Een gegenereerde titelkaart voor Realtime 1 vs Gemini 3.8 Live die een arena-Elo van 1074 en een taaksuccespercentage van 93,2% contrasteert met een agentische taakvoltooiingsscore van 30,1%, plus een OrcaRouter-logo.
Guides & Insights

Realtime 1 vs Gemini 3.8 Live: De Arena-winnaar is degene die de taak niet kan afmaken

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

G​emini 3.8 Live heeft de beste arena-Elo van alle spraakmodellen op de spraak-naar-spraak-board van Artificial Analysis — 1074, vóór de 1037 van GPT-Live-1 en ruim boven de 990 van Eleven Realtime Max. Het heeft ook het hoogste taaksuccespercentage in die vergelijkingsset, 93,2%. En het scoort 30,1% op het voltooien van agentische taken, het zwakste cijfer van de vier. Die drie cijfers beschrijven hetzelfde model, en begrijpen waarom ze naast elkaar bestaan is de hele vraag wanneer je het naast MAI Realtime 1legt, het nieuwe spraak-naar-spraakmodel van Microsoft dat op 17 november 2026 werd aangekondigd en precies is gericht op hetgeen waarin G​emini 3.8 Live het slechtst is.

Een van deze modellen is een gesprekspartner. Het andere wordt verkocht als een operator. Geen van beide heeft genoeg gepubliceerd om te bewijzen welke welke is op jouw workload, maar ze falen in tegenovergestelde richtingen, en dat is nuttiger dan een scorebord waarop alles dicht bij elkaar ligt.

Twee verschillende weddenschappen over waarvoor een spraakmodel dient

De positionering van G​oogle voor G​emini 3.8 Live is beperkt en zelfverzekerd: het is het standaard Live API-model voor "de meeste low-latency voice-agentervaringen zonder vertraging bij het redeneren", met een zustermodel — G​emini 3.8 Live Extended Thinking — voor gevallen die tijdens de interactie "zwaardere achtergrondredenering" nodig hebben. Die splitsing laat zien waarvoor G​oogle het basismodel niet bedoeld acht. Het echte denkwerk zit in het zustermodel.

Microsofts framing voor MAI Realtime 1 is het spiegelbeeld. Het is "spraak-naar-spraak met een natuurlijke gespreksflow en precieze stuurbaarheid", en de architectuur is expliciet tweelaags: een snel systeem houdt de dialoog realtime, en moeilijkere taken worden "doorgestuurd naar een krachtigere redeneerengine zonder ongemakkelijke pauzes." Microsoft verkoopt geen betere prater. Het verkoopt een dispatcher die goed genoeg praat om de verbinding in leven te houden terwijl iets anders het werk doet.

• G​emini 3.8 Live — één model, bewust snel, met redeneervermogen beschikbaar als een afzonderlijk, zwaarder model uit dezelfde familie dat je per deployment kiest.

• MAI Realtime 1 — één product met twee engines erachter, dat per beurt opschaalt in plaats van per deployment.

• Het praktische verschil — Google vraagt je om op het moment van integratie een instelling te kiezen. Microsoft vraagt je om een router binnen het model te vertrouwen en de redeneerlaag ervan per token te betalen.

Wat de onafhankelijke cijfers zeggen over G​emini 3.8 Live

Dit is de kant van de matchup met daadwerkelijke metingen, en die zijn goed:

• Spraak-naar-spraakindex — 74,5, tegenover 82,6 voor de Extended Thinking-variant. De index bestraft het voor de agentische kolom, niet voor het gesprek.

• Spraakredenering (Big Bench Audio) — 91,7%. Sterk, en 97,7% op Extended Thinking.

• Gespreksdynamiek — 96,1%. Hier komt de arena-Elo vandaan: het komt ongeveer even goed overweg met het menselijk ritme van een telefoongesprek als alles wat gemeten wordt.

• Arena Elo — 1074, de hoogste in de vergelijkingsset. In feite menselijke voorkeur, en het zit niet in de buurt van de onderkant van die lijst.

• Taaksuccespercentage — 93,2%, ook het hoogste in de set.

• Voltooiing van agentische taken (τ-Voice) — 30,1%. De uitschieter, en de reden waarom de samengestelde index onder de extended-thinking-versie blijft.

• Tijd tot de eerste audio — 1,18 seconden. Niet de snelste — Eleven Realtime Max doet het in 0,57 — maar snel genoeg om de claim "geen redeneervertragingen" geloofwaardig te maken.

• Gecombineerde kosten — ongeveer $0,84 per uur volgens de normalisatie van Artificial Analysis. G​oogle's eigen tariefkaart vermeldt $0,005 per minuut audio-invoer en $0,018 per minuut audio-uitvoer, wat bij een continu tweerichtingsgesprek dichter bij $1,38 per uur ligt; het verschil is een meetconventie, geen tegenspraak, en geen van beide cijfers mag als het andere worden aangehaald.

Leg het agentische getal naast het taaksuccesgetal en er komt iets belangrijks naar boven. Een taaksuccespercentage van 93,2% naast 30,1% agentische voltooiing betekent dat het model heel goed is in de taken die de evaluatieharness als conversationeel beschouwt en slecht in de taken waarbij het over meerdere stappen moet plannen en tools moet gebruiken. Dat zijn verschillende instrumenten, en de discrepantie is de bevinding. G​emini 3.8 Live zal waarschijnlijk een beter gesprek voeren dan MAI Realtime 1. Of het aan het einde van dat gesprek de afspraak zal boeken, is een aparte vraag, en op basis van het enige beschikbare openbare bewijs is het de zwakkere helft.

A screenshot of Artificial Analysis's Speech to Speech AI Model & Provider Leaderboard page captured 18 November 2026, showing the page heading, the methodology summary covering reasoning quality, conversational dynamics, generation time and price, the Speech to Speech Index / Speed / Cost per Hour chart panels, and the Related Links rail; the individual model rows in the charts are not legible at this capture size.

Wat de Microsoft-cijfers zeggen, wat één getal is

MAI Realtime 1 heeft geen onafhankelijke scores. Artificial Analysis neemt het model per 18 november niet op. Wat Microsoft zelf publiceert, is één nauwkeurigheidscijfer op de modelpagina — 98,8% op Big Bench Audio, daar aangeduid als nauwkeurigheid op gesproken redeneervragen uit die benchmark — plus een kaart met P50 tijd-tot-eerste-audio en een onderschrift "P50 Latency on BigBench Audio". Geen τ-Voice-cijfer, geen lijst met ondersteunde talen, geen verdeling achter het percentiel, geen methodologienoot naast het nauwkeurigheidscijfer. Vergelijk dat met de 91,7% van Gemini 3.8 Live op dezelfde benchmark, zoals gemeten door Artificial Analysis, en je vergelijkt de eigen evaluatie van een leverancier met die van een derde partij: de twee cijfers zijn niet hetzelfde soort object, en 98,8% als een voorsprong van zeven punten behandelen zou precies het witwassen zijn dat dit stuk probeert te vermijden. De bredere bewering van het bedrijf is dat het model op de Pareto-grens voor prestatie en prijs zit voor Big Bench Audio en τ-Voice, en dat het GPT Realtime 2.1 verslaat op kwaliteit, snelheid en prijs — een vergelijking met OpenAI's per-token redeneerspraakmodel, niet met Gemini 3.8 Live.

Dus elke directe vergelijking tussen deze twee modellen vandaag is een vergelijking tussen een door een derde partij gemeten profiel en een door de leverancier zelf gepresenteerd headline-cijfer. Dat is geen reden om de onderlinge vergelijking over te slaan. Het is een reden om precies te zijn over waartoe elke partij zich daadwerkelijk heeft verbonden.

Wat Microsoft concreet heeft toegezegd: $0,01 per audiominuut, redeneren tegen $1,00 per miljoen inputtokens en $5,00 per miljoen outputtokens, een interface die compatibel is met de O​penAI Realtime API, een Foundry-preview met beperkte toegang waarvoor tot de openbare preview niets in rekening wordt gebracht, een niet-commerciële demo van twee minuten in MAI Labs die alleen voor volwassenen toegankelijk is, een door de leverancier gerapporteerde 98,8% op Big Bench Audio met een P50-latentiecijfer en zonder onderliggende verdeling, genoemde implementaties die eraan komen in Dynamics 365 Contact Center en de verpleegkundige-trainingssimulaties van Dragon Copilot, en vroege tests bij Agoda en Reservations.ai.

Wat het niet heeft toegezegd: talen, τ-Voice, gegevensresidentie, retentie of een GA-datum.

A screenshot of Microsoft's MAI Realtime 1 model page captured 18 November 2026, showing the 98.8% Big Bench Audio accuracy figure, a 'Start a conversation' button, $0.01 per audio minute pricing, $5 per 1M output tokens, and a P50 time-to-first-audio card labelled 'P50 Latency on BigBench Audio'.

De kostenvergelijking, goed uitgevoerd

Alleen al op de spraaklijn is de kloof niet subtiel. Een minuut G​emini 3.8 Live-audio, input en output samen, kost $0.023 op de prijskaart van G​oogle. Een minuut MAI Realtime 1 kost $0.01 vóór reasoning. Ruwweg 2.3x, en anders dan bij de vergelijking met ElevenLabs is er aan de G​oogle-kant geen compliance- of platformvergoeding om die kloof te vergroten.

Maar het interessante kostenverschil is niet het tarief. Het is waar de rekening voor het redeneren terechtkomt. Het antwoord van Gemini 3.8 Live op een moeilijke beurt is een ander model dat je inzet — Gemini 3.8 Live Extended Thinking, tegen $3,50 per uur op basis van Artificial Analysis en 82,6 op de index. Dat is een inzettingsbeslissing, geprijsd per uur audio, ongeacht of een bepaalde beurt het nodig had. Het antwoord van MAI Realtime 1 is een escalatie per beurt, geprijsd per token, wat goedkoper is wanneer weinig beurten moeilijk zijn en duurder wanneer de meeste dat zijn.

• Meestal eenvoudige beurten, af en toe escalatie — het per-tokenmodel van MAI Realtime 1 wint, en met een flinke marge.

• Overwegend lastige wendingen — het vaste tarief van $3,50 per uur van G​emini 3.8 Live Extended Thinking is het voorspelbaardere instrument, en voorspelbaarheid is iets waard wanneer je een budget voor een contactcenter voorspelt.

• Gemengd verkeer zonder duidelijke splitsing: je kiest tussen een schatting per uur die je kunt verdedigen en een schatting per token die je moet meten. Dat zijn verschillende inkoopgesprekken.

Het is het vermelden waard dat het gratis niveau van G​oogle G​emini 3.8 Live kosteloos invoer en uitvoer dekt, met een snelheidslimiet. Voor een prototype is dat een echt voordeel ten opzichte van een registratieformulier en een wachtlijst.

Talen, die meer matchups bepalen dan benchmarks doen

G​emini 3.8 Live erft het meertalige gedrag van de Live API en de documentatie van G​oogle beschouwt niet-Engelstalige dialoog als gewoon gebruik. Het lanceermateriaal van MAI Realtime 1 vermeldt geen enkele ondersteunde taal. De stemlijn van Microsoft loopt via Dragon, een klinisch dictatieproduct met een sterke Engelse uitrol, en de aankondiging van Transcribe 2 heeft het over het halveren van meertalige foutpercentages — maar dat is het transcriptiemodel, niet het realtime model, en het is geen taallijst.

Als je agent één Engelstalige markt bedient, is dit een voetnoot. Als hij er drie bedient, is MAI Realtime 1 nog geen kandidaat die je kunt evalueren, want de preview vertelt je niet wat hij doet in de talen die je nodig hebt.

Hoe je de vergelijking uitvoert voordat een van beide leveranciers de knoop doorhakt

Beide modellen spreken de OpenAI Realtime API — de Live API van Google via zijn eigen interface, die van Microsoft expliciet volgens ontwerp. De Gemini-kant is nauw verwant maar niet identiek qua sessiesemantiek, dus reken op een adapter in plaats van een base-URL-swap; de MAI Realtime 1-kant komt volgens Microsofts eigen beschrijving dichter bij een drop-in.

De evaluatie die deze confrontatie beslist, is geen benchmarkrun. Het is een taakvoltooiingsrun: geef elk model dezelfde twintig echte verzoeken die een tool-call en een tweede stap vereisen, en tel hoeveel ervan worden afgerond. Het agentic-percentage van 30,1% van G​emini 3.8 Live bepaalt je voorafgaande verwachting — het zou er ongeveer zes moeten afronden. Als MAI Realtime 1 in de buurt daarvan uitkomt, levert het prijsvoordeel je niets op bij deze workload. Als het in de buurt komt van de 87% die Eleven Realtime Max op dezelfde harness haalt, doet Microsofts tweetrapsontwerp wat het beweert en is de confrontatie beslist.

Die evaluatie vereist dat de redeneerlaag achter het spraakmodel wordt geïnstrumenteerd, want aan Microsoft-zijde vindt daar daadwerkelijk de tweede stap plaats. OrcaRouter is de plek waar die laag aansluit: 200+ modellen achter één sleutel tegen de lijstprijs van de provider, met 0% opslag, automatische failover zodat een redeneeraanroep die blijft hangen geen vier seconden stilte wordt in een livegesprek, en een routerings-DSL waarmee het escalatiepad een regel kan zijn in plaats van code die je in de voicehandler onderhoudt. MAI Realtime 1 zelf staat niet in onze catalogus — het is bereikbaar via MAI Labs en de preview met beperkte toegang van Foundry — dus wat wij routeren is alles waarnaar het overdraagt, plus de verwante modellen van G​emini 3.8 Live als je voor de G​oogle-route kiest.

Wat de preview doet met de inkooptijdlijn

Zet de twee beschikbaarheidsroutes naast elkaar, en de asymmetrie gaat niet meer over de modellen maar over hoe lang het duurt voordat je iets weet. G​emini 3.8 Live is vandaag algemeen beschikbaar op G​oogle's Live API, met een gratis tier die invoer en uitvoer dekt tegen een snelheidslimiet, wat betekent dat een tweedaagse piek vóór het einde van de week een taakvoltooiingsgetal kan opleveren. MAI Realtime 1 is een registratieformulier, een wachtlijst, een niet-commerciële demo van twee minuten die beperkt is tot volwassenen, en een preview waarvan Microsoft heeft gezegd dat er niet gefactureerd wordt totdat de openbare preview begint.

Dat zijn verschillende soorten frictie en ze bevoordelen verschillende teams. Als je nu een antwoord nodig hebt en het antwoord verdedigbaar moet zijn tegenover degene die de factuur ondertekent, geeft G​emini 3.8 Live je een gemeten profiel met een openbare evaluatieopstelling erachter en een gepubliceerd tarief waarover je kunt discussiëren. Als je engineeringcapaciteit over hebt en dit kwartaal geen deadline hebt, is de Microsoft-preview het goedkoopste nuttige experiment in de categorie — een cent per minuut die vandaag niets kost, tegenover een model dat door geen enkele derde partij is gemeten, op een interface die je waarschijnlijk al spreekt.

Prototype deze week, beslis volgend kwartaal — beide werken, en de gratis tiers aan beide kanten betekenen dat het experiment bijna gratis is.

• Deze week prototypen, volgende maand uitrollen — Gemini 3.8 Live, omdat MAI Realtime 1 geen GA-datum heeft en die ook niet te voorspellen is.

• Gegevens kunnen uw tenantomgeving of uw regio niet verlaten — geen van beide is het antwoord volgens gepubliceerde voorwaarden; Google heeft regionale controles op de Live API, Microsoft heeft niets gezegd over residentie voor Realtime 1.

A generated two-column scoreboard titled 'MAI Realtime 1 vs Gemini 3.8 Live — the scoreboard'. Left column MAI Realtime 1: arena Elo not scored, task success not published, agentic not published, reasoning 98.8% vendor, cost $0.01 plus tokens. Right column Gemini 3.8 Live: arena Elo 1074, task success 93.2%, agentic 30.1%, reasoning 91.7%, cost $0.84 per hour. Footer reads 'Gemini figures per Artificial Analysis; the 98.8% is Microsoft own, unaudited.'

Voor wie dit wordt gesplitst

Kies G​emini 3.8 Live als het product een gesprek is. Als de waarde zit in hoe de agent klinkt, hoe hij met onderbrekingen omgaat, hoe snel hij antwoordt en hoe goed hij in zes talen werkt, heeft hij het best gemeten profiel van alles in zijn prijsklasse en een gratis niveau om dat te bewijzen. De agentische score van 30,1% is alleen van belang als je oproepen moeten eindigen in een voltooide actie in plaats van een goed afgehandelde interactie.

Neem MAI Realtime 1 serieus als het product een transactie is — een boeking, een claim, een opzoeking die systemen overspant — en als je kunt leven met alleen Engels totdat Microsoft anders publiceert. Voor een cent per minuut, met een niet-gefactureerde preview, is het de goedkoopste manier om erachter te komen of een router aan leverancierszijde het wint van een router aan jouw applicatiezijde. Het risico is niet het geld. Het is dat je zou uitbrengen op basis van een model waarvan het enige gepubliceerde nauwkeurigheidscijfer zijn eigen 98,8% is, zonder dat er een hertest achter zit, zonder τ-Voice-score, zonder talenlijst en zonder latentiedistributie — en de enige partij die die kloof deze maand kan dichten, ben jij, met je eigen instrumentatie.

Wat geen van beide partijen heeft gedaan, is het getal publiceren dat de knoop zou doorhakken: welk deel van echte gesprekken de tweede engine nodig heeft. Het antwoord van Google is om je een tweede model te verkopen en jou per deployment te laten beslissen. Dat van Microsoft is om per beurt te beslissen en je daarvoor te factureren. Beide zijn eerlijke ontwerpen. Slechts één ervan is vandaag meetbaar, en dat is niet de goedkoopste.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt