le ofrece un precio inferior— y merece decirse con claridad, porque que un recién llegado supere a un modelo de Google en puntuación agéntica y pierda frente a él en precio es una historia más interesante que una victoria total.

Las tarifas de tokens publicadas por Google son 3 USD por millón de tokens de entrada de audio y 12 USD por millón de tokens de salida de audio, lo que equivale aproximadamente a 0,005 USD por minuto para la entrada y 0,018 USD por minuto para la salida con densidades típicas. La facturación de Phonic es una tarifa plana de 0,07 USD por minuto de conversación, 0,065 USD en el plan Pro con un mínimo mensual de 200 USD, y el proveedor declara explícitamente que no hay traspaso de costes de LLM ni cargo por token.

• Coste por hora de entrada — Gemini 3.8 Live Extended Thinking: 3,50 $ frente a Phonic 1: 4,20 $, según la normalización de Artificial Analysis.

• Modelo de facturación — Gemini factura por separado el audio de entrada y el audio de salida a tarifas por token; Phonic cobra una tarifa única por minuto de conversación que cubre la capa del modelo.

• Donde divergen las formas: una llamada en la que el agente habla mucho y escucha poco cuesta más en el medidor de salida de Gemini y lo mismo en la tarifa plana de Phonic; una llamada en la que el agente escucha principalmente cuesta menos en Gemini y lo mismo en Phonic.

• Nivel gratuito — Gemini ofrece tokens gratuitos tanto en la entrada como en la salida, con límites de frecuencia no publicados del nivel gratuito para los modelos Live; Phonic no tiene nivel gratuito, pero realizó una promoción de crédito de $250 para registros antes del 30 de noviembre de 2026.

Este es exactamente el tipo de decisión para el que se diseñó un router, con una salvedad honesta: ninguno de estos dos modelos conversacionales está en el catálogo de OrcaRouter, así que aquí no se pueden comparar ni conmutar en caso de fallo. Lo que sí está en el catálogo es el hermano del lado de texto — Gemini 3.8 Flash, disponible para enrutar hoy junto a más de 200 otros modelos con una sola clave a precio de lista y sin recargo. Si tu agente de voz delega el razonamiento a un modelo de texto en lugar de hacerlo internamente, esa parte es la que puedes enrutar, comparar precios y conmutar en caso de fallo, y normalmente es la parte que domina la factura.

Latencia, sesiones y los límites que nadie lee

Phonic 1 responde en 0,61 s al primer audio. Gemini 3.8 Live tarda 1,18 s y la variante de pensamiento extendido, 1,35 s. En la propia tabla de velocidad del índice, eso sitúa a Phonic en la misma franja que Grok Voice 3.0, con 0,81 s, y ambas configuraciones de Gemini quedan aproximadamente un tercio de segundo por detrás: la diferencia entre una persona que llama y espera, y una persona que llama y se da cuenta de que está esperando.

Google ha publicado límites máximos estrictos de sesión que, para algunos productos, importan más que la brecha de latencia: las sesiones de Gemini 3.8 Live tienen un tope de quince minutos de interacción solo de audio, o de dos minutos una vez que se incluye video en la transmisión. Para una llamada de soporte, eso está bien. Para una entrevista de admisión programada, una sesión de coaching o un asistente de voz de larga duración, un techo de quince minutos es una restricción de diseño con la que hay que trabajar, y que Phonic no declara. El material público de Phonic también enumera más de 50 idiomas frente a los 97 de Google, lo que invierte el déficit habitual de los recién llegados.

• Contexto y salida — Gemini 3.8 Live cuenta con 131K de contexto y un máximo de 65.536 tokens de salida; Phonic no publica una cifra de contexto.

• Multimodalidad — Gemini 3.8 Live acepta entrada visual a hasta aproximadamente un fotograma por segundo e incluye 30 voces con nombre; Phonic 1 es nativo de audio y no declara entrada visual.

• Procedencia — Google aplica marca de agua SynthID al audio generado; Phonic no hace ninguna afirmación equivalente.

• Cumplimiento — Phonic declara SOC 2 Type II, disponibilidad de BAA para HIPAA y retención cero de datos, además de implementación en la nube, de inquilino único, en VPC y autoalojada; Gemini 3.8 Live es una API alojada por Google.

Qué decisión está tomando en realidad cada lector

Si tu agente reserva, verifica, reembolsa o escala —si el éxito de la llamada es una fila de base de datos que cambió—, la puntuación agéntica del 79,9 % de Phonic 1 bien vale la tarifa por hora más alta y el historial no comprobado. La ventaja de 11,3 puntos sobre la mejor configuración de Gemini es la mayor brecha real en este enfrentamiento, y es la que se manifiesta como una diferencia en la tasa de finalización en lugar de una diferencia de preferencia.

Si tu agente necesita sobre todo mantener una buena conversación, responder con precisión y no sonar como un robot al hacerlo, el Gemini 3.8 Live estándar es la mejor compra en tres de cuatro componentes y en costo. Gana en éxito de tarea de forma rotunda, gana de forma rotunda en preferencia de arena frente a Phonic y cuesta un 17 % menos por hora de entrada. Lo que no hace es actuar: un 30,1 % en capacidad agéntica es un modelo que puede hablar sobre tu sistema de reservas, pero no usarlo.

Y si ustedes son el equipo que habría optado por el pensamiento extendido por defecto porque «thinking» suena a más modelo: los números dicen que no. Gemini 3.8 Live Extended Thinking cuesta latencia, preferencia en la arena y éxito en tareas en comparación con su propia versión hermana más económica, y aporta 38,5 puntos de rendimiento agéntico —aun así menos que Phonic, y menos de lo que necesita para justificar una llamada que tiene que completar una transacción.

Lo que hace que este enfrentamiento merezca leerse en lugar de hojearlo es que el ganador cambia según cuál de los cuatro números se pondere. Phonic 1 se lleva el compuesto porque la agencia es un tercio de la historia y lo lidera de forma decisiva. Google se lleva preferencia, finalización de tareas y precio, y lo hace con un modelo que cuesta la mitad ejecutar. El índice es un buen resumen y un mal manual de instrucciones. Lee los componentes y luego elige el que puedas medir en tu propio tráfico en un plazo de dos semanas.