
Realtime 1 vs Gemini 3.8 Live : le gagnant de l’arène est celui qui ne parvient pas à terminer la tâche
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 182 tok/s
Gemini 3.8 Live obtient le meilleur Elo d’arène de tous les modèles vocaux du classement parole-à-parole d’Artificial Analysis — 1074, devant les 1037 de GPT-Live-1 et nettement au-dessus des 990 d’Eleven Realtime Max. Il affiche aussi le taux de réussite des tâches le plus élevé de cet ensemble de comparaison, 93,2 %. Et il obtient 30,1 % à l’accomplissement de tâches agentiques, soit le chiffre le plus faible des quatre. Ces trois chiffres décrivent le même modèle, et comprendre pourquoi ils coexistent est toute la question lorsqu’on le compare à MAI Realtime 1, le nouveau modèle parole-à-parole de Microsoft annoncé le 17 novembre 2026, qui cible précisément ce dans quoi Gemini 3.8 Live est le plus mauvais.
L’un de ces modèles est un causeur. L’autre est vendu comme un opérateur. Aucun des deux n’a publié assez d’éléments pour prouver lequel est lequel sur votre charge de travail, mais ils échouent dans des directions opposées, et c’est plus utile qu’un tableau de scores où tout est serré.
Deux paris différents sur ce à quoi sert un modèle vocal
Le positionnement de Google pour Gemini 3.8 Live est restreint et assuré : c’est le modèle Live API par défaut pour « la plupart des expériences d’agents vocaux à faible latence, sans délais de raisonnement », avec un modèle frère — Gemini 3.8 Live Extended Thinking — pour les cas nécessitant un « raisonnement d’arrière-plan plus poussé » pendant l’interaction. Cette séparation indique ce à quoi Google estime que le modèle de base ne sert pas. Le véritable raisonnement réside dans le modèle frère.
Le positionnement de Microsoft pour MAI Realtime 1 est l’image miroir. Il s’agit d’un « de la parole à la parole avec un flux conversationnel naturel et une pilotabilité précise », et l’architecture est explicitement à deux niveaux : un système rapide maintient le dialogue en temps réel, et les tâches plus difficiles sont « acheminées vers un moteur de raisonnement plus puissant sans pauses gênantes ». Microsoft ne vend pas un meilleur interlocuteur. Elle vend un répartiteur qui parle assez bien pour garder la ligne active pendant que quelque chose d’autre fait le travail.
• Gemini 3.8 Live — un seul modèle, délibérément rapide, le raisonnement étant disponible sous la forme d’un homologue plus lourd et distinct que vous choisissez pour chaque déploiement.
• MAI Realtime 1 — un seul produit, deux moteurs derrière, qui monte en puissance à chaque tour plutôt qu'à chaque déploiement.
• La différence pratique — Google vous demande de choisir un paramètre au moment de l’intégration. Microsoft vous demande de faire confiance à un routeur intégré au modèle et de payer son niveau de raisonnement au token.
Ce que les chiffres indépendants disent de Gemini 3.8 Live
C'est le côté de l'affrontement avec de vraies mesures, et elles sont bonnes :
• Indice parole-à-parole — 74,5, contre 82,6 pour la variante Extended Thinking. L’indice le pénalise sur la colonne agentique, et non sur la conversation.
• Raisonnement vocal (Big Bench Audio) — 91,7 %. Solide, et 97,7 % sur Extended Thinking.
• Dynamique conversationnelle — 96,1 %. C’est de là que vient l’arena Elo : elle gère le rythme humain d’un appel aussi bien que tout ce qui a été mesuré.
• Arena Elo — 1074, la valeur la plus élevée de l’ensemble de comparaison. La préférence humaine, en pratique, et elle n’est pas près du bas de cette liste.
• Taux de réussite des tâches — 93,2 %, également le plus élevé de l’ensemble.
• Achèvement de tâches agentiques (τ-Voice) — 30,1 %. L’exception, et la raison pour laquelle l’indice composite se situe sous la version à raisonnement étendu.
• Temps jusqu'au premier audio — 1,18 seconde. Pas le plus rapide — Eleven Realtime Max le fait en 0,57 — mais suffisamment rapide pour que l'affirmation « aucune latence de raisonnement » soit crédible.
Coût mixte — environ 0,84 $ par heure selon la normalisation d’Artificial Analysis. La grille tarifaire officielle de Google indique 0,005 $ par minute d’entrée audio et 0,018 $ par minute de sortie audio, ce qui, sur un appel bidirectionnel continu, se rapproche de 1,38 $ l’heure ; l’écart tient à une convention de mesure, non à une contradiction, et aucun des deux chiffres ne doit être cité à la place de l’autre.
Comparez le score agentique au score de réussite des tâches, et quelque chose d’important apparaît. Un taux de réussite des tâches de 93,2 % à côté d’un taux d’achèvement agentique de 30,1 % signifie que le modèle est très bon sur les tâches que le harnais considère comme conversationnelles et faible sur celles qui exigent de planifier sur plusieurs étapes et d’utiliser des outils. Ce sont des instruments différents, et leur désaccord constitue le constat. Gemini 3.8 Live tiendra probablement une meilleure conversation que MAI Realtime 1. Savoir s’il prendra le rendez-vous à la fin de cette conversation est une autre question, et selon les seules preuves publiques disponibles, c’est la moitié la plus faible.

Ce que disent les chiffres de Microsoft, qui est un seul chiffre
MAI Realtime 1 n’a aucun score indépendant. Artificial Analysis ne référence pas le modèle au 18 novembre. Ce que Microsoft publie lui-même, c’est un unique chiffre de précision sur la page du modèle — 98,8 % sur Big Bench Audio, étiqueté sur place comme la précision sur des questions de raisonnement à l’oral issues de ce benchmark —, plus une carte P50 time-to-first-audio et une légende « P50 Latency on BigBench Audio ». Aucun chiffre τ-Voice, aucune liste des langues prises en charge, aucune distribution derrière le percentile, aucune note méthodologique à côté du chiffre de précision. Comparez cela aux 91,7 % de Gemini 3.8 Live sur le même benchmark, tels que mesurés par Artificial Analysis, et vous comparez l’évaluation d’un fournisseur à celle d’un tiers : les deux chiffres ne sont pas de même nature, et considérer 98,8 % comme une avance de sept points serait exactement le blanchiment que cet article cherche à éviter. L’argument plus large de l’entreprise est que le modèle se situe sur la frontière de Pareto performance-prix pour Big Bench Audio et τ-Voice, et qu’il surpasse GPT Realtime 2.1 en qualité, vitesse et prix — une comparaison avec le modèle vocal de raisonnement facturé au token d’OpenAI, et non avec Gemini 3.8 Live.
Ainsi, toute comparaison directe entre ces deux modèles aujourd’hui revient à comparer un profil mesuré par un tiers et le chiffre phare annoncé par un fournisseur. Ce n’est pas une raison pour éviter la confrontation. C’est une raison pour être précis sur ce à quoi chaque partie s’est réellement engagée.
Ce à quoi Microsoft s'est engagé, concrètement : 0,01 $ par minute audio, le raisonnement à 1,00 $ par million de jetons d'entrée et 5,00 $ par million de jetons de sortie, une interface compatible avec l'API Realtime d'OpenAI, une préversion Foundry à accès limité non facturée jusqu'à la préversion publique, une démo non commerciale de deux minutes dans MAI Labs réservée aux adultes, un score de 98,8 % rapporté par le fournisseur sur Big Bench Audio avec une valeur de latence P50 et aucune distribution à l'appui, des déploiements nommés à venir dans Dynamics 365 Contact Center et les simulations de formation d'infirmières de Dragon Copilot, et des tests précoces chez Agoda et Reservations.ai.
Ce à quoi il ne s’est pas engagé : les langues, τ-Voice, la résidence des données, leur conservation, ni une date de disponibilité générale.

La comparaison des coûts, réalisée correctement
Sur la seule ligne vocale, l'écart n'est pas subtil. Une minute d'audio Gemini 3.8 Live, entrée et sortie combinées, revient à 0,023 $ sur la grille tarifaire de Google. Une minute de MAI Realtime 1 revient à 0,01 $ avant raisonnement. Soit environ 2,3 fois plus, et contrairement à la comparaison avec ElevenLabs, il n'y a pas de frais de conformité ni de plateforme du côté de Google pour creuser l'écart.
Mais la différence de coût intéressante ne tient pas au tarif. Elle tient à l’endroit où retombe la facture de raisonnement. La réponse de Gemini 3.8 Live à un tour difficile est un autre modèle que vous déployez — Gemini 3.8 Live Extended Thinking, à 3,50 $ par heure selon la base de calcul d’Artificial Analysis et à 82,6 sur l’indice. C’est une décision de déploiement, facturée par heure d’audio, que le tour concerné en ait eu besoin ou non. La réponse de MAI Realtime 1 est une escalade par tour facturée au token, moins chère lorsque peu de tours sont difficiles et plus chère lorsque la plupart le sont.
• Des tours généralement faciles, une escalade occasionnelle — le modèle par token de MAI Realtime 1 l’emporte, et de loin.
• Surtout des tours difficiles — le tarif fixe de 3,50 $ l’heure de Gemini 3.8 Live Extended Thinking est l’option la plus prévisible, et la prévisibilité compte lorsqu’on prévoit un budget de centre de contact.
• Trafic mixte sans répartition claire — vous choisissez entre une estimation à l’heure que vous pouvez défendre et une estimation par jeton que vous devez mesurer. Ce sont des conversations d’approvisionnement différentes.
Il convient de noter que l'offre gratuite de Google couvre Gemini 3.8 Live sans frais en entrée et en sortie, avec une limitation du débit. Pour un prototype, c'est un réel avantage par rapport à un formulaire d'inscription et à une liste d'attente.
Les langages, qui déterminent plus de matchups que ne le font les benchmarks
Gemini 3.8 Live hérite du comportement multilingue de l’API Live, et la documentation de Google considère les dialogues en langues autres que l’anglais comme un usage ordinaire. Les supports de lancement de MAI Realtime 1 ne mentionnent pas une seule langue prise en charge. La lignée vocale de Microsoft passe par Dragon, un produit de dictée clinique fortement déployé en anglais, et l’annonce de Transcribe 2 évoque une réduction de moitié des taux d’erreur multilingues — mais il s’agit du modèle de transcription, pas du modèle temps réel, et ce n’est pas une liste de langues.
Si votre agent ne sert qu’un marché anglophone, ce n’est qu’une note de bas de page. S’il en sert trois, MAI Realtime 1 n’est pas encore un candidat que vous pouvez évaluer, car l’aperçu ne vous dira pas ce qu’il fait dans les langues dont vous avez besoin.
Comment effectuer la comparaison avant que l’un ou l’autre des fournisseurs ne tranche
Les deux modèles parlent l’API Realtime d’OpenAI — celle de Google, la Live API, via sa propre interface, celle de Microsoft explicitement par conception. Le côté Gemini est étroitement lié mais non identique en sémantique de session, donc prévoyez un adaptateur plutôt qu’un simple remplacement d’URL de base ; le côté MAI Realtime 1 est plus proche d’un remplacement direct selon la description de Microsoft elle-même.
L’évaluation qui décide de ce duel n’est pas une campagne de benchmark. C’est une campagne de complétion de tâches : donnez à chaque modèle les mêmes vingt requêtes réelles qui exigent un appel d’outil et une seconde étape, puis comptez combien aboutissent. Le chiffre agentique de 30,1 % de Gemini 3.8 Live fixe votre a priori — il devrait en terminer environ six. S’il se situe près de ce niveau, l’avantage de prix ne vous apporte rien sur cette charge de travail. S’il se situe près des 87 % que Eleven Realtime Max gère sur le même banc de test, l’architecture à deux niveaux de Microsoft fait ce qu’elle annonce et le duel est terminé.
Cette évaluation exige que la couche de raisonnement située derrière le modèle vocal soit instrumentée, car côté Microsoft, c'est là que la deuxième étape se produit réellement. OrcaRouter est l'endroit où cette couche se branche : plus de 200 modèles derrière une seule clé, au prix catalogue du fournisseur, avec 0 % de marge, un basculement automatique pour qu'un appel de raisonnement qui bloque ne se transforme pas en quatre secondes de silence sur un appel en direct, et un DSL de routage qui permet de faire du chemin d'escalade une règle plutôt que du code que vous maintenez dans le gestionnaire vocal. MAI Realtime 1 lui-même ne figure pas dans notre catalogue — il est accessible via MAI Labs et l'aperçu à accès limité de Foundry — donc ce que nous routons, c'est tout ce vers quoi il délègue, plus les modèles frères de Gemini 3.8 Live si vous choisissez la voie Google.
Ce que l’aperçu change au calendrier des achats
Mettez les deux voies de disponibilité côte à côte : l’asymétrie cesse alors de tenir aux modèles pour tenir au temps qu’il faut pour savoir quoi que ce soit. Gemini 3.8 Live est aujourd’hui en disponibilité générale sur l’API Live de Google, avec un niveau gratuit couvrant l’entrée et la sortie dans la limite d’un quota, ce qui signifie qu’un pic de deux jours peut produire un chiffre d’achèvement de tâche avant la fin de la semaine. MAI Realtime 1, c’est un formulaire d’inscription, une liste d’attente, une démo non commerciale de deux minutes réservée aux adultes, et une préversion que Microsoft a déclaré ne pas vouloir facturer avant le début de la préversion publique.
Ce sont des types de friction différents, et ils favorisent des équipes différentes. Si vous avez besoin d’une réponse maintenant et que cette réponse doit être défendable devant la personne qui signe la facture, Gemini 3.8 Live vous fournit un profil mesuré, adossé à un harnais public et à un tarif publié que vous pouvez discuter. Si vous avez de la capacité d’ingénierie à revendre et aucune échéance ce trimestre, la preview Microsoft est l’expérience utile la moins chère de la catégorie — un centime par minute qui ne coûte rien aujourd’hui, face à un modèle qu’aucun tiers n’a mesuré, sur une interface que vous connaissez probablement déjà.
• Prototypez cette semaine, décidez le trimestre prochain — les deux options fonctionnent, et les offres gratuites des deux côtés rendent l’expérience presque gratuite.
• Prototyper cette semaine, livrer le mois prochain — Gemini 3.8 Live, parce que MAI Realtime 1 n'a pas de date de GA et aucun moyen d'en prévoir une.
• {{1}}Les données ne peuvent pas quitter votre espace locataire ni votre région{{/1}} — aucune de ces deux options n’est la réponse selon les conditions publiées ; Google propose des contrôles régionaux sur Live API, Microsoft n’a rien dit concernant la résidence des données pour Realtime 1.

Pour qui cela se répartit
Choisissez Gemini 3.8 Live si le produit est une conversation. Si la valeur réside dans le timbre de l’agent, sa façon de gérer les interruptions, la rapidité de ses réponses et son efficacité en six langues, il affiche le meilleur profil mesuré de toute sa gamme de prix, avec un forfait gratuit pour le vérifier. Le score agentique de 30,1 % n’a d’importance que si vos appels doivent aboutir à une action accomplie plutôt qu’à un échange bien géré.
Prenez MAI Realtime 1 au sérieux si le produit est une transaction — une réservation, une réclamation, une recherche qui traverse plusieurs systèmes — et si vous pouvez vous accommoder de l’anglais uniquement jusqu’à ce que Microsoft publie d’autres informations. À un cent par minute avec une préversion non facturée, c’est le moyen le moins cher de déterminer si un routeur côté fournisseur surpasse votre routeur côté application. Le risque n’est pas financier. Il est que vous mettriez en production un modèle dont le seul chiffre de précision publié est son propre 98,8 %, sans réexécution à l’appui, sans score τ-Voice, sans liste de langues et sans distribution de latence — et la seule partie qui peut combler cet écart ce mois-ci, c’est vous, avec votre propre instrumentation.
Ce qu’aucun des deux camps n’a fait, c’est publier le chiffre qui trancherait la question : quelle proportion des conversations réelles nécessite le second moteur. La réponse de Google est de vous vendre un second modèle et de vous laisser décider déploiement par déploiement. Celle de Microsoft est de décider à chaque tour et de vous la facturer. Ce sont deux conceptions honnêtes. Une seule d’entre elles est mesurable aujourd’hui, et ce n’est pas la moins chère.
