Phonic 1 против Gemini 3.8 Live: одна плата, четыре числа и вопрос о том, какой Gemini вы имеете в виду

Первое, что нужно установить при сравненииPhonic 1 с Gemini 3.8 Live, — это то, что «Gemini 3.8 Live» — не одна модель. 15 сентября 2026 года Google выпустила две модели: gemini-3.8-live, оптимизированную по стоимости и задержке, и gemini-3.8-live-extended-thinking, которая рассуждает, пока говорит, и запускает инструменты в фоне, — и они ведут себя как разные продукты. В рейтинге speech-to-speech от Artificial Analysis стандартная модель набирает 74,5 балла, а вариант extended-thinking — 82,6. Phonic 1, выпущенная в конце октября 2026 года, набирает 87,1. То, какую именно Gemini вы сопоставляете с Phonic, определяет, будет разрыв 12,6 балла или 4,5 балла, а также то, о какой половине спора идет речь.

Так что полезный вопрос — не «кто победит». Он в том, какая из этих четырёх измеренных вещей вам действительно нужна, потому что составной индекс скрывает под собой раздвоенное решение. Phonic 1 побеждает в компоненте, который определяет, добьётся ли звонок результата. Модели Google побеждают в компонентах, которые определяют, приятен ли звонок и завершается ли он, и при этом Google берёт меньше за час. Читатель, который видит только 87,1 против 82,6, примерно в половине случаев выберет неподходящую для своей задачи модель.

Две модели Gemini, и только одна из них представлена в таблице против Phonic.

Gemini 3.8 Live заменил gemini-3.1-flash-live-preview и теперь общедоступен через Gemini API и AI Studio, тогда как Gemini Enterprise и Search Live всё ещё находятся в закрытом предварительном просмотре. Стандартная модель оптимизирована именно под то, что требуется телефонному агенту в масштабе: скорость, дешевизна, естественность. Вариант с расширенным мышлением сначала рассуждает, а затем отвечает: это повышает точность на сложных многошаговых запросах, но увеличивает задержку. У них отдельные названия, отдельная тарификация на уровне токенов и отдельные оценки.

• Gemini 3.8 Live (стандартный) — индекс преобразования речи в речь 74,5, рассуждения 92, динамика 96,1, агентные возможности 30,1, предпочтение на арене 1 074, успешность выполнения задач 93,2 %, время до первого аудиосигнала 1,18 с.

• Gemini 3.8 Live Extended Thinking (High) — индекс 82.6, рассуждение 98, динамика 91.9, агентность 68.6, арена 966, успешность выполнения задач 89.1%, время до первого аудио 1.35 с.

• Phonic 1 (High) — индекс 87,1, рассуждение 99, динамика не указана, агентность 79,9, арена 1 012, успешность задач 92,3%, время до первого аудио 0,61 с.

Обратите внимание на внутреннее противоречие в собственной линейке Google. Включение расширенного мышления повышает индекс на 8,1 пункта, но это снижает предпочтение на арене на 108 Elo и успешность выполнения задач на 4,1 пункта. Более интенсивное рассуждение приводит к тому, что модель показывает лучший результат по составному показателю и худший — по двум из четырёх входных параметров. Это не недостаток моделей; это напоминание о том, что одно взвешенное среднее может смещаться в направлении, за которое не стал бы голосовать ни один пользователь.

Арифметика компонентов, строка за строкой

Artificial Analysis строит свой индекс speech-to-speech на основе четырёх входных параметров — речевого рассуждения, агентной эффективности, предпочтений на арене и доли успешно выполненных задач — и называет его взвешенным средним. Если рассмотреть эти четыре компонента по отдельности, сравнение превращается в нечто гораздо более конкретное, чем разрыв в 4,5 пункта.

• Рассуждение в речи — Phonic 1 99 против Gemini 3.8 Live Extended Thinking 98 и стандартного 92. Фактически ничья на вершине; этот компонент ничего не решает.

• Агентная производительность — Phonic 1: 79,9 против 68,6 у extended thinking и 30,1 у стандартного режима. В этом весь аргумент. Extended thinking — единственная конфигурация Gemini, которая здесь конкурентоспособна, и она всё равно отстаёт на 11,3 балла.

• Предпочтения на Arena — Phonic 1: 1,012 против 966 в режиме расширенного мышления и 1,074 в стандартном режиме. Стандартная модель превосходит Phonic на 62 пункта Elo; модель с расширенным мышлением проигрывает на 46. Люди-слушатели предпочитают дешёвый Gemini.

• Доля успешно выполненных задач — Phonic 1: 92,3% против 89,1% у extended thinking и 93,2% у standard. И снова стандартная модель побеждает с небольшим перевесом, а thinking-модель проигрывает.

Выстройте эти четыре в ряд — и картина станет связной. Phonic 1 — самый способный агент и наименее предпочтительный голос среди трёх. Gemini 3.8 Live standard — наиболее предпочтительный голос и лучший исполнитель задач, а также худший агент. Gemini 3.8 Live Extended Thinking находится между ними и, пожалуй, сочетает худшее из обоих: он расплачивается за рассуждения задержкой и снижением предпочтительности и всё равно не догоняет Phonic по агентности.

Сколько стоит минута каждого из них и почему заявленные тарифы вводят в заблуждение

По нормализованному показателю Artificial Analysis «стоимость часа входного аудио» Gemini оказывается более дешёвой моделью: 3,50 доллара в час за Gemini 3.8 Live Extended Thinking против 4,20 доллара за Phonic 1. Именно эту цифру признают собственные материалы запуска Phonic — их сравнительная таблица показывает, что Gemini предлагает более низкую цену, чем Phonic, — и об этом стоит сказать прямо, потому что новичок, который превосходит модель Google по показателю агентности и уступает ей по цене, — это более интересная история, чем безоговорочная победа.

Опубликованные Google тарифы на токены составляют $3 за миллион входных аудиотокенов и $12 за миллион выходных аудиотокенов, что при типичных плотностях соответствует примерно $0,005 за минуту для ввода и $0,018 за минуту для вывода. У Phonic оплата — фиксированные $0,07 за минуту разговора, $0,065 на тарифе Pro при минимальном ежемесячном платеже $200, и поставщик прямо указывает, что сквозной передачи затрат на LLM и платы за токены нет.

• Стоимость за час входных данных — Gemini 3.8 Live Extended Thinking $3.50 против Phonic 1 $4.20, согласно нормализации Artificial Analysis.

• Схема оплаты — Gemini тарифицирует аудиовход и аудиовыход отдельно по ставкам за токены; Phonic тарифицирует по одной ставке за минуту разговора, покрывающей модельный слой.

• Где графики расходятся: звонок, в котором агент много говорит и мало слушает, стоит дороже по счётчику выходных данных Gemini и столько же по фиксированной ставке Phonic; звонок, в котором агент в основном слушает, стоит меньше на Gemini и столько же на Phonic.

• Бесплатный тариф — Gemini предоставляет бесплатные токены как на вход, так и на выход, с непубликуемыми лимитами бесплатного тарифа для моделей Live; у Phonic нет бесплатного тарифа, но до 30 ноября 2026 г. проводилась промо-акция с кредитом в размере $250 для новых регистраций.

Именно для таких решений и предназначен роутер, но есть одна честная оговорка: ни одной из этих двух диалоговых моделей нет в каталоге OrcaRouter, поэтому здесь их нельзя ни сравнить, ни переключиться на них как на резервные. А в каталоге есть текстовая «сестра» — Gemini 3.8 Flash, доступная для маршрутизации уже сегодня наряду с 200+ другими моделями через единый ключ, по каталожной цене и без наценки. Если ваш голосовой агент делегирует рассуждения текстовой модели, а не выполняет их самостоятельно, именно это звено можно маршрутизировать, сравнивать по цене и переключать на резервную модель, и обычно именно оно формирует основную часть счёта.

Задержка, сессии и ограничения, которые никто не читает

Phonic 1 отвечает на первый аудиосигнал за 0,61 с. Gemini 3.8 Live тратит 1,18 с, а вариант с расширенным мышлением — 1,35 с. На собственной диаграмме скорости индекса это ставит Phonic в один диапазон с Grok Voice 3.0 на 0,81 с, при этом обе конфигурации Gemini отстают примерно на треть секунды — разница между тем, когда звонящий ждёт, и тем, когда он замечает, что ждёт.

Google опубликовала жёсткие ограничения на длительность сеансов, которые для некоторых продуктов важнее разрыва по задержке: сеансы Gemini 3.8 Live ограничены пятнадцатью минутами взаимодействия только в аудиорежиме — или двумя минутами, если в поток добавлено видео. Для звонка в службу поддержки это нормально. Для планового вступительного интервью, коучинговой сессии или долго работающего голосового ассистента пятнадцатиминутный потолок — это конструктивное ограничение, вокруг которого нужно строить систему, и Phonic его не указывает. В публичных материалах Phonic также указано 50+ языков против 97 у Google — противоположность обычному отставанию новичка.

• Контекст и вывод — Gemini 3.8 Live поддерживает контекст объёмом 131K при максимальном объёме вывода 65 536 токенов; Phonic не публикует данных об объёме контекста.

• Мультимодальность — Gemini 3.8 Live принимает визуальный ввод с частотой до примерно одного кадра в секунду и включает 30 именованных голосов; Phonic 1 является аудио-нативным и не имеет заявленной поддержки визуального ввода.

• Происхождение — Google применяет водяные знаки SynthID к сгенерированному аудио; Phonic не заявляет об аналогичном механизме.

• Соответствие требованиям — Phonic заявляет о соответствии SOC 2 Type II, доступности HIPAA BAA и нулевом хранении данных, а также о вариантах развертывания: облако, single-tenant, VPC и self-host; Gemini 3.8 Live — это API, размещённый у Google.

Какое решение на самом деле принимает каждый читатель

Если ваш агент бронирует, проверяет, возвращает средства или эскалирует — если успех звонка измеряется изменённой строкой в базе данных — то agentic-показатель Phonic 1 в 79,9% оправдывает более высокую почасовую ставку и неподтверждённый послужной список. Преимущество в 11,3 пункта над лучшей конфигурацией Gemini — это самый большой реальный разрыв в этом сравнении, и именно он проявляется как разница в доле завершённых звонков, а не как разница в предпочтениях.

Если вашему агенту в основном нужно поддерживать хороший разговор, отвечать точно и при этом не звучать как робот, стандартный Gemini 3.8 Live — более выгодная покупка по трём из четырёх компонентов и по стоимости. Он безоговорочно побеждает по успешности выполнения задач, безоговорочно побеждает в предпочтениях арены против Phonic и стоит на 17% меньше за час входных данных. Чего он не делает — так это не действует: 30,1% по агентным возможностям — это модель, которая может говорить о вашей системе бронирования, но не использовать её.

И если вы — та команда, которая по умолчанию хваталась бы за расширенное мышление, потому что «мышление» звучит как «больше модели»: цифры говорят, что не стоит. Gemini 3.8 Live Extended Thinking по сравнению со своим более дешёвым собратом теряет в задержке, предпочтении на арене и успешности в задачах, а взамен даёт 38,5 пункта агентной производительности — всё равно меньше, чем у Phonic, и меньше, чем нужно, чтобы оправдать вызов, который должен завершить транзакцию.

То, что делает это сравнение достойным прочтения, а не беглого просмотра, — это то, что победитель меняется в зависимости от того, какому из четырёх показателей вы отдаёте больший вес. Phonic 1 забирает сводную оценку, потому что агентность — это треть всей истории, и здесь он безоговорочно лидирует. Google берёт верх по предпочтениям, завершению задач и цене — и делает это с моделью, работа с которой стоит вдвое дешевле. Индекс — честное резюме и плохое руководство к действию. Читайте компоненты, а затем выбирайте тот, который сможете измерить в своём собственном трафике за две недели.