Gemini 3.8 Live לעומת Sesame Preview: הקול שאפשר להעריץ מול זה שאפשר להתקשר אליו
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 84 tok/s
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 74 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 724 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 36 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 821 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040אינטליגנציה
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 108 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 לכל 1M טוקנים · 185 tok/s
הסוכן הקולי של Sesame מקבל 4.5 מתוך 5 על "נשמע אנושי". הסוכן של Gemini 3.8 Live מקבל 4.0. הסוכן של Sesame גם משלים 71% מתהליכי קביעת תורים בעוד שהסוכן של Gemini 3.8 Live משלים 78%, והסוכן של Sesame יוצר שגיאות בקריאות לפונקציה בשיעור כפול בערך. אם אתם בוחרים סטאק קולי לעסק שקובע תורים, המודל שנשמע טוב יותר מפסיד — והוא מפסיד מסיבות שאין להן שום קשר לכמה טוב הוא נשמע.
הנתונים האלה מגיעים מהשוואה ראש בראש של צד שלישי על פני 1,500 שיחות לקוח לכל מודל בתסריטי הזמנות, והם מגיעים עם שתי הסתייגויות חשובות. הם אינם שלנו ולא שוחזרו באופן עצמאי, וצד Gemini השתמש בדור Gemini Live מתחילת 2026, ולא במודל שהמאמר הזה עוסק בו. Gemini 3.8 Live הוא מהדורת דיבור-לדיבור של Google מ-15 בספטמבר 2026, זמין כעת ב-Live API. Sesame Preview הוא עוזר הקול הצרכני של Sesame, בחינם ב-iOS מאז מאי 2026 ובאופן נרחב ב-Android מאז תחילת אוגוסט 2026, בנוי סביב ארבעה סוכנים בשמות — Maya, Miles, Simone, Charlie — ומתואר באופן נרחב כעוזר הקול הנשמע האנושי ביותר שמישהו דיבר איתו.
ההתמודדות היא לא ממש מודל מול מודל. זה מוצר שאפשר להעלות לפרודקשן מול חוויה שאפשר רק לבקר בה.
הצורה של כל דבר
Gemini 3.8 Live הוא משטח למפתחים. הוא מופץ בתור gemini-3.8-live ו-gemini-3.8-live-extended-thinking ב-Live API, במחיר של $0.005 לדקת אודיו נכנס ו-$0.018 לדקה יוצאת, עם טקסט ב-$0.75 ו-$4.50 למיליון טוקנים וקלט תמונה או וידאו ב-$1.00 למיליון. הוא תומך ב-97 שפות עם החלפה תוך כדי שיחה, מעבד קלט חזותי בזמן כמעט אמיתי, מריץ קריאות לכלים ול-API ברקע בזמן שהשיחה נמשכת, ומטביע סימן מים עם SynthID בכל שנייה של אודיו מיוצר. גרסת ה-Extended Thinking מנמקת ומדברת בעת ובעונה אחת, ומתארת בקול את ההתקדמות כדי שהקו לא יישתוק במהלך משימה ארוכה. המיקום שמדווח על ידי הספק, גוגל, הוא שני ב-Speech Agent Arena, עם המקום הראשון במדד Speech to Speech Quality Index של Artificial Analysis, בציון 82.6 עבור המשפחה. המספרים של גוגל, מהשבוע הזה, ללא שחזור.
Sesame Preview היא אפליקציה לצרכנים. היא באנגלית בלבד. יש תקרה של 30 דקות לשיחה, שיורדת לחמש דקות כשאתה מנותק. הסוכנים שלה שומרים על הקשר בין הפעלות, מחפשים באינטרנט, ומגדירים תזכורות — אבל הם לא מזמינים, קונים או מגישים דבר. אין מסלול ארגוני ואין תמחור פומבי.
שתיהן מערכות שיחה בדופלקס מלא, עם חילופי תורות טובים מספיק עד שאנשים מפסיקים לשים לב לכך. כאן מסתיים הדמיון.
מה שההשוואה הישירה היחידה שיש לנו למעשה מראה
ההשוואה של CallSphere הרצה סקריפטים של תהליכי הזמנה בהיקף גדול ודיווחה על ארבעה נתונים לכל מודל. בסיום, Gemini Live השלים 78% מההזמנות לעומת 71% של Sesame Maya. בשגיאות קריאה לפונקציה, Gemini Live רשם 3.3% לעומת 6.7% של Maya. בהשהיית p95, Maya הייתה מהירה יותר — 480 מ״ש לעומת 640 מ״ש. ובמדד הסובייקטיבי, "נשמע אנושי" בדירוג 1 עד 5, Maya קיבלה 4.5 לעומת 4.0 של Gemini Live.
אם קוראים את אלה יחד, מופיע דפוס שאף שורה בודדת לא מציגה. Sesame מנצחת בשתי השורות שאדם שם לב אליהן, ומפסידה בשתי השורות שעסק שם לב אליהן. טבעיות והשהיה הן מה שהמתקשר מרגיש; שיעור השלמה ושיעור שגיאות הם מה שמופיע בהתאמות. קול שנשמע כמו אדם אך מפיל שיחה אחת מכל חמש עשרה בתהליך הזמנה אינו סוכן קולי טוב יותר — הוא הדגמה טובה יותר.
שתי הסתייגויות כנות. ההשוואה היא בלוג של ספק אחד, ולא הערכה שעברה ביקורת עמיתים, ו-1,500 קריאות לכל מודל על סוג תסריט בודד הן פרוסה צרה. והנתונים של Gemini מתארים את הדור של Gemini Live שמושק בתחילת 2026, שהוא בפיגור של לפחות מודל שלם אחד אחרי 3.8 Live. החלת המספרים האלה על Gemini 3.8 Live תהיה ניחוש. איש לא פרסם השוואה ראש-בראש הכוללת את המודל 3.8.
החלק שכמעט כל מאמר טועה בו
כל סקירה שמשבחת את הקול של Sesame למעשה משבחת את האפליקציה, והקול של האפליקציה הוא מודל הפקה גדול וסגור ש-Sesame מעולם לא שחררה כ-API. אין דרך לקנות אותו, לקבל עליו רישיון או לקרוא לו. אם קראתם שתזמון השיחה של Sesame הוא הטוב ביותר בשוק והסקתם שאפשר להשיג אותו, המסקנה אינה נובעת מן הראיות.
מה ש-Sesame למעשה שחררה כקוד פתוח הוא CSM-1B — וריאנט מודל הדיבור השיחתי בגודל 1B, שיצא תחת Apache-2.0 במשפחת Moshi. זהו בלוק סינתזה, לא עוזר: שלד Llama חוזה את ספר הקודים הראשון של Mimi ודקודר Llama קטן יותר חוזה את השאר, שאותם ממיר קודק Mimi לגל צליל של 24 קילוהרץ. הוא מיועד לאנגלית בלבד, הוא משכפל קול מתוך קטע ייחוס נקי של 10 עד 15 שניות, והוא כלל לא יכול לייצר טקסט — אתם מצמידים לו מודל שפה נפרד. אנשים שהריצו את שניהם מתארים את הקול של CSM-1B כחלש באופן מובהק מזה של אפליקציית Preview. הוא זמין באירוח בתשלום של 7 דולר למיליון תווים מספק צד שלישי אחד, בערך 0.35 דולר לשעת אודיו, או בחינם אם אתם מארחים אותו בעצמכם.
כרטיס המודל אומר את החלק השקט בקול רם: גרסה מכווננת של CSM מפעילה את ההדגמה הקולית האינטראקטיבית, שאינה הצ'קפוינט שתוכלו להוריד. אז הגרסה הכנה של "Sesame מול Gemini" היא זו: ל-Sesame יש קול סגור ויפה שאין לכם גישה אליו, ובלוק סינתזה קטן ופתוח שכן יש לכם, והם לא אותו דבר. ל-Google יש מודל אחד שתוכלו לקרוא לו והוא זה שהם מפרסמים. האסימטריה הזו שווה יותר לבונה מכל ציון טבעיות.
מפרט ניגודיות
• מה מקבלים — Gemini 3.8 Live, API שניתן לקרוא לו היום, לעומת Sesame Preview, אפליקציית צרכן חינמית ללא API לקול הפרודקשן שלה
• קול לייצור שניתן לרישוי — Gemini 3.8 Live כן, תשלום לפי דקה לעומת Sesame Preview לא, מעולם לא שוחרר
• ארטיפקט פתוח — Gemini 3.8 Live ללא, סגור לעומת Sesame Preview CSM-1B, Apache-2.0, מודל שונה וחלש יותר
• שפות — Gemini 3.8 Live 97 מול Sesame Preview אנגלית בלבד
• קריאה לכלים — Gemini 3.8 Live: קריאות כלי רקע ו-API במהלך השיחה, לעומת Sesame Preview: הסוכנים זוכרים את ההקשר ומחפשים באינטרנט אך אינם מבצעים משימות
• מגבלת סשן — Gemini 3.8 Live לא פורסם על ידי Google לעומת Sesame Preview 30 דקות, 5 כשמנותקים
• טבעיות — Gemini 3.8 Live לא נמדד בציר זה, לעומת Sesame Preview שדורג כמוביל בקטגוריה על סמך רשמי האזנה, בלי בנצ'מרק בלתי תלוי לאף אחד מהשניים
• השהיה — Gemini 3.8 Live לא פורסם, לעומת Sesame Preview עם 250–450 מ״ש מקצה לקצה עבור Maya, מתחת ל-300 מ״ש לזרימה של בייט ראשון, לפי מדידה של צד שלישי
• מסלול Enterprise — תצוגה מקדימה פרטית של Gemini 3.8 Live ב-Gemini Enterprise, מגיע בקרוב ל-Customer Experience לעומת Sesame Preview: אין
• כיוון מוצהר — אינטגרציות Gemini 3.8 Live Live API עם Agora, LiveKit, Pipecat, Fishjam ואחרים לעומת שותפויות מחקר של Sesame Preview וחומרת משקפיים המתוכננת ל-2027
שורת הטבעיות היא זו שאנשים מתווכחים עליה, ושימו לב למה שהיא אומרת: לאף אחד מהמודלים אין מדד עצמאי לשאלה עד כמה הוא נשמע אנושי. מה שכן קיים הוא שהאפליקציה של Sesame זוכה לשבחים ממאזינים, בעוד ש-Google מגיעה למקום השני בזירה. אלה אינן אותה מדידה, ולזירה לפחות יש מתודולוגיה.
מה עולה הטבעיות מבחינה תפעולית
הטעות היא להתייחס לטבעיות כתכונה שמוסיפים. זו עסקה שאתה עורך, והעסקה היא בדרך כלל על חשבון אמינות הכלים — משום שההתנהגויות שגורמות לקול להישמע אנושי, ההססנויות, החפיפות, הנכונות לוותר באמצע המשפט, נוצרות על ידי מודל שמשקיע קיבולת בפרוזודיה ובחילופי תורות במקום בדקדוק הקפדני של קריאה לפונקציה. זהו המנגנון שמאחורי שיעור השגיאה של 6.7% לעומת 3.3%, באופן הרבה יותר סביר מכל טענה שמעבדה אחת טובה יותר בהנדסה.
יש לכך גם עלות תשתית שאיש לא מתקצב. קול שנשמע אנושי מעלה ציפיות, ומתקשר שמאמין שהוא מדבר עם אדם לא יסבול "לא קלטתי את זה" פעמיים ברצף. תקרת 30 הדקות של Sesame עצמה היא הודאה שקטה שמודל מהסוג הזה יקר להפעלה ברציפות — תקרה ש-Google לא מפרסמת עבור 3.8 Live, וזה לא אותו דבר כמו לומר שאחת כזו לא קיימת.
איזה מהם שייך לסטאק שלך?
בחרו ב-Gemini 3.8 Live כשהקול הוא אמצעי ולא מטרה: תיאום, מיון ראשוני, תמיכה — כל דבר שבו המתקשר רוצה תוצאה. אתם מקבלים API כבר היום, תעריפים מפורסמים, לולאת כלים שרצה ברקע, 97 שפות, ומסלול ארגוני אם אתם צריכים אחד.
בחר ב-Sesame Preview כאשר אתה לומד איך איכות שיחתית אמורה להרגיש, או כאשר אתה בונה חוויית צרכן שבה השיחה עצמה היא המוצר. זה בחינם, זה באמת הדבר שנשמע הכי טוב שקיים, וזה מקום מצוין לכייל את הטעם שלך. אל תתכנן סביבו אינטגרציה לפרודקשן, כי אין עם מה להתממשק.
רוב הצוותים הרציניים מגיעים בסופו של דבר להיברידי, וההיברידי הוא המקום שבו ניתוב מפסיק להיות אופציונלי. שימו מודל שנשמע טבעי בתורות הפתיחה והאישור, שבהן מורגשים השהיה וחמימות, ושימו מודל אמין בכלים על תורות העסקה, שבהן טעות פירושה הזמנה שאבדה. OrcaRouter בנוי לצורה הזו של סטאק — מיזוג מודלים מאפשר לפאנל של מודלים להשיב יחד כאשר שיקול הדעת של מודל בודד אינו טוב מספיק, ה-DSL לניתוב מרכיב כמה לקריאה אחת, ומעבר כשל מעביר תעבורה ממודל שמתחיל להתנהג לא כראוי בלי פריסה מחדש. כאשר ספק כן מפרסם תעריף, אנחנו מעבירים את מחיר המחירון של הספק ללא תוספת, כך שהורדת מחיר מגיעה לחשבון שלך באותו יום.
מה כדאי לעקוב אחריו: API לקול של Sesame בגרסת פרודקשן, או בנצ'מרק שמודד טבעיות כפי שהארנה מודדת איכות. כל אחד מהשניים היה הופך את זה מבחירה בין גישה לחוויה להשוואה ממשית. עד אז, אחד מהמודלים האלה אפשר לקרוא לו, ואת השני אפשר רק להעריץ, וזה מכריע את העניין מהר יותר מכל ציון.
רוב הצוותים הרציניים מגיעים בסופו של דבר לתצורה היברידית, והתצורה ההיברידית היא המקום שבו ניתוב מפסיק להיות אופציונלי. הציבו מודל שנשמע טבעי בתורות הפתיחה והאישור, שבהן מרגישים את ההשהיה והחמימות, והציבו מודל אמין בכלים בתורות העסקה, שבהן שגיאה פירושה הזמנה שאבדה. OrcaRouter בנוי לצורה הזו של סטאק - מיזוג מודלים מאפשר לפאנל של מודלים להשיב יחד כאשר שיקול הדעת של מודל בודד אינו טוב מספיק, ה-DSL לניתוב מרכיב כמה מהם לקריאה אחת, ו-failover מעביר תעבורה ממודל שמתחיל להשתבש בלי פריסה מחדש.
