GPT-Live-1.1 vs Gemini 3.8 Live: Enam Bahasa Baru Melawan Sembilan Puluh Tujuh, dan Mengapa Kesenjangan Itu Bukan Keseluruhan Cerita

Hitung jumlah bahasanya dan pertarungan tampak sudah berakhir sebelum dimulai. Gemini 3.8 Live, yang diumumkan oleh Google DeepMind pada 15 September 2026, telah mendukung 97 bahasa dengan peralihan otomatis di tengah percakapan sejak peluncurannya. GPT-Live-1.1, yang diluncurkan oleh OpenAI pada 15 Oktober 2026, menambahkan tiga belas opsi suara baru — masing-masing dua untuk bahasa Prancis, Jerman, Hindi, Jepang, Korea, dan Spanyol Meksiko, ditambah satu suara bahasa Inggris bernama Bubbie. Enam bahasa baru berbanding sembilan puluh tujuh adalah rasio yang tidak perlu dipikirkan siapa pun.

Ini juga merupakan perbandingan antara kerja satu minggu dan cakupan satu tahun, itulah sebabnya angka yang mengakhiri argumen bukanlah angka yang seharusnya memutuskannya. Kedua rilis tersebut mengukur hal yang berbeda: angka Google menggambarkan seberapa besar bagian dunia yang dapat ditampung sesi tersebut, sedangkan angka OpenAI menggambarkan aksen mana yang sebelumnya terdengar salah dan sekarang tidak lagi. Bagi pembeli, pertanyaan yang berguna bukanlah angka mana yang lebih besar. Melainkan mana dari keduanya yang benar-benar dapat Anda panggil, dan apa yang terjadi pada bagian lain dari stack Anda ketika Anda melakukannya.

Ketersediaan adalah titik di mana perbandingan itu tidak lagi berlaku

Mulailah dari sana, karena itulah titik di mana kedua model ini berhenti menjadi alternatif.

GPT-Live-1.1 adalah peluncuran untuk konsumen. Model ini hadir di ChatGPT Voice pada 15 Oktober 2026, bersama model kedua, GPT-Live-1.1 Quip, yang menggantikan GPT-Live-1 mini dan menjadi default untuk akun di bawah Plus. Pengumuman OpenAI secara eksplisit menyatakan bahwa API akan menyusul — "segera hadir di API" — dan dokumentasinya sependapat: halaman model masih mencantumkan gpt-live-1 dan gpt-live-transcribe dan tidak ada yang lebih baru, dan gpt-live-1.1 mengembalikan 404 sebagai halaman model. Tidak ada ID model, tidak ada batas laju dan tidak ada harga untuk GPT-Live-1.1 di mana pun yang dapat dijangkau pengembang.

Gemini 3.8 Live adalah kasus yang berlawanan. Ini adalah model API dengan tarif yang dipublikasikan — $0.005 per menit untuk input audio dan $0.018 per menit untuk output audio — dan telah dapat dipanggil sejak hari diumumkan, dengan varian Extended Thinking yang didistribusikan melalui Gemini Live, Docs, Gmail, dan Keep untuk pelanggan AI. Ketersediaan enterprise Google masih merupakan pratinjau privat tanpa komitmen ketersediaan umum, yang merupakan batasan tersendiri yang nyata, tetapi ini adalah jenis batasan yang berbeda dari tidak memiliki endpoint sama sekali.

Jadi, salah satunya adalah sesuatu yang dapat Anda beli dan yang lainnya adalah sesuatu yang dapat Anda gunakan. Asimetri itu lebih berdampak daripada benchmark apa pun di bawahnya, dan itulah hal yang paling sering terlewatkan dalam perbandingan kedua model ini pada minggu peluncuran.

Apa yang sebenarnya diukur oleh 97 melawan enam

Kesenjangan itu nyata. Jika penelepon Anda berbicara bahasa Polandia atau Thai, Gemini 3.8 Live adalah satu-satunya dari keduanya yang dapat menerima panggilan, dan tidak ada hal lain dalam artikel ini yang penting.

Apa yang tidak diukur oleh angka itu adalah kualitas di dalam area tumpang tindih, dan area tumpang tindih itulah tempat hampir semua permintaan berada.

• Apa yang bisa didapat dengan 97 — cakupan long-tail dan kemampuan mengganti bahasa di tengah kalimat tanpa memutus sesi. Untuk lini dukungan yang mencakup selusin pasar Eropa, fitur tunggal itu adalah produknya.

• Apa yang dihasilkan enam bahasa — kedalaman di pasar-pasar tempat generasi sebelumnya terdengar salah. Klaim OpenAI adalah tentang kealamian aksen, bukan pemahaman, dan enam bahasa yang dipilih termasuk di antara pasar suara non-Inggris terbesar, bukan sampel acak. Catatan rilis juga menjelaskan rentang frasa pendek yang lebih luas untuk menandakan bahwa model sedang mencari, yaitu hal yang didengar pengguna sebagai "memeriksa…".

• Apa yang tidak diberitahukan oleh kedua angka itu — bagaimana bunyinya. Tidak ada tolok ukur aksen yang publik dan dapat direproduksi, dan tidak ada skor kualitas suara yang independen untuk kedua model di kedua kumpulan bahasa tersebut. Kedua angka itu adalah hitungan vendor atas opsi lokal yang didukung, dan kedua vendor menerbitkannya tanpa menyertakan metode.

Konsekuensi praktisnya adalah jumlah bahasa merupakan filter penyaring, bukan keputusan. Jika penelepon Anda berbicara dalam salah satu dari tujuh bahasa di atas, jumlahnya tidak relevan dan kualitas aksen menjadi uji mendengarkan yang Anda jalankan sendiri. Jika tidak, keputusannya sudah dibuat untuk Anda.

Dewan independen, dan masalah varian

Jika pengukuran independen tersedia, itu tersedia untuk generasi sebelumnya di sisi OpenAI. Pada Artificial Analysis Speech to Speech Index, bacalah dari papan peringkat sebagaimana posisinya pada 16 Oktober 2026:

• Grok Voice 3.0 — 86.9

• GPT-Live-1 (backend Astra, upaya sedang) — 83.2

• Gemini 3.8 Live Extended Thinking (Tinggi) — 82.6

• Grok Voice 2.0 — 81.3

• GPT-Live-1 (backend Sol, upaya rendah) — 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

Dua hal muncul dari pengurutan itu. Pertama, model yang disebut kedua dalam judul artikel ini berada di posisi keenam, sementara varian dari model lainnya berada di posisi ketiga — angka 82,6 yang dikutip adalah milik Gemini 3.8 Live Extended Thinking, konfigurasi berbeda dengan peluncuran yang lebih terbatas. Kedua, tidak ada baris GPT-Live-1.1 di mana pun pada papan, jadi penerusnya di sini diwakili oleh angka yang diperoleh pendahulunya.

Jika dibaca terhadap konfigurasi standar — Gemini 3.8 Live 76,0 versus GPT-Live-1 83,2 — keluarga OpenAI unggul 7,2 poin berdasarkan bukti pendahulunya. Jika dibaca terhadap varian Extended Thinking, selisihnya 0,6 poin ke arah sebaliknya, yang masih berada dalam rentang pergerakan yang Anda perkirakan dari papan yang dijalankan ulang saat model ditambahkan. Tidak ada dari kedua pembacaan itu yang merupakan pengukuran GPT-Live-1.1, dan patut dikatakan secara blak-blakan: bukti penerusnya sendiri adalah pernyataan kartu sistem bahwa ia berperforma setara dengan GPT-Live-1 pada prompt produksi, yang merupakan klaim tentang tidak mengalami regresi, bukan skor.

Di mana arsitektur masih memisahkan mereka

Perbedaan full-duplex belum hilang. Hanya saja, itu tidak lagi menjadi faktor penentu.

GPT-Live-1.1 mewarisi struktur GPT-Live-1: audio masuk dan audio keluar diproses secara berkelanjutan di dalam satu model, tanpa rantai speech-to-text → model bahasa → text-to-speech, backchannel seperti "mhmm" dihasilkan secara native, dan interupsi ditangani dengan memutuskan beberapa kali per detik apakah akan terus berbicara atau mengalah. Itu tetap menjadi hal yang sering salah dilakukan sistem berbasis giliran, dan Gemini 3.8 Live masih berbasis giliran.

Yang dilakukan Gemini 3.8 Live sebagai gantinya adalah menjaga sesi tetap produktif saat satu giliran sedang berlangsung: pemrosesan input visual hampir real-time, eksekusi tool dan API di latar belakang yang mengakui sebuah permintaan dan menjaga percakapan tetap hidup sampai panggilan selesai, serta varian Extended Thinking yang menceritakan kemajuannya dengan suara keras. Jawaban Google untuk masalah keheningan adalah mengisi keheningan dengan pekerjaan alih-alih menghapus batas giliran. Kedua pendekatan mencegah penelepon menutup telepon; keduanya gagal dengan cara yang berbeda, dan model berbasis giliran masih bisa salah menilai jeda.

Masukan visual adalah biaya konkret dari pertukaran itu. Kamera dan berbagi layar telah menjadi bagian dari fitur yang ditawarkan Gemini 3.8 Live sejak peluncuran, dan dokumentasi OpenAI sendiri untuk keluarga Live mencantumkan input gambar dan video sebagai secara eksplisit tidak didukung — keterbatasan yang berlanjut ke GPT-Live-1.1, karena halaman bantuan konsumen untuk versi baru mengulangi bahwa Live tidak mendukung video atau berbagi layar. Jika agen Anda perlu melihat sesuatu, ini menentukan perbandingan sebelum benchmark apa pun melakukannya.

Perbandingan biaya, dengan tanda bintang yang disertakan

Berdasarkan tarif front-end yang dipublikasikan, Google jauh lebih murah. Gemini 3.8 Live menagih $0.018 per menit output audio, sedangkan GPT-Live-1 $0.05 per menit suara, dan $0.05 itu adalah satu-satunya angka per menit yang dipublikasikan OpenAI untuk keluarga Live — angka itu milik model yang lebih lama, dan belum ada tarif yang diumumkan untuk GPT-Live-1.1 karena tidak ada endpoint yang bisa dipasangi tarif.

Tanda bintangnya adalah bahwa tidak ada satu pun dari angka itu yang merupakan tagihan sebenarnya. $0,05 milik GPT-Live-1 hanya mencakup front-end suara. Penalaran terjadi pada model teks yang didelegasikan, dan dokumentasi Live OpenAI menyatakan secara gamblang bahwa panggilan Responses di backend ditagih sesuai harga normal model yang dikonfigurasi — jadi lima sen per menit waktu suara menjadi tiga dolar per jam waktu suara sebelum satu token penalaran pun dihitung. Gemini 3.8 Live memiliki bentuk yang identik: eksekusi alat di latar belakang adalah pekerjaan model teks, ditagih dengan tarif model teks yang belum dipublikasikan Google untuk produk ini.

Itulah sebabnya setiap angka biaya per jam yang Anda lihat untuk salah satu model adalah angka parsial yang berpenampilan seperti angka total. Satu jam waktu suara GPT-Live-1 adalah $3,00 untuk front-end sebelum backend dihitung sama sekali, dan angka all-in sepenuhnya bergantung pada model mana yang Anda delegasikan dan seberapa sering model itu dipanggil. Untuk Gemini 3.8 Live, front-end lebih murah per menit dan backend tidak diungkapkan. Membandingkan kedua tarif utama hanya memberi tahu Anda tentang separuh murah dari setiap tagihan.

Lapisan tempat keduanya menyerahkan pekerjaan

Kedua sistem mendelegasikan, dan itulah fakta yang membuat perbandingan ini bukanlah keputusan lock-in sebesar yang disiratkan oleh jumlah bahasa. GPT-Live-1.1 secara desain menyerahkan kueri sulit ke model teks backend; eksekusi alat latar belakang Gemini 3.8 Live berujung pada panggilan model biasa. Dalam kedua kasus, lapisan suara adalah antarmuka depan tipis di atas model penalaran yang oleh vendor diperlakukan sebagai dikonfigurasi secara terpisah dan diukur secara terpisah. Variasi biaya ada di sana, perbedaan kualitas antar konfigurasi tampak di sana, dan beralih menjadi murah di sana karena tidak menyentuh integrasi suara.

Itu adalah separuh dari tumpukan suara tempat router layak mendapatkan posisinya, jadi ada baiknya bersikap presisi soal batasnya. Di OrcaRouter, lapisan penalaran adalah lebih dari 200 model di balik satu kunci dengan harga daftar penyedia tanpa markup, yang berarti pemotongan harga dari hulu sampai ke sisi kami pada hari yang sama, bukan pada pembaruan kontrak berikutnya — properti yang lebih penting dari biasanya dalam struktur penagihan dua meteran di mana backend adalah meteran yang bergerak. DSL perutean memungkinkan Anda menyebut target delegasi secara eksplisit dan menukarnya pada lalu lintas langsung, dan failover otomatis menjaga sesi tetap hidup ketika backend mengalami error atau timeout di tengah panggilan, yang merupakan mode kegagalan yang dimiliki suara dan tidak dimiliki teks. Satu klarifikasi, karena akan mudah untuk menyiratkan sebaliknya: kami tidak menghost endpoint suara GPT-Live-1.1 atau Gemini 3.8 Live. Itu berasal dari platform vendor sendiri, dan dalam kasus GPT-Live-1.1 tidak ada endpoint publik untuk dihost. Model teks yang menjadi tujuan sistem ini menyerahkan pekerjaan umumnya ada di router.

Cara memilih

Pilih Gemini 3.8 Live jika Anda perlu merilis sekarang, jika bahasa Anda melampaui tujuh yang disebutkan di atas, atau jika model harus melihat sesuatu. Terimalah bahwa Anda membeli konfigurasi standar yang mencetak skor 76,0 pada indeks komposit, bahwa 82,6 yang biasanya dikutip adalah milik varian Extended Thinking, bahwa akses enterprise adalah pratinjau privat, dan bahwa biaya all-in per jam juga tidak dipublikasikan di sisi faktur Anda.

Pilih GPT-Live-1.1 jika kualitas percakapan adalah produknya dan bahasa Anda termasuk dalam setnya — dan jika Anda bisa menunggu. Pengambilan giliran dupleks penuh masih menjadi tolok ukur kealamian, kenaikan versi ini adalah peningkatan nyata dibandingkan GPT-Live-1, dan penanganan aksen menyasar tepat bahasa-bahasa yang sebelumnya paling buruk. Saat ini, ini juga bukan sesuatu yang dapat Anda panggil dari kode.

Ambil GPT-Live-1 jika Anda membutuhkan suara dari OpenAI dan Anda membutuhkannya bulan ini, karena ini satu-satunya anggota keluarga tersebut yang memiliki ID model, endpoint yang didokumentasikan, dan tarif yang dipublikasikan.

Tanggal yang perlu diperhatikan adalah saat gpt-live-1.1mendapatkan halaman model. Saat itulah ini berhenti menjadi perbandingan antara produk yang sudah dirilis dan sebuah pengumuman, dan saat klaim aksen, jumlah bahasa, dan harganya semuanya menjadi dapat diuji pada sore yang sama.

Perbandingan seperti ini juga menjadi tempat munculnya mode kegagalan: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan dalam the OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan tanda perdebatan.