
Realtime 1 vs Gemini 3.8 Live: победитель арены — тот, кто не может завершить задачу
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 90 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 87 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 182 tok/s
У Gemini 3.8 Live лучший показатель Elo на арене среди всех голосовых моделей в рейтинге speech-to-speech от Artificial Analysis — 1074, впереди 1037 у GPT-Live-1 и со значительным отрывом от 990 у Eleven Realtime Max. У неё также самый высокий показатель успешного выполнения задач в этом наборе сравнения — 93,2%. А в выполнении агентных задач она набирает 30,1%, и это самый слабый показатель из четырёх. Эти три числа описывают одну и ту же модель, и понимание того, почему они сосуществуют, — это и есть весь вопрос, когда вы ставите её рядом с MAI Realtime 1, новой моделью Microsoft для речи в речь, анонсированной 17 ноября 2026 года, которая нацелена ровно на то, в чём Gemini 3.8 Live хуже всего.
Одна из этих моделей — собеседник. Другую продают как оператора. Ни одна не опубликовала достаточно данных, чтобы доказать, кто из них кто именно на вашей рабочей нагрузке, но они ошибаются в противоположных направлениях, и это полезнее, чем табло, где все показатели близки.
Две разные ставки на то, для чего нужна голосовая модель
Формулировка Google для Gemini 3.8 Live узкая и уверенная: это модель Live API по умолчанию для «большинства сценариев голосовых агентов с низкой задержкой и без задержек на рассуждения», а рядом с ней — Gemini 3.8 Live Extended Thinking — для случаев, когда во время взаимодействия требуется «более глубокое фоновое рассуждение». Такое разделение показывает, для чего, по мнению Google, базовая модель не предназначена. Настоящее мышление живет в родственной модели.
Позиционирование Microsoft для MAI Realtime 1 — зеркальное отражение. Это «речь в речь с естественным течением разговора и точной управляемостью», а архитектура явно двухуровневая: быстрая система поддерживает диалог в реальном времени, а более сложные задачи «передаются более мощному механизму рассуждений без неловких пауз». Microsoft продаёт не лучшего собеседника. Она продаёт диспетчера, который говорит достаточно хорошо, чтобы поддерживать связь, пока работу выполняет что-то другое.
• Gemini 3.8 Live — одна модель, намеренно быстрая, а рассуждения доступны в виде отдельной, более тяжёлой родственной модели, которую вы выбираете для каждого развёртывания.
• MAI Realtime 1 — один продукт, за которым стоят два движка, с эскалацией на каждом ходу, а не при каждом развёртывании.
• Практическая разница: Google предлагает вам выбрать настройку на этапе интеграции. Microsoft предлагает довериться маршрутизатору внутри модели и платить за её уровень рассуждений по токенам.
Что говорят независимые цифры о Gemini 3.8 Live
Это та сторона противостояния, где есть фактические измерения, и они хороши:
• Индекс speech-to-speech — 74,5 против 82,6 у варианта Extended Thinking. Индекс штрафует его за колонку agentic, а не за разговор.
• Речевое рассуждение (Big Bench Audio) — 91,7%. Уверенный результат, а также 97,7% в Extended Thinking.
• Динамика разговора — 96,1%. Именно отсюда берётся Elo арены: она справляется с человеческим ритмом звонка примерно так же хорошо, как всё, что измерялось.
• Arena Elo — 1074, самый высокий показатель в сравнительном наборе. Фактически это человеческое предпочтение, и он отнюдь не близок к нижней части этого списка.
• Доля успешно выполненных задач — 93,2%, также самая высокая в наборе.
• Выполнение агентных задач (τ-Voice) — 30,1%. Аномальный результат и причина, по которой сводный индекс оказывается ниже, чем у версии с расширенным мышлением.
• Время до первого аудио — 1,18 секунды. Не самый быстрый результат — Eleven Realtime Max справляется за 0,57 — но достаточно быстрый, чтобы утверждение об «отсутствии задержек на рассуждения» выглядело правдоподобно.
• Смешанная стоимость — около $0,84 в час по нормализации Artificial Analysis. Собственный прайс-лист Google указывает $0,005 за минуту аудиовхода и $0,018 за минуту аудиовыхода, что при непрерывном двустороннем звонке ближе к $1,38 в час; эта разница обусловлена методикой измерения, а не противоречием, и ни один из этих показателей не следует приводить вместо другого.
Сопоставьте агентный показатель с показателем успешности выполнения задач — и проявится кое-что важное. Уровень успешности выполнения задач 93,2% рядом с 30,1% завершения агентных задач означает, что модель очень хороша в задачах, которые тестовый стенд считает разговорными, и слаба в тех, где требуется планировать действия по шагам и использовать инструменты. Это разные инструменты измерения, и именно расхождение между ними — главный вывод. Gemini 3.8 Live, вероятно, будет вести разговор лучше, чем MAI Realtime 1. Запишется ли она на приём в конце этого разговора — отдельный вопрос, и по единственным доступным публичным данным она относится к более слабой половине.

Что говорят цифры Microsoft, а это одно число
MAI Realtime 1 не имеет независимых оценок. По состоянию на 18 ноября Artificial Analysis не включает эту модель. Сам Microsoft публикует на странице модели лишь один показатель точности — 98,8% на Big Bench Audio, обозначенный там как точность на вопросах устного рассуждения из этого бенчмарка, — плюс карточку P50 time-to-first-audio и подпись «P50 Latency on BigBench Audio». Ни цифры по τ-Voice, ни списка поддерживаемых языков, ни распределения, стоящего за процентилем, ни методического примечания рядом с числом точности. Сравните это с 91,7% у Gemini 3.8 Live на том же бенчмарке по измерению Artificial Analysis — и вы сравниваете собственную оценку вендора с оценкой третьей стороны: эти два числа не относятся к одному и тому же типу объектов, и трактовка 98,8% как преимущества в семь пунктов была бы ровно тем отмыванием, которого этот материал пытается избежать. Более широкое утверждение компании состоит в том, что модель находится на границе Парето по соотношению производительности и цены для Big Bench Audio и τ-Voice и что она превосходит GPT Realtime 2.1 по качеству, скорости и цене — это сравнение с моделью голосового рассуждения OpenAI с оплатой за токены, а не с Gemini 3.8 Live.
Так что любое прямое сравнение этих двух моделей сегодня — это сравнение профиля, измеренного третьей стороной, с рекламной цифрой самого производителя. Это не повод отказываться от такого сопоставления. Это повод точно понять, что на самом деле взяла на себя каждая сторона.
Что Microsoft конкретно обязалась сделать: $0.01 за минуту аудио; reasoning по цене $1.00 за миллион входных токенов и $5.00 за миллион выходных токенов; интерфейс, совместимый с OpenAI Realtime API; предварительная версия Foundry с ограниченным доступом, не тарифицируемая до публичной предварительной версии; двухминутная некоммерческая демонстрация в MAI Labs, доступная только взрослым; заявленный поставщиком результат 98.8% на Big Bench Audio с показателем задержки P50 и без распределения за ним; запланированные внедрения в Dynamics 365 Contact Center и симуляциях обучения медсестёр Dragon Copilot; а также раннее тестирование в Agoda и Reservations.ai.
К чему он не взял на себя обязательства: языки, τ-Voice, размещение данных, хранение данных или дата GA.

Сравнение затрат, сделанное как следует
Если брать только голосовую линейку, разрыв очевиден. Минута аудио Gemini 3.8 Live с учётом ввода и вывода вместе стоит $0.023 по прайс-листу Google. Минута MAI Realtime 1 стоит $0.01 без учёта reasoning. Это примерно в 2,3 раза больше, и, в отличие от сравнения с ElevenLabs, на стороне Google нет ни платы за комплаенс, ни платформенной комиссии, которые могли бы увеличить этот разрыв.
Но интересная разница в стоимости заключается не в ставке. Она в том, где оказываются расходы на рассуждения. Ответ Gemini 3.8 Live на сложный ход — это другая модель, которую вы развёртываете, — Gemini 3.8 Live Extended Thinking, по цене $3.50 в час по методике Artificial Analysis и 82.6 по индексу. Это решение о развёртывании, оплачиваемое за час аудио независимо от того, нужен ли он был для какого-либо конкретного хода. Ответ MAI Realtime 1 — это эскалация на уровне отдельного хода с оплатой за токен, что дешевле, когда сложных ходов мало, и дороже, когда их большинство.
• В основном лёгкие ходы, изредка эскалация — потокенная модель MAI Realtime 1 побеждает, причём с большим отрывом.
• В основном сложные ходы — фиксированная ставка Gemini 3.8 Live Extended Thinking в размере $3,50 в час — это более предсказуемый инструмент, и предсказуемость чего-то стоит, когда вы прогнозируете бюджет контакт-центра.
• Смешанный трафик без четкого разделения — вы выбираете между оценкой в расчете на час, которую можете обосновать, и оценкой в расчете на токен, которую приходится измерять. Это разные разговоры о закупке.
Стоит отметить, что бесплатный тариф Google покрывает Gemini 3.8 Live без платы за ввод и вывод, с ограничением по частоте запросов. Для прототипа это реальное преимущество по сравнению с формой регистрации и листом ожидания.
Языки, которые определяют больше матчапов, чем бенчмарки
Gemini 3.8 Live наследует многоязычное поведение Live API, и в документации Google диалог не на английском рассматривается как обычный сценарий использования. В материалах запуска MAI Realtime 1 не указан ни один поддерживаемый язык. Голосовая линейка Microsoft восходит к Dragon — клиническому продукту для диктовки, широко развёрнутому в англоязычной среде, — а в анонсе Transcribe 2 говорится о сокращении вдвое частоты ошибок в многоязычных сценариях; но это модель транскрипции, а не модель реального времени, и это не список языков.
Если ваш агент обслуживает один англоязычный рынок, это всего лишь сноска. Если он обслуживает три, то MAI Realtime 1 пока не является кандидатом, которого вы можете оценить, потому что предварительная версия не покажет вам, как он работает в нужных вам языках.
Как провести сравнение, прежде чем кто-либо из поставщиков уладит этот вопрос
Обе модели работают с OpenAI Realtime API: Google Live API — через собственный интерфейс, а у Microsoft это явно заложено в дизайне. Сторона Gemini тесно связана, но не идентична по семантике сеансов, поэтому закладывайте адаптер, а не замену базового URL; сторона MAI Realtime 1, по собственному описанию Microsoft, ближе к замене без доработок.
Оценка, которая решает исход этого сравнения, — не прогон бенчмарка. Это прогон на выполнение задач: дайте каждой модели одни и те же двадцать реальных запросов, требующих вызова инструмента и второго шага, и посчитайте, сколько из них завершатся. Агентный показатель Gemini 3.8 Live в 30,1% задаёт вашу априорную оценку — примерно шесть должны завершиться. Если MAI Realtime 1 окажется близко к этому, ценовое преимущество ничего вам не даст на этой нагрузке. Если он окажется близко к 87%, которые Eleven Realtime Max показывает на том же стенде, двухуровневая архитектура Microsoft делает то, что заявлено, и сравнение на этом закончено.
Для такой оценки нужно инструментировать слой рассуждений, стоящий за голосовой моделью, потому что на стороне Microsoft именно там и происходит второй шаг. OrcaRouter — это место, куда этот слой подключается: 200+ моделей по одному ключу по прейскурантной цене провайдера с наценкой 0%, автоматическое переключение при сбое, чтобы зависший вызов рассуждений не превратился в четыре секунды тишины в живом звонке, и DSL маршрутизации, который позволяет задать путь эскалации правилом, а не кодом, который вы поддерживаете в голосовом обработчике. Сам MAI Realtime 1 отсутствует в нашем каталоге — до него можно добраться через MAI Labs и предварительный доступ с ограничениями в Foundry — поэтому мы маршрутизируем всё, чему он передаёт управление, а также родственные модели Gemini 3.8 Live, если вы пойдёте путём Google.
Как предварительный просмотр влияет на график закупок
Если поставить два маршрута доступности рядом, асимметрия перестаёт быть вопросом моделей и становится вопросом того, сколько времени требуется, чтобы хоть что-то узнать. Gemini 3.8 Live уже сегодня общедоступна в Google Live API, причём бесплатный тариф покрывает ввод и вывод с ограничением по скорости, а значит, двухдневный всплеск может дать показатель выполнения задач ещё до конца недели. MAI Realtime 1 — это регистрационная форма, лист ожидания, двухминутная некоммерческая демонстрация, доступная только взрослым, и предварительная версия, за которую Microsoft, по её словам, не будет выставлять счёт до начала публичного предпросмотра.
Это разные виды трения, и они выгодны разным командам. Если ответ нужен сейчас и его нужно защитить перед тем, кто подписывает счёт, Gemini 3.8 Live даёт вам измеренный профиль с публичным испытательным стендом за ним и опубликованной ставкой, о которой можно спорить. Если у вас есть свободные инженерные ресурсы и в этом квартале нет дедлайна, предварительная версия Microsoft — самый дешёвый полезный эксперимент в категории: цент в минуту, который сегодня ничего не стоит, против модели, которую не измеряла ни одна третья сторона, на интерфейсе, с которым вы, вероятно, уже умеете обращаться.
• Создайте прототип на этой неделе, решение примите в следующем квартале — подходит любой из вариантов, а бесплатные тарифы с обеих сторон означают, что эксперимент обойдётся почти бесплатно.
• Прототип на этой неделе, релиз в следующем месяце — Gemini 3.8 Live, потому что у MAI Realtime 1 нет даты GA и нет способа её спрогнозировать.
• Данные не могут покидать ваш тенант или ваш регион — ни то, ни другое не является ответом в рамках опубликованных условий; у Google есть региональные средства контроля в Live API, Microsoft ничего не сообщила о резидентности для Realtime 1.

Для кого это разделение
Выбирайте Gemini 3.8 Live, если продукт — это разговор. Если ценность в том, как агент звучит, как справляется с перебиванием, как быстро отвечает и насколько хорошо работает на шести языках, у него лучший измеренный профиль среди всего в его ценовом диапазоне и бесплатный тариф, чтобы это доказать. Показатель agentic 30,1% имеет значение, только если ваши звонки должны заканчиваться завершённым действием, а не хорошо обработанным разговором.
Отнеситесь к MAI Realtime 1 серьёзно, если продукт — это транзакция — бронирование, заявка, запрос, охватывающий несколько систем — и если вы готовы мириться с поддержкой только английского, пока Microsoft не объявит иное. При цене в один цент за минуту и неоплачиваемом превью это самый дешёвый способ выяснить, превосходит ли маршрутизатор на стороне поставщика ваш маршрутизатор на стороне приложения. Риск не в деньгах. Риск в том, что вы будете выпускать продукт на модели, единственная опубликованная цифра точности которой — её собственные 98,8%, без подтверждающего повторного прогона, без оценки τ-Voice, без списка языков и без распределения задержек — и единственная сторона, которая может закрыть этот разрыв в этом месяце, — это вы, с вашими собственными средствами измерения.
Ни одна из сторон не сделала одного: не опубликовала число, которое решило бы вопрос, — какую долю реальных разговоров требует второй движок. Ответ Google — продать вам вторую модель и позволить решать при каждом развёртывании. Ответ Microsoft — решать на каждом ходу и выставлять вам за это счёт. Оба варианта — честные проектные решения. Только один из них измерим сегодня, и это не более дешёвый.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
