Phonic 1 vs Gemini 3.8 Live: una scheda, quattro numeri e la domanda su quale Gemini si intenda

La prima cosa da stabilire in un confronto tra Phonic 1 e Gemini 3.8 Live è che "Gemini 3.8 Live" non è un singolo modello. Google ne ha rilasciati due il 15 settembre 2026 — gemini-3.8-live, ottimizzato per costi e latenza, e gemini-3.8-live-extended-thinking, che ragiona mentre parla ed esegue strumenti in background — e si comportano come prodotti diversi. Nella classifica speech-to-speech di Artificial Analysis, il modello standard ottiene 74,5 e la variante extended-thinking ottiene 82,6. Phonic 1, lanciato a fine ottobre 2026, ottiene 87,1. Il Gemini che scegli di mettere a confronto con Phonic cambia il margine da 12,6 punti a 4,5 e cambia quale metà della discussione stai affrontando.

Quindi la domanda utile non è "chi vince". È "quale di queste quattro cose misurate ti serve davvero", perché l'indice composito nasconde al di sotto una decisione divisa. Phonic 1 vince la componente che determina se una chiamata riesce a ottenere qualcosa. I modelli di Google vincono le componenti che determinano se la chiamata risulta piacevole e se viene completata, e Google costa meno all'ora mentre lo fa. Un lettore che vede solo 87,1 contro 82,6 sceglierà il modello sbagliato per il proprio lavoro circa la metà delle volte.

Due modelli Gemini, e solo uno di essi è sul tabellone contro Phonic

Gemini 3.8 Live ha sostituito gemini-3.1-flash-live-preview ed è disponibile a livello generale tramite l'API Gemini e AI Studio, mentre Gemini Enterprise e Search Live sono ancora in anteprima privata. Il modello standard è ottimizzato esattamente per ciò di cui un agente telefonico ha bisogno su larga scala: veloce, economico, naturale. La variante con pensiero esteso impiega il ragionamento prima di rispondere, il che garantisce maggiore accuratezza sulle richieste complesse a più passaggi e comporta un costo in termini di latenza. Hanno nomi separati, prezzi separati a livello di token e valutazioni separate.

• Gemini 3.8 Live (standard) — indice speech-to-speech 74,5, ragionamento 92, dinamica 96,1, agentico 30,1, preferenza nell'arena 1.074, successo delle attività 93,2%, tempo al primo audio 1,18 s.

• Gemini 3.8 Live Extended Thinking (High) — indice 82,6, ragionamento 98, dinamiche 91,9, agentica 68,6, arena 966, successo attività 89,1%, tempo al primo audio 1,35 s.

• Phonic 1 (High) — indice 87,1, ragionamento 99, dinamiche non riportate, agentico 79,9, arena 1.012, successo del compito 92,3%, tempo al primo audio 0,61 s.

Osserva la contraddizione interna nella stessa gamma di Google. Attivare il pensiero esteso aumenta l'indice di 8,1 punti, ma riduce la preferenza dell'arena di 108 Elo e il successo nei task di 4,1 punti. Ragionare più a fondo fa ottenere al modello un punteggio migliore sul composito e peggiore su due dei quattro input. Non è un difetto dei modelli; è un promemoria del fatto che una singola media ponderata può muoversi in una direzione per cui nessun utente voterebbe.

L'aritmetica dei componenti, una riga alla volta

Artificial Analysis costruisce il suo indice speech-to-speech da quattro input — ragionamento vocale, prestazioni agentiche, preferenza dell’arena e tasso di successo delle attività — e lo etichetta come media ponderata. Se si leggono i quattro separatamente, il confronto si traduce in qualcosa di molto più specifico di un divario di 4,5 punti.

• Ragionamento vocale — Phonic 1 99 vs Gemini 3.8 Live Extended Thinking 98 e standard 92. Di fatto un pareggio in vetta; questa componente non sta decidendo nulla.

• Prestazioni agentiche — Phonic 1 79,9 contro 68,6 con ragionamento esteso e 30,1 in modalità standard. È tutto qui l'argomento. Il ragionamento esteso è l'unica configurazione Gemini che qui regge il confronto, e resta comunque indietro di 11,3 punti.

• Preferenza dell'arena — Phonic 1 1,012 contro 966 con pensiero esteso e 1,074 standard. Il modello standard batte Phonic di 62 Elo; il modello con pensiero esteso perde di 46. Gli ascoltatori umani preferiscono il Gemini economico.

• Tasso di successo delle attività — Phonic 1 92,3% contro 89,1% con pensiero esteso e 93,2% con standard. Ancora una volta il modello standard vince, di stretta misura, e il modello con pensiero esteso perde.

Disponi quei quattro in fila e la storia è coerente. Phonic 1 è l'agente più capace e la voce meno preferita tra i tre. Gemini 3.8 Live standard è la voce più preferita e il migliore nel completare le attività, e il peggior agente. Gemini 3.8 Live Extended Thinking si colloca tra i due ed è probabilmente il peggiore di entrambi: paga il ragionamento in termini di latenza e preferenza e non riesce comunque a eguagliare Phonic in quanto ad agentività.

Quanto costa un minuto di ciascuno e perché le tariffe pubblicizzate traggono in inganno

Sulla misura normalizzata di Artificial Analysis del costo per ora di audio in input, Gemini è il modello più economico: 3,50 dollari l'ora per Gemini 3.8 Live Extended Thinking contro 4,20 dollari per Phonic 1. È il dato che persino il materiale di lancio di Phonic ammette — la sua tabella comparativa mostra Gemini che le sta sotto — e vale la pena dirlo chiaramente, perché un nuovo arrivato che batte un modello Google sul punteggio agentico e poi perde su quello sul prezzo è una storia più interessante di una vittoria netta.

Le tariffe token pubblicate da Google sono $3 per milione di token audio di input e $12 per milione di token audio di output, il che equivale a circa $0,005 al minuto per l'input e $0,018 al minuto per l'output con densità tipiche. La fatturazione di Phonic prevede una tariffa fissa di $0,07 per minuto di conversazione, $0,065 sul livello Pro con un minimo mensile di $200, e il fornitore dichiara esplicitamente che non vi sono pass-through dei costi LLM né addebiti per token.

• Costo per ora di input — Gemini 3.8 Live Extended Thinking $3.50 vs Phonic 1 $4.20, secondo la normalizzazione di Artificial Analysis.

• Struttura della fatturazione: Gemini fattura separatamente l'audio in ingresso e l'audio in uscita a tariffe per token; Phonic fattura un'unica tariffa per minuto di conversazione che copre il livello del modello.

• Dove le curve divergono — una chiamata in cui l'agente parla molto e ascolta poco costa di più sul contatore dell'output di Gemini e lo stesso sulla tariffa fissa di Phonic; una chiamata in cui l'agente ascolta soprattutto costa meno su Gemini e lo stesso su Phonic.

• Piano gratuito — Gemini offre token gratuiti sia in input sia in output con limiti di frequenza del piano gratuito non pubblicati per i modelli Live; Phonic non ha un piano gratuito ma ha lanciato una promozione di credito da $250 per le iscrizioni prima del 30 novembre 2026.

Questa è esattamente il tipo di decisione per cui un router è fatto, con un'avvertenza onesta: nessuno di questi due modelli conversazionali è nel catalogo di OrcaRouter, quindi qui non possono essere confrontati né sottoposti a failover. Ciò che è nel catalogo è il fratello lato testo — Gemini 3.8 Flash, instradabile oggi insieme ad oltre 200 altri modelli con un'unica chiave, al prezzo di listino e senza ricarichi. Se il tuo agente vocale delega il ragionamento a un modello di testo invece di svolgerlo inline, è quella la tratta che puoi instradare, confrontare per prezzo e sottoporre a failover, ed è di solito la tratta che domina la fattura.

Latenza, sessioni e i limiti che nessuno legge

Phonic 1 risponde in 0,61 s al primo audio. Gemini 3.8 Live impiega 1,18 s e la variante con pensiero esteso 1,35 s. Sul grafico di velocità dell'indice stesso, questo colloca Phonic nella stessa fascia di Grok Voice 3.0 a 0,81 s, con entrambe le configurazioni Gemini circa un terzo di secondo dietro — la differenza tra un chiamante che aspetta e un chiamante che si accorge di aspettare.

Google ha pubblicato limiti di sessione rigidi che, per alcuni prodotti, contano più del divario di latenza: le sessioni di Gemini 3.8 Live si fermano a quindici minuti di interazione solo audio, oppure a due minuti una volta che il video è nel flusso. Per una chiamata di supporto va bene. Per un colloquio iniziale programmato, una sessione di coaching o un assistente vocale di lunga durata, un tetto di quindici minuti è un vincolo di progettazione attorno a cui devi costruire, e che Phonic non dichiara. Il materiale pubblico di Phonic elenca anche oltre 50 lingue contro le 97 di Google, che è l'opposto del solito svantaggio dei nuovi arrivati.

• Contesto e output — Gemini 3.8 Live offre una finestra di contesto di 131K con un massimo di 65.536 token di output; Phonic non pubblica un dato relativo al contesto.

• Multimodalità — Gemini 3.8 Live accetta input visivi fino a circa un fotogramma al secondo e include 30 voci con nome; Phonic 1 è nativo per l'audio e non prevede alcun input visivo dichiarato.

• Provenienza — Google applica il watermarking SynthID all'audio generato; Phonic non formula alcuna dichiarazione equivalente.

• Conformità: Phonic dichiara SOC 2 Type II, disponibilità di BAA HIPAA e zero data retention, oltre a deployment cloud, single-tenant, VPC e self-host; Gemini 3.8 Live è un'API ospitata da Google.

Quale decisione ciascun lettore sta effettivamente prendendo

Se il tuo agente prenota, verifica, rimborsa o attiva un'escalation — se il successo della chiamata è una riga di database che è cambiata — il punteggio agentico del 79,9% di Phonic 1 vale la tariffa oraria più alta e il track record non ancora comprovato. Il vantaggio di 11,3 punti sulla migliore configurazione Gemini è il divario autentico più ampio di questo confronto, ed è quello che si manifesta come differenza nel tasso di completamento anziché come differenza di preferenza.

Se il tuo agente deve principalmente sostenere una buona conversazione, rispondere con precisione e non sembrare un robot che lo fa, il Gemini 3.8 Live standard è l'acquisto migliore su tre componenti su quattro e sul costo. Vince nettamente sul successo nelle attività, vince nettamente sulla preferenza dell'arena contro Phonic e costa il 17% in meno per ora di input. Quello che non fa è agire: un 30,1% di capacità agentica è un modello che può parlare del tuo sistema di prenotazione ma non usarlo.

E se siete il team che sarebbe ricorso al pensiero esteso per impostazione predefinita perché "pensiero" suona come più modello: i numeri dicono di no. Gemini 3.8 Live Extended Thinking costa in latenza, preferenza dell'arena e successo nei task rispetto al proprio fratello più economico, e acquista 38,5 punti di prestazioni agentiche — comunque meno di Phonic, e meno di quanto serva per giustificare una chiamata che deve completare una transazione.

Ciò che rende questo confronto meritevole di lettura invece di una scorsa rapida è che il vincitore cambia a seconda di quale dei quattro numeri si privilegia. Phonic 1 vince il composito perché l’agentività è un terzo della storia e la guida in modo decisivo. Google vince preferenza, completamento del compito e prezzo, e lo fa con un modello che costa la metà per l’esecuzione. L’indice è un riepilogo equo e un pessimo manuale di istruzioni. Leggi le componenti, poi scegli quella che puoi misurare nel tuo traffico entro due settimane.