GPT-Live-1.1 לעומת Gemini 3.8 Live: שישה שפות חדשות מול תשעים ושבע, ומדוע הפער הזה אינו כל הסיפור
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 71 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 · 738 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 · 35 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 · 109 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 · 184 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845אינטליגנציה75כתיבת קוד
תספרו את השפות והקרב נראה גמור עוד לפני שהוא מתחיל. Gemini 3.8 Live, שהוכרז על ידי Google DeepMind ב-15 בספטמבר 2026, תומך ב-97 שפות עם מעבר אוטומטי בין שפות באמצע השיחה מאז ההשקה. GPT-Live-1.1, שהושק על ידי OpenAI ב-15 באוקטובר 2026, מוסיף שלוש עשרה אפשרויות קול חדשות — שתיים לכל אחת מצרפתית, גרמנית, הינדי, יפנית, קוריאנית וספרדית מקסיקנית, ובנוסף קול אנגלי בשם Bubbie. שש שפות חדשות מול תשעים ושבעה הוא יחס שאיש לא צריך לחשוב עליו.
זו גם השוואה בין שבוע של עבודה לבין שנה של כיסוי, ולכן המספר שמסיים את הוויכוח אינו המספר שאמור להכריע בו. שתי ההשקות מודדות דברים שונים: הנתון של גוגל מתאר כמה מהעולם הסשן יכול להכיל, והנתון של OpenAI מתאר אילו מבטאים נשמעו שגויים באופן מורגש קודם וכיום אינם. עבור קונה, השאלה המועילה אינה איזה מהמניינים גדול יותר. היא למי מבין השניים אתה יכול למעשה לפנות, ומה קורה לשאר הסטאק שלך כשאתה עושה זאת.
הזמינות היא הנקודה שבה ההשוואה נשברת.
התחל משם, כי זו הנקודה שבה שני המודלים האלה מפסיקים להיות חלופות.
GPT-Live-1.1 הוא השקה לצרכנים. הוא הגיע ב-ChatGPT Voice ב-15 באוקטובר 2026, לצד מודל שני, GPT-Live-1.1 Quip, שמחליף את GPT-Live-1 mini והופך לברירת המחדל בחשבונות שמתחת ל-Plus. ההכרזה של OpenAI מציינת במפורש שה-API יגיע בשלב מאוחר יותר — "בקרוב ב-API" — והתיעוד מסכים: עמוד המודלים עדיין מפרט gpt-live-1 ו-gpt-live-transcribe ואין שום דבר חדש יותר, ו-gpt-live-1.1 מחזיר 404 כעמוד מודל. אין מזהה מודל, אין מגבלת קצב ואין מחיר עבור GPT-Live-1.1 בשום מקום שמפתח יכול להגיע אליו.
Gemini 3.8 Live הוא המקרה ההפוך. זהו מודל API עם תעריף מפורסם — $0.005 לדקה של קלט אודיו ו-$0.018 לדקה של פלט אודיו — והוא ניתן להפעלה מאז היום שבו הוכרז, כאשר וריאנט Extended Thinking מופץ דרך Gemini Live, Docs, Gmail ו-Keep למנויי AI. הזמינות הארגונית של Google היא עדיין תצוגה מקדימה פרטית ללא התחייבות לזמינות כללית, וזה אילוץ אמיתי בפני עצמו, אך זה סוג שונה של אילוץ מלהיות ללא נקודת קצה בכלל.
אז אחד מהשניים הוא משהו שאפשר לקנות, והשני הוא משהו שאפשר להשתמש בו. לאסימטריה הזו יש השלכות גדולות יותר מכל בנצ'מרק שמופיע בהמשך, והיא הדבר שרוב ההשוואות בין שני המודלים האלה בשבוע ההשקה משמיטות.
מה 97 מול שש באמת מודד
הפער אמיתי. אם המתקשרים שלך מדברים פולנית או תאית, Gemini 3.8 Live הוא היחיד מבין השניים שיכול לקבל את השיחה, וכל השאר במאמר הזה לא משנה.
מה שהמספר לא מודד הוא האיכות בתוך החפיפה, והחפיפה היא המקום שבו נמצא כמעט כל הביקוש.
• מה קונים ב-97 — כיסוי זנב ארוך והיכולת להחליף שפה באמצע משפט בלי לנתק את השיחה. עבור קו תמיכה הפרוש על פני תריסר שווקים באירופה, התכונה הזאת לבדה היא המוצר.
• מה קונות שש — עומק בשווקים שבהם הדור הקודם נשמע שגוי. הטענה של OpenAI עוסקת בטבעיות המבטא ולא בהבנה, ושש השפות שנבחרו הן בין שוקי הקול הלא-אנגליים הגדולים ביותר ולא מדגם אקראי. הערות הגרסה מתארות גם מגוון רחב יותר של ביטויים קצרים לאיתות שהמודל מחפש, וזה מה שהמשתמשים שומעים כ"בודק…".
• מה שאף אחד מהמספרים לא אומר לך — איך זה נשמע. אין בנצ'מרק מבטא ציבורי ובר-שחזור, ואין ציון איכות דיבור בלתי תלוי לאף אחד משני המודלים באף אחת משתי קבוצות השפות. שני המספרים הם ספירות ספקים של אפשרויות לוקאל נתמכות, ושני הספקים מפרסמים אותם בלי לצרף מתודולוגיה.
המשמעות המעשית היא שמספר השפות הוא מסנן סינון, לא החלטה. אם המתקשרים שלך דוברים אחת משבע השפות שלעיל, המספר אינו רלוונטי ואיכות המבטא הופכת למבחן האזנה שאתה עורך בעצמך. אם לא, ההחלטה כבר התקבלה עבורך.
הדירקטוריון העצמאי, ובעיית הווריאנט
כאשר קיימת מדידה עצמאית, היא קיימת עבור הדור הקודם בצד של OpenAI. ב-Artificial Analysis Speech to Speech Index, קראו מהלוח כפי שהיה ב-16 באוקטובר 2026:
• Grok Voice 3.0 — 86.9
• GPT-Live-1 (בקאנד של Astra, מאמץ בינוני) — 83.2
• Gemini 3.8 Live Extended Thinking (High) — 82.6
• Grok Voice 2.0 — 81.3
• GPT-Live-1 (בקאנד Sol, מאמץ נמוך) — 80.1
• Gemini 3.8 Live — 76.0
• GPT-Realtime-2.1 High — 75.2
• Grok Voice 1.0 — 73.7
• GPT-Realtime-2 (High) — 73.6
• Gemini 3.1 Flash Live High — 72.0
שני דברים נובעים מהסדר הזה. ראשית, המודל המוזכר כשני בכותרת המאמר הזה נמצא במקום השישי, בעוד וריאנט של האחר נמצא במקום השלישי — ה-82.6 שמצוטט שייך ל-Gemini 3.8 Live Extended Thinking, תצורה שונה עם פריסה מצומצמת יותר. שנית, אין שורה של GPT-Live-1.1 בשום מקום בלוח, כך שהיורש מיוצג כאן במספר שקודמו השיג.
בקריאה אל מול התצורה הסטנדרטית — 76.0 של Gemini 3.8 Live לעומת 83.2 של GPT-Live-1 — משפחת OpenAI מובילה ב-7.2 נקודות על בסיס הראיות של קודמו. בקריאה אל מול וריאנט ה-Extended Thinking זהו פער של 0.6 נקודות בכיוון ההפוך, שנמצא בתוך התנודה שמצפים לה מלוח תוצאות שמורץ מחדש כשמוסיפים מודלים. אף אחת מהקריאות אינה מדידה של GPT-Live-1.1, וכדאי להיות ישירים לגבי זה: הראיות של היורש עצמו הן הצהרה בכרטיס מערכת שלפיה הוא מגיע לשוויון ביצועים עם GPT-Live-1 בפרומפטים של ייצור, וזו טענה על אי-נסיגה, לא ציון.
במקום שבו הארכיטקטורה עדיין מפרידה ביניהם
ההבדל בדופלקס מלא לא נעלם. הוא רק הפסיק להיות מכריע.
GPT-Live-1.1 יורש את המבנה של GPT-Live-1: אודיו נכנס ואודיו יוצא מעובדים ברציפות בתוך מודל אחד, ללא שרשרת של דיבור-לטקסט → מודל שפה → טקסט-לדיבור, תגובות גב כמו "mhmm" מופקות באופן נייטיבי, והפרעות מטופלות בכך שהמודל מחליט מספר פעמים בשנייה אם להמשיך לדבר או לפנות את הבמה. זה נשאר הדבר שמערכות מבוססות תורות טועות בו, ו-Gemini 3.8 Live עדיין מבוסס תורות.
מה ש-Gemini 3.8 Live עושה במקום הוא לשמור על הסשן פרודוקטיבי בזמן שתור מתבצע: עיבוד קלט חזותי כמעט בזמן אמת, הרצת כלים ו-API ברקע שמאשרת בקשה ושומרת על השיחה חיה בזמן שהקריאה מסתיימת, וגרסת Extended Thinking שמתארת את התקדמותה בקול רם. התשובה של גוגל לבעיית השקט היא למלא את השקט בעבודה במקום להסיר את גבול התור. שתי הגישות מונעות מהמתקשר לנתק; הן נכשלות בדרכים שונות, ומודלים מבוססי תורות עדיין יכולים לטעות בהערכת הפסקה.
קלט חזותי הוא המחיר המוחשי של אותה פשרה. מצלמה ושיתוף מסך הם חלק ממכלול היכולות של Gemini 3.8 Live מאז ההשקה, והתיעוד של OpenAI עצמה עבור משפחת Live מגדיר קלט תמונה ווידאו כלא נתמך במפורש — מגבלה שממשיכה גם אל GPT-Live-1.1, שכן דפי העזרה לצרכנים של הגרסה החדשה חוזרים ומציינים ש-Live אינו תומך בווידאו או בשיתוף מסך. אם הסוכן שלך צריך להביט במשהו, זה מכריע את ההשוואה עוד לפני שכל בנצ'מרק עושה זאת.
השוואת העלויות, עם הכוכבית המצורפת
לפי תעריפי הקצה המפורסמים, Google זולה בפער ניכר. Gemini 3.8 Live מחייבת 0.018 דולר לדקה של פלט אודיו, לעומת 0.05 דולר לדקת קול של GPT-Live-1, ואותם 0.05 דולר הם הנתון היחיד לדקה ש-OpenAI פרסמה עבור משפחת Live — הוא שייך למודל הישן יותר, ולא הוכרז תעריף עבור GPT-Live-1.1 מפני שאין endpoint שאליו ניתן לשייך אותו.
הכוכבית היא שאף אחד מהמספרים אינו החשבון. ה-$0.05 של GPT-Live-1 מכסה רק את ממשק הקול. ההיסק מתרחש במודל טקסט נפרד, והתיעוד של OpenAI Live קובע בפשטות שקריאות Responses בצד האחורי מחויבות לפי התמחור הרגיל של המודל המוגדר — כך שחמישה סנט לדקה של זמן קול הופכים לשלושה דולר לשעה של זמן קול עוד לפני שנספר אפילו טוקן היסק אחד. ל-Gemini 3.8 Live יש אותה תבנית בדיוק: הרצת כלים ברקע היא עבודת מודל טקסט, המחויבת לפי תעריפי מודל טקסט שגוגל לא פרסמה עבור המוצר הזה.
לכן כל נתון עלות לשעה שתראו עבור אחד משני המודלים הוא מספר חלקי העוטה את בגדיו של מספר כולל. שעה של זמן קול ב-GPT-Live-1 היא 3.00 דולר של צד קדמי לפני שהצד האחורי בכלל נמדד, והנתון הכולל תלוי לחלוטין באיזה מודל אתם מאצילים את העבודה ובאיזו תדירות הוא נקרא. עבור Gemini 3.8 Live הצד הקדמי זול יותר לדקה והצד האחורי אינו מפורסם. השוואה בין שני התעריפים המוצהרים מלמדת אותך על החצי הזול של כל חשבונית.
השכבה ששניהם מעבירים אליה עבודה
שתי המערכות מעבירות הלאה, וזו העובדה שהופכת את ההשוואה הזו לפחות להחלטת כבילה ממה שמספר השפות מרמז. GPT-Live-1.1 מעביר שאילתות קשות למודל טקסט בצד האחורי באופן מכוון; ביצוע כלי הרקע של Gemini 3.8 Live מתורגם לקריאות מודל רגילות. בשני המקרים שכבת הקול היא חזית דקה מעל מודל הסקה שהיצרן מתייחס אליו כאל מוגדר בנפרד ונמדד בנפרד. שונות העלויות נמצאת שם, הבדלי האיכות בין התצורות מופיעים שם, והמעבר זול שם מכיוון שהוא לא נוגע באינטגרציית הקול.
זהו החצי של מחסנית קולית שבו ראוטר מצדיק את מקומו, ולכן כדאי להיות מדויקים לגבי הגבול. ב-OrcaRouter שכבת ההיסק היא יותר מ-200 מודלים מאחורי מפתח אחד במחיר המחירון של הספק, ללא תוספת, מה שאומר שהורדת מחיר במעלה הזרם מגיעה לצד שלנו באותו היום ולא בחידוש החוזה הבא — תכונה שחשובה יותר מהרגיל במבנה חיוב דו-מוני שבו ה-backend הוא המונה שזז. ה-DSL של הניתוב מאפשר לך לציין את יעד ההאצלה במפורש ולהחליף אותו בתעבורה חיה, ומעבר אוטומטי (failover) שומר על הסשן פעיל כאשר ה-backend מחזיר שגיאה או מפסיק להגיב באמצע השיחה, וזה מצב כשל שקיים בקול אבל לא בטקסט. הבהרה אחת, כי קל היה לרמוז אחרת: אנחנו לא מארחים את נקודות הקצה הקוליות של GPT-Live-1.1 או Gemini 3.8 Live. אלה מגיעות מהפלטפורמות של הספקים עצמם, ובמקרה של GPT-Live-1.1 אין נקודת קצה ציבורית שאותה אפשר לארח. מודלי הטקסט שהמערכות האלה מעבירות אליהם עבודה נמצאים בדרך כלל על הראוטר.
איך לבחור
קח את Gemini 3.8 Liveאם אתה צריך לשחרר עכשיו, אם השפות שלך חורגות משבע השפות הנזכרות לעיל, או אם המודל צריך לראות משהו. קבל את העובדה שאתה רוכש את התצורה הסטנדרטית שמקבלת 76.0 במדד המשולב, ש-82.6 שמצוטט בדרך כלל שייך לווריאנט Extended Thinking, שהגישה הארגונית היא תצוגה מקדימה פרטית, ושהעלות הכוללת לשעה אינה מפורסמת גם בצד שלך של החשבונית.
בחר בGPT-Live-1.1 אם איכות השיחה היא המוצר והשפות שלך נמצאות בתוך הסט שלו — ואם אתה יכול לחכות. חילופי תורות בדופלקס מלא הם עדיין אמת המידה לטבעיות, עדכון הגרסה הוא שיפור אמיתי לעומת GPT-Live-1, ועבודת המבטא מכוונת בדיוק לשפות שהיו הגרועות ביותר קודם. כמו כן, נכון להיום, זה לא משהו שאפשר לקרוא לו מהקוד.
בחר GPT-Live-1 אם אתה צריך קול מ-OpenAI ואתה צריך אותו החודש, כי זה החבר היחיד במשפחה הזו עם מזהה מודל, נקודת קצה מתועדת ותעריף מפורסם.
התאריך שכדאי לשים לב אליו הוא זה שבו gpt-live-1.1יקבל עמוד מודל. זה הרגע שבו זה מפסיק להיות השוואה בין מוצר שכבר משווק להכרזה, ובו הטענה לגבי המבטא, מספר השפות והמחיר הופכים כולם לניתנים לבדיקה באותו אחר צהריים.
השוואות כמו זו הן גם המקום שבו מצבי הכשל מתגלים: תקריות AI מתועדות וכשלי סוכנים שמאחורי מודלים מהסוג הזה נאספים בארכיון תקריות AI של OrcaRouter, שבו כל רשומה נושאת את מקורותיה, החומרה, דירוג הביטחון ודגל המחלוקת שלה.
