Gemini 3.8 Live מול Grok Voice Think Fast 2.0: פער ה-0.3 נקודות וחשבון ה-3.2×

הן Gemini 3.8 Live והן Grok Voice Think Fast 2.0 מנמקים בזמן שהם מדברים — או ליתר דיוק, שניהם עושים זאת בהגדרה שמתחרה בפועל על ראש טבלת המובילים, אשר עבור Gemini 3.8 Live משמעה גרסת ה-Extended Thinking ולא הדרגה הסטנדרטית. שניהם תוארו על ידי היוצרים שלהם כראשונים ב-Speech to Speech Index של Artificial Analysis. רק אחת מהטענות הללו מופיעה כעת בלוח הציבורי, והפער בין שני המובילים הוא 0.3 נקודות — בקושי גדול מהשוליים שמפרידים בין מודלים סמוכים במקום אחר באותו תרשים, שזו דרך אחרת לומר שזה אינו הבדל אמיתי.

ההבדל בעלות ביניהם אינו 0.3 נקודות. מדובר בפקטור של 3.2.

האסימטריה הזו היא כל הסיפור, וזה הדבר שצריך להבין לפני קריאת ההכרזה של כל אחד מהספקים.

שתי טענות למקום הראשון

כאשר xAI הכריזה על Grok Voice Think Fast 2.0 בסוף יולי 2026, הנתונים שדווחו הציבו אותו על 82.9% במדד איכות הדיבור-לדיבור (Speech-to-Speech Quality Index) של Artificial Analysis, לפני GPT-Realtime-2.1 עם 79.1% ו-Gemini 3.1 Flash עם 69.5%. כמה כלי תקשורת עצמאיים חזרו על המסגור הזה ותיארו את המודל כמדורג ראשון בעולם בתחום הקול.

בלוח שתועד ב-16 בספטמבר 2026, לאחר ההשקה של Google, אותו מודל מופיע בתור Grok Voice Think Fast 2.0 High ב-81.3. לא 82.9. והשורה העליונה היא כעת Gemini 3.8 Live Extended Thinking ב-82.6.

הדירקטוריון במלואו, לפי הסדר:

• Gemini 3.8 Live חשיבה מורחבת — 82.6

• GPT-Live-1 (צד שרת Astra, מאמץ בינוני) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (בקאנד Sol, מאמץ נמוך) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

שני לקחים טמונים ברשימה הזאת, ואף אחד מהם אינו עוסק בשאלה איזה מודל טוב יותר. הראשון הוא שציוני מדד המדווחים על ידי הספק אינם מחזיקים מעמד: 82.9 של xAI לא שרד בלוח הציבורי, שכיום מציג 81.3. זו אינה האשמה בחוסר יושר — מדדים משולבים מתעדכנים, תצורות שונות, ומספר מיולי שנמדד מול שדה מיולי אינו שגוי, הוא רק ישן. אבל זה כן אומר שהנתון היחיד שאתה צריך לתכנן לפיו הוא כזה שאתה בעצמך קראת, עם תאריך. השני הוא ש-0.3 הנקודות שמפרידות כאן בין המקום הראשון לשלישי אינן הבדל איכות משמעותי. כל מי שבוחר בין שני המודלים האלה על סמך הנתון הזה בוחר על בסיס רעש.

קרא את הרכיבים, לא את הקומפוזיט

ציונים משולבים מסתירים מחלוקות. Speech to Speech Index הוא ממוצע משוקלל של הסקת דיבור, ביצועים סוכניים, העדפת ארנה ושיעור הצלחה במשימות — ושני המודלים בהתמודדות הזו אינם צמודים בשניים מארבעת אלה.

כאן הטענה של Google הופכת למעניינת באמת, כי כל המסר השיווקי של Grok היה ביצועים אייג'נטיים:

• ביצועים סוכניים (τ-Voice) — גוגל מדווחת על 68.6% עבור Gemini 3.8 Live Extended Thinking. xAI מדווחת על 56.5% עבור Grok Voice Think Fast 2.0, כ-11 נקודות לפני 45.7% של GPT-Realtime-2.1 וכ-19 לפני 37.7% של Gemini 3.1 Flash באותו זמן. אם שני נתוני הספקים יתקיימו, גוגל לקחה את הקטגוריה שבה xAI הובילה בכ-12 נקודות.

• חשיבה בדיבור (Big Bench Audio) — Google מדווחת על 97.7% עבור מודל Extended Thinking. xAI מדווחת על 97.2% עבור Grok. למעשה באותה רמה.

• הצלחת משימות בתהליכי עבודה בנקאיים — Google מדווחת על 35.1%במדד τ-Voice-banking של Sierra. xAI לא פרסמה נתון בר-השוואה ישיר.

• דינמיקה שיחתית (Full Duplex Bench) — Grok מדווח על 95.1%, מעט אחרי 95.7% של GPT-Realtime-2.1 ובפער ניכר לפני 74.3% של Gemini 3.1 Flash באותה העת. Google לא פרסמה נתון Full Duplex Bench עבור Gemini 3.8 Live Extended Thinking.

הערת הכנות חשובה כאן יותר מהרגיל. המספרים 68.6%, 35.1% ו-97.7% הם המספרים של Google עצמה, שפורסמו בבלוג של Google, ואף אחד מחוץ ל-Google לא שחזר אותם. המספרים 56.5%, 97.2% ו-95.1% עבור Grok מגיעים מ-xAI או מ-Artificial Analysis, ובמקרה של מיקום במדד, ניתנים לבדיקה ציבורית. הנתונים היחידים בהשוואה הזו שניתנים לאימות עצמאי הם שני ציוני המדד: 82.6 ו-81.3. כל השאר הוא טענה כנגד טענה, והטענות מושמעות על ידי גורמים בעלי אינטרס בתוצאה.

מה שניתן לומר בבטחה: גוגל טוענת ליתרון גדול בממד הספציפי שבו xAI השתמשה כדי להצדיק את העלאת המחיר שלה. אם הטענה הזו תשרוד בדיקה בלתי תלויה, ההתמודדות הזו הוכרעה בכל הנוגע ליכולת. אם לא, פער המדד של 0.3 נקודות הוא כל ההבדל, ופער המחיר הופך לבלתי מוצדק.

הצעת החוק: $1.50 לעומת $4.80 לשעה

העלות היא החלק בהשוואה הזו שאינו תלוי במתודולוגיית הבנצ'מרק של אף אחד, מפני שזהו תעריף מפורסם.

המחיר של Grok Voice Think Fast 2.0 הוא $0.08 לדקת אודיו, בערך $4.80 לשעה. זו הייתה עלייה של 60% לעומת $3.00 לשעה של Think Fast 1.0, ומשתמשים ב-alias grok-voice-latest הועברו אוטומטית ב-5 באוגוסט 2026 — מפתחים שרצו להישאר על המודל הישן היו צריכים להצמיד את ה-ID עם מספר הגרסה לפני תאריך זה או לספוג את השינוי.

Gemini 3.8 Live הוכרז ב-0.005 דולר לדקה של קלט אודיו ו-0.018 דולר לדקה של פלט אודיו. התרשים של Artificial Analysis של עלות לשעת קלט אודיו מציב אותו ב-1.50 דולר לשעה — שזה בדיוק פי 3.2 זול יותר מאשר Grok ב-4.80 דולר. לשם הקשר, אותו תרשים מציג את GPT-Realtime-2 High ב-4.14 דולר, את Qwen Audio 3.0 Realtime Plus ב-4.42 דולר, ואת GPT-Realtime-2.1 High ב-10.75 דולר.

צורת השוק ברשימה הזו שווה משפט. האפשרות הזולה ביותר בלוח היא Gemini — Gemini 3.1 Flash Live במחיר $1.42 לשעה — והשנייה הזולה ביותר היא Gemini 3.8 Live ב-$1.50. Google מיצבה את מודל הקול החדש ביותר שלה כאפשרות הזולה השנייה בקטגוריה, מתחת למודלים שאיתם היא מתחרה באיכות.

שימו לב למה שזה אומר לכל מי שעבר ל-Grok באוגוסט. בין העלאת המחיר להשקה של Google, אותו עומס עבודה עבר מ-3.00 דולר לשעה ל-4.80 דולר לשעה בצד אחד של ההתמודדות הזו, והפך לזמין ב-1.50 דולר לשעה בצד השני. שום דבר בדגמים לא השתנה כדי לגרום לכך. החלטות ניתוב שהתקבלו ביולי עולות כעת יותר מכפול ממה שעולה האלטרנטיבה, וזה בדיוק המצב שנתב קיים כדי למנוע.

היכן שגרוק עדיין מוביל

שני דברים, ואחד מהם בכלל לא קרוב.

השהיה. Grok Voice Think Fast 2.0 קיצר את הזמן עד לאודיו הראשון מ-1.25 שניות ל-0.70 שניות, שהוא הנתון המהיר ביותר שפורסם בקטגוריה. גוגל לא פרסמה כלל נתון השהיה עבור Gemini 3.8 Live — רק המלצות של שותפים המתארות "השהיה מרשימה". בשיחת טלפון, 0.70 שניות מהוות את ההבדל בין שיחה לבין עיכוב, וזהו הממד היחיד שבו הטענה של xAI היא גם ספציפית וגם בלתי מעורערת. אם המוצר שלך הוא טלפוניה, זה עשוי לגבור על כל האמור לעיל.

חוסן בתמלול. xAI העריכה שיעור שגיאות מילים על פני אלפי ביטויים קצרים ב-24 שפות ומדווחת על שגיאה נמוכה פי 1.5–2.0 מאשר מודלי STT ייעודיים, כולל Deepgram Nova 3 ו-ElevenLabs Scribe v2, נמוכה פי 1.4 מאשר Think Fast 1.0, ונמוכה בערך פי 10 בסביבות רועשות הכוללות רעש רקע ודחיסת טלפוניה. אלו נתונים שמדווחים על ידי הספק ואינם מאומתים באופן בלתי תלוי, והטענה בנוגע לסביבה רועשת היא זו שכדאי לבדוק קודם, מפני שהיא הספציפית ביותר והקלה ביותר להפרכה.

ל-Grok יש גם יכולות מעשיות למפתחים שראוי לציין: API של WebSocket תואם OpenAI Realtime, PCM16 ב-24 kHz עם μ-law לטלפוניה, זיהוי פעילות קולית בצד השרת, אסימונים ארעיים לאפליקציות דפדפן, שיבוט קול בהתאמה אישית מכ-דקה של דיבור, ונפח אסימוני חשיבה של בערך 0.4× מזה של הגרסה הקודמת.

לאן מוביל Gemini 3.8 Live Extended Thinking

מעבר למיקום במדד ולפער הסוכני הנטען, גורמי הבידול הם מבניים:

• ראייה — Gemini 3.8 Live מעבד קלט חזותי כמעט בזמן אמת. ל-Grok Voice Think Fast 2.0 אין עיגון חזותי דומה.

• כיסוי שפות — 97 שפות נתמכות עם החלפה אוטומטית באמצע השיחה, לעומת 25+ של Grok.

• נימוק בקריינות — גרסת ה-Extended Thinking מדברת תוך כדי עבודתה, בעזרת רמזים כמו "תן לי לבדוק את זה…" וקריינות התקדמות בזמן אמת, התנהגות קריאה יותר עבור משתמש שממתין למשימה מרובת שלבים.

• סימון מים — כל האודיו שנוצר נושא את SynthID.

• עלות — זול פי 3.2 לשעה של אודיו קלט.

המשקולות שכנגד אמיתיות. Google לא פרסמה נתון השהיה, לא חלון הקשר, ולא מספרים לפי רכיב שאיש מחוץ לחברה שחזר. הזמינות של Google היא תצוגה מקדימה, לא זמינות כללית: מפתחים מקבלים אותו ב-Gemini API וב-Google AI Studio, ארגונים בתצוגה מקדימה פרטית ב-Gemini Enterprise, וצרכנים דרך Gemini Live, Docs Live, Gmail Live, ו-Keep Live. המודל של Grok זמין באופן כללי היום וה-API שלו מתועד.

השכבה ששניהם יושבים עליה

דמיון מבני אחד קל לפספס, והוא חשוב יותר מכל אחד מדפי המפרט. שני המודלים מאצילים. ההיסק המקבילי של Grok כמעט תמיד מסתיים בקריאה לכלי או בחיפוש, והרצת הכלים ברקע של Google בנויה במפורש כך שהשיחה נמשכת בעוד שקריאות ה-API מסתיימות. מתחת לשתי חזיתות הקול הללו נמצא עומס עבודה רגיל של מודל טקסט — ושם נמצא רוב העלות הכוללת שלך וכמעט כל גמישות המעבר שלך.

OrcaRouter מריץ 190 מודלים מאחורי מפתח אחד במחיר המחירון של הספק ללא תוספת, מה שאומר שהורדת מחיר מצד ספק נכנסת לתוקף אצלנו באותו יום ולא בחידוש הבא. זה לא דבר של מה בכך בקטגוריה שבה מודל מרכזי אחד העלה את תעריפו לדקה ב-60% בתוך שבועות. התכונה האחרת שחשובה לקול היא מעבר אוטומטי לגיבוי: שיחה שנקטעת כי ל-backend פג הזמן המוקצב היא לקוח שאבד, והיכולת להחליף את יעד ההאצלה בתעבורה חיה בלי לשכתב את אינטגרציית הקול היא מה שהופך את בחירת ה-front-end להפיכה. ליתר דיוק לגבי ההיקף — נקודות הקצה Grok Voice Think Fast 2.0 ו-Gemini 3.8 Live אינן בנתב שלנו; הן מגיעות מה-API של הספקים עצמם. מודלי הטקסט שאליהם הן מאצילות נמצאים בדרך כלל אצלנו.

מה יפתור את זה?

ההתמודדות הזו קלה באופן יוצא דופן להכרעה, מפני שהראיות המכריעות ספציפיות וממתינות. שלושה דברים יעשו זאת:

• ‏τ-Voice העצמאי פועל על Gemini 3.8 Live Extended Thinking. גוגל טוענת ל-68.6% לעומת 56.5% של Grok. זהו פער של 12 נקודות בקטגוריה שבה גוגל היסטורית לא הובילה, וזהו המספר היחיד שמשנה יותר מכל את ההכרעה.

• נתון השהיה שפורסם. עד שגוגל תפרסם נתון כזה, 0.70 השניות של Grok ניצבות ללא מתחרים, ולקוני טלפוניה יש רק בחירה אחת ניתנת להגנה.

• זמינות כללית ותמחור יציב.תמחור בתצוגה מקדימה משתנה. תעריף שעתי של $1.50 שמוכפל ב-GA ישכתב את ההשוואה הזו לחלוטין.

עד שהם יגיעו, העמדה הניתנת להגנה צרה יותר ממה שכל אחת מההכרזות מרמזת. Grok Voice Think Fast 2.0 נותר הבחירה הנכונה במקום שבו השהיה היא האילוץ ועומס העבודה הוא בצורת טלפוניה. Gemini 3.8 Live Extended Thinking הוא הבחירה הנכונה במקום שבו לעומק החשיבה, לראייה או לרוחב השפות יש משמעות ואתה יכול לסבול סטטוס תצוגה מקדימה והשהיה שלא פורסמה. והפער של 0.3 נקודות ביניהם לא אמור להכריע דבר — ה-3.2× כן.