
Realtime 1 vs Gemini 3.8 Live: Pemenang Arena Adalah Yang Tidak Bisa Menyelesaikan Tugas
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 182 tok/s
Gemini 3.8 Live memiliki Elo arena terbaik di antara model suara mana pun di papan peringkat speech-to-speech Artificial Analysis — 1074, mengungguli GPT-Live-1 dengan 1037 dan jauh di atas Eleven Realtime Max dengan 990. Model ini juga memiliki tingkat keberhasilan tugas tertinggi dalam kumpulan perbandingan tersebut, 93,2%. Dan model ini mencetak 30,1% pada penyelesaian tugas agentik, yang merupakan angka terlemah dari keempatnya. Ketiga angka itu menggambarkan model yang sama, dan memahami mengapa ketiganya dapat terjadi bersamaan adalah inti persoalannya ketika Anda menyandingkannya dengan MAI Realtime 1, model speech-to-speech baru Microsoft yang diumumkan pada 17 November 2026, yang ditujukan tepat pada hal yang paling lemah dilakukan oleh Gemini 3.8 Live.
Salah satu dari model ini adalah teman mengobrol. Satunya lagi dijual sebagai operator. Tidak ada yang menerbitkan cukup bukti untuk memastikan mana yang mana pada beban kerja Anda, tetapi keduanya gagal dengan cara yang berlawanan arah, dan itu lebih berguna daripada papan skor yang semua angkanya berdekatan.
Dua taruhan berbeda tentang untuk apa sebuah model suara.
Cara Google membingkai Gemini 3.8 Live sempit dan percaya diri: ini adalah model Live API default untuk "sebagian besar pengalaman agen suara berlatensi rendah tanpa penundaan penalaran," dengan saudaranya — Gemini 3.8 Live Extended Thinking — untuk kasus yang membutuhkan "penalaran latar belakang yang lebih tinggi" selama interaksi. Pembagian itu menunjukkan untuk apa Google menganggap model dasar tidak ditujukan. Penalaran sesungguhnya ada pada saudaranya.
Cara Microsoft membingkai MAI Realtime 1 adalah cerminan sebaliknya. Produk ini adalah "ucap-ke-ucap dengan alur percakapan alami dan keterarahan yang presisi," dan arsitekturnya secara eksplisit dua lapis: sistem cepat menjaga dialog tetap real-time, dan tugas yang lebih sulit "dialihkan ke mesin penalaran yang lebih kuat tanpa jeda yang canggung." Microsoft tidak menjual pembicara yang lebih baik. Microsoft menjual dispatcher yang berbicara cukup baik untuk menjaga saluran tetap hidup sementara hal lain melakukan pekerjaannya.
• Gemini 3.8 Live — satu model, sengaja dibuat cepat, dengan penalaran tersedia sebagai saudara yang lebih berat dan terpisah yang Anda pilih per deployment.
• MAI Realtime 1 — satu produk dengan dua mesin di baliknya, meningkat per giliran, bukan per penerapan.
• Perbedaan praktisnya — Google meminta Anda memilih pengaturan pada saat integrasi. Microsoft meminta Anda memercayai router di dalam model dan membayar tingkat penalarannya per token.
Apa yang dikatakan angka-angka independen tentang Gemini 3.8 Live
Ini adalah sisi pertandingan dengan pengukuran aktual, dan hasilnya bagus:
• Indeks ucapan-ke-ucapan — 74,5, dibandingkan 82,6 untuk varian Extended Thinking. Indeks tersebut memberi penalti padanya pada kolom agentic, bukan pada percakapan.
• Penalaran ucapan (Big Bench Audio) — 91,7%. Kuat, dan 97,7% pada Extended Thinking.
• Dinamika percakapan — 96,1%. Dari sinilah Elo arena berasal: kemampuannya menangani ritme alami sebuah panggilan setara dengan apa pun yang pernah diukur.
• Arena Elo — 1074, tertinggi dalam kumpulan perbandingan. Preferensi manusia, pada praktiknya, dan posisinya tidak mendekati bagian bawah daftar tersebut.
• Tingkat keberhasilan tugas — 93,2%, juga yang tertinggi dalam kumpulan ini.
• Penyelesaian tugas agentik (τ-Voice) — 30,1%. Nilai pencilan, dan alasan indeks komposit berada di bawah versi extended-thinking.
• Waktu hingga audio pertama — 1,18 detik. Bukan yang tercepat — Eleven Realtime Max melakukannya dalam 0,57 detik — tetapi cukup cepat sehingga klaim "tanpa penundaan penalaran" dapat dipercaya.
• Biaya campuran — sekitar $0,84 per jam menurut normalisasi Artificial Analysis. Daftar tarif Google sendiri mencantumkan $0,005 per menit untuk input audio dan $0,018 per menit untuk output audio, yang pada panggilan dua arah terus-menerus lebih mendekati $1,38 per jam; selisih ini adalah konvensi pengukuran, bukan kontradiksi, dan tidak satu pun dari angka tersebut boleh dikutip sebagai angka yang lain.
Bandingkan angka agentic dengan angka keberhasilan tugas dan sesuatu yang penting muncul. Tingkat keberhasilan tugas 93,2% di samping penyelesaian agentic 30,1% berarti model tersebut sangat baik pada tugas-tugas yang dianggap harness bersifat percakapan dan buruk pada tugas-tugas yang mengharuskannya merencanakan lintas langkah dan menggunakan alat. Itu adalah instrumen yang berbeda, dan ketidaksesuaian itulah temuannya. Gemini 3.8 Live akan melakukan percakapan yang lebih baik daripada yang mungkin dilakukan MAI Realtime 1. Apakah ia akan memesan janji temu di akhir percakapan itu adalah pertanyaan terpisah, dan berdasarkan satu-satunya bukti publik yang tersedia, ia adalah separuh yang lebih lemah.

Apa yang dikatakan angka-angka Microsoft, yaitu satu angka
MAI Realtime 1 tidak memiliki skor independen. Artificial Analysis belum mencantumkan model tersebut per 18 November. Yang Microsoft publikasikan sendiri adalah satu angka akurasi di halaman model — 98,8% pada Big Bench Audio, yang di sana diberi label akurasi pada pertanyaan penalaran lisan dari benchmark tersebut — ditambah kartu P50 waktu-ke-audio-pertama dan keterangan "P50 Latency on BigBench Audio". Tidak ada angka τ-Voice, tidak ada daftar bahasa yang didukung, tidak ada distribusi di balik persentil tersebut, tidak ada catatan metodologi di samping angka akurasi. Bandingkan itu dengan 91,7% Gemini 3.8 Live pada benchmark yang sama sebagaimana diukur oleh Artificial Analysis, dan Anda sedang membandingkan evaluasi milik vendor sendiri dengan evaluasi pihak ketiga: kedua angka itu bukan jenis objek yang sama, dan memperlakukan 98,8% sebagai kemenangan tujuh poin akan persis menjadi pencucian angka yang ingin dihindari artikel ini. Klaim perusahaan yang lebih luas adalah bahwa model tersebut berada di frontier Pareto kinerja-harga untuk Big Bench Audio dan τ-Voice, dan bahwa model itu mengalahkan GPT Realtime 2.1 dalam hal kualitas, kecepatan, dan harga — sebuah perbandingan terhadap model suara penalaran per token milik OpenAI, bukan terhadap Gemini 3.8 Live.
Jadi, perbandingan langsung antara kedua model ini saat ini adalah perbandingan antara profil hasil pengukuran pihak ketiga dan angka utama dari vendor itu sendiri. Itu bukan alasan untuk melewati perbandingan ini. Itu adalah alasan untuk bersikap tepat tentang apa yang sebenarnya menjadi komitmen masing-masing pihak.
Apa yang telah Microsoft komitmenkan, secara konkret: $0,01 per menit audio, reasoning seharga $1,00 per juta token input dan $5,00 per juta token output, antarmuka yang kompatibel dengan OpenAI Realtime API, pratinjau Foundry dengan akses terbatas yang tidak ditagih hingga pratinjau publik, demo non-komersial dua menit di MAI Labs yang dibatasi untuk orang dewasa, angka 98,8% yang dilaporkan vendor pada Big Bench Audio dengan angka latensi P50 dan tanpa distribusi di baliknya, deployment bernama yang akan datang di Dynamics 365 Contact Center dan simulasi pelatihan perawat Dragon Copilot, serta pengujian awal di Agoda dan Reservations.ai.
Apa yang belum menjadi komitmennya: bahasa, τ-Voice, residensi data, retensi, atau tanggal GA.

Perbandingan biaya, dilakukan dengan benar
Hanya pada lini suara saja, selisihnya tidak tipis. Satu menit audio Gemini 3.8 Live, gabungan input dan output, adalah $0,023 menurut daftar harga Google. Satu menit MAI Realtime 1 adalah $0,01 sebelum reasoning. Sekitar 2,3x, dan tidak seperti perbandingan dengan ElevenLabs, tidak ada biaya kepatuhan atau platform di sisi Google yang memperlebar selisih itu.
Namun perbedaan biaya yang menarik bukanlah tarifnya. Yang menjadi soal adalah di mana tagihan penalaran itu dibebankan. Jawaban Gemini 3.8 Live untuk giliran yang sulit adalah model lain yang Anda terapkan — Gemini 3.8 Live Extended Thinking, dengan $3.50 per jam berdasarkan basis Artificial Analysis dan 82,6 pada indeks tersebut. Itu adalah keputusan penerapan, yang ditagih per jam audio terlepas apakah giliran tertentu membutuhkannya atau tidak. Jawaban MAI Realtime 1 adalah eskalasi per giliran yang ditagih per token, yang lebih murah ketika hanya sedikit giliran yang sulit dan lebih mahal ketika sebagian besar giliran sulit.
• Sebagian besar giliran mudah, sesekali terjadi eskalasi — model per-token MAI Realtime 1 menang, dan dengan selisih yang besar.
• Sebagian besar giliran sulit — tarif tetap Gemini 3.8 Live Extended Thinking sebesar $3,50 per jam adalah instrumen yang lebih dapat diprediksi, dan prediktabilitas itu bernilai ketika Anda memperkirakan anggaran pusat kontak.
• Trafik campuran tanpa pembagian yang jelas — Anda memilih antara estimasi per jam yang dapat Anda pertahankan dan estimasi per token yang harus Anda ukur. Itu adalah percakapan pengadaan yang berbeda.
Perlu dicatat bahwa tier gratis Google mencakup Gemini 3.8 Live tanpa biaya untuk input dan output, dengan pembatasan laju. Untuk sebuah prototipe, itu keuntungan nyata dibandingkan formulir pendaftaran dan daftar tunggu.
Bahasa, yang menentukan lebih banyak matchup daripada yang ditentukan tolok ukur
Gemini 3.8 Live mewarisi perilaku multibahasa Live API dan dokumentasi Google memperlakukan dialog non-Inggris sebagai penggunaan biasa. Materi peluncuran MAI Realtime 1 tidak mencantumkan satu pun bahasa yang didukung. Silsilah suara Microsoft berjalan melalui Dragon, yang merupakan produk dikte klinis dengan penerapan bahasa Inggris yang kuat, dan pengumuman Transcribe 2 membahas pengurangan separuh tingkat kesalahan multibahasa — tetapi itu adalah model transkripsi, bukan model realtime, dan itu bukan daftar bahasa.
Jika agen Anda melayani satu pasar berbahasa Inggris, ini hanyalah catatan kaki. Jika agen tersebut melayani tiga pasar, MAI Realtime 1 belum menjadi kandidat yang dapat Anda evaluasi, karena versi pratinjaunya tidak akan memberi tahu Anda apa yang dilakukannya dalam bahasa yang Anda butuhkan.
Cara menjalankan perbandingan sebelum salah satu vendor menyelesaikannya
Kedua model menggunakan OpenAI Realtime API — Live API milik Google melalui antarmukanya sendiri, dan milik Microsoft secara eksplisit memang dirancang demikian. Sisi Gemini sangat terkait tetapi tidak identik dalam semantik sesi, jadi perhitungkan kebutuhan adapter alih-alih sekadar menukar base URL; sisi MAI Realtime 1 lebih mendekati drop-in menurut deskripsi Microsoft sendiri.
Evaluasi yang menentukan pertarungan ini bukanlah menjalankan benchmark. Ini adalah uji penyelesaian tugas: beri setiap model dua puluh permintaan nyata yang sama yang memerlukan pemanggilan alat dan langkah kedua, lalu hitung berapa banyak yang selesai. Angka agentik 30,1% dari Gemini 3.8 Live menetapkan prior Anda — seharusnya selesai sekitar enam. Jika MAI Realtime 1 mendekati angka itu, keunggulan harga tidak memberi Anda apa pun pada beban kerja ini. Jika hasilnya mendekati 87% yang dicapai Eleven Realtime Max pada harness yang sama, desain dua tingkat Microsoft melakukan apa yang diklaimnya dan pertarungan ini selesai.
Evaluasi tersebut memerlukan instrumentasi pada lapisan penalaran di balik model suara, karena di sisi Microsoft, di situlah langkah kedua benar-benar terjadi. OrcaRouter adalah tempat lapisan itu terpasang: 200+ model di balik satu kunci dengan harga daftar penyedia dan markup 0%, failover otomatis sehingga panggilan penalaran yang macet tidak berubah menjadi empat detik keheningan dalam panggilan langsung, dan DSL perutean yang memungkinkan jalur eskalasi menjadi sebuah aturan alih-alih kode yang Anda kelola di handler suara. MAI Realtime 1 sendiri tidak ada dalam katalog kami — ia dapat diakses melalui MAI Labs dan pratinjau akses terbatas Foundry — jadi yang kami rutekan adalah semua yang dialihkannya, ditambah saudara-saudara Gemini 3.8 Live jika Anda memilih jalur Google.
Apa dampak pratinjau terhadap linimasa pengadaan
Bandingkan kedua jalur ketersediaan itu secara berdampingan, dan asimetrinya tidak lagi soal modelnya, melainkan soal berapa lama waktu yang dibutuhkan untuk mengetahui apa pun. Gemini 3.8 Live tersedia secara umum di Live API Google hari ini, dengan tier gratis yang mencakup input dan output pada batas laju tertentu, yang berarti lonjakan dua hari dapat menghasilkan angka penyelesaian tugas sebelum akhir pekan. MAI Realtime 1 adalah formulir pendaftaran, daftar tunggu, demo nonkomersial berdurasi dua menit yang dibatasi untuk orang dewasa, dan pratinjau yang menurut Microsoft tidak akan ditagih sampai pratinjau publik dimulai.
Itu adalah jenis hambatan yang berbeda dan menguntungkan tim yang berbeda. Jika Anda membutuhkan jawaban sekarang dan jawaban itu harus bisa dipertanggungjawabkan kepada orang yang menandatangani faktur, Gemini 3.8 Live memberi Anda profil terukur dengan harness publik di belakangnya dan tarif terbitan yang bisa Anda perdebatkan. Jika Anda punya kapasitas teknik yang tersisa dan tidak ada tenggat waktu kuartal ini, pratinjau Microsoft adalah eksperimen bermanfaat paling murah di kategori ini — satu sen per menit yang hari ini tidak memakan biaya, dibandingkan model yang belum diukur pihak ketiga, pada antarmuka yang mungkin sudah Anda pahami.
• Buat prototipe minggu ini, putuskan kuartal depan — keduanya sama-sama bisa, dan paket gratis di kedua sisi membuat eksperimen ini hampir gratis.
Buat prototipe minggu ini, rilis bulan depan — Gemini 3.8 Live, karena MAI Realtime 1 tidak memiliki tanggal GA dan tidak ada cara untuk memperkirakannya.
• Data tidak boleh keluar dari tenancy atau region Anda — tidak satu pun dari keduanya merupakan jawabannya berdasarkan ketentuan yang telah dipublikasikan; Google memiliki kontrol regional pada Live API, Microsoft belum mengatakan apa pun soal residensi untuk Realtime 1.

Untuk siapa ini dibagi
Pilih Gemini 3.8 Live jika produknya adalah percakapan. Jika nilainya terletak pada bagaimana agen terdengar, bagaimana ia menangani saat disela, seberapa cepat ia menjawab, dan seberapa baik ia bekerja dalam enam bahasa, produk ini memiliki profil terukur terbaik di antara apa pun di kelas harganya, plus tier gratis untuk membuktikannya. Skor agentik 30,1% hanya penting jika panggilan Anda harus berakhir dengan tindakan yang tuntas, bukan pertukaran yang ditangani dengan baik.
Anggap MAI Realtime 1 serius jika produknya adalah transaksi — pemesanan, klaim, pencarian yang mencakup banyak sistem — dan jika Anda bisa menerima hanya bahasa Inggris sampai Microsoft menerbitkan sebaliknya. Dengan biaya satu sen per menit melalui pratinjau tanpa penagihan, ini adalah cara termurah untuk mengetahui apakah router di sisi vendor mengalahkan router di sisi aplikasi Anda. Risikonya bukan uang. Risikonya adalah Anda akan merilis berdasarkan model yang satu-satunya angka akurasi terbitannya adalah 98,8% miliknya sendiri, tanpa uji ulang yang mendasarinya, tanpa skor τ-Voice, tanpa daftar bahasa, dan tanpa distribusi latensi — dan satu-satunya pihak yang dapat menutup kesenjangan itu bulan ini adalah Anda, dengan instrumentasi Anda sendiri.
Apa yang belum dilakukan kedua pihak adalah menerbitkan angka yang akan menyelesaikannya: berapa proporsi percakapan nyata yang membutuhkan mesin kedua. Jawaban Google adalah menjual model kedua kepada Anda dan membiarkan Anda memutuskan per penerapan. Jawaban Microsoft adalah memutuskan per giliran dan menagih Anda untuk itu. Keduanya adalah desain yang jujur. Hanya satu yang dapat diukur saat ini, dan itu bukan yang lebih murah.
