GPT-Live-1.1 vs Gemini 3.8 Live: Sex nya språk mot nittiosju, och varför det gapet inte är hela historien

Räkna språken och kampen ser avgjord ut innan den ens har börjat. Gemini 3.8 Live, som tillkännagavs av Google DeepMind den 15 september 2026, har sedan lanseringen haft 97 språk med automatisk växling mitt i konversationen. GPT-Live-1.1, som rullades ut av OpenAI den 15 oktober 2026, lägger till tretton nya röstalternativ – två vardera för franska, tyska, hindi, japanska, koreanska och mexikansk spanska, plus en engelsk röst som heter Bubbie. Sex nya språk mot nittiosju är ett förhållande som ingen behöver fundera över.

Det är också en jämförelse mellan en veckas arbete och ett års täckning, och det är därför siffran som avslutar argumentet inte är den siffra som bör avgöra det. De två lanseringarna mäter olika saker: Googles siffra beskriver hur mycket av världen sessionen kan rymma, OpenAIs beskriver vilka accenter som hördes fel tidigare och inte nu. För en köpare är den användbara frågan inte vilken siffra som är större. Det är vilken av de två du faktiskt kan anropa, och vad som händer med resten av din stack när du gör det.

Tillgänglighet är där jämförelsen brister

Börja där, för det är den punkt där dessa två modeller upphör att vara alternativ.

GPT-Live-1.1 är en utrullning för konsumenter. Den kom till ChatGPT Voice den 15 oktober 2026, tillsammans med en andra modell, GPT-Live-1.1 Quip, som efterträder GPT-Live-1 mini och blir standard för konton under Plus. OpenAIs tillkännagivande säger uttryckligen att API:et kommer senare – "kommer snart till API:et" – och dokumentationen håller med: modellsidan listar fortfarande gpt-live-1 och gpt-live-transcribe och inget nyare, och gpt-live-1.1 returnerar en 404 som modellsida. Det finns inget modell-ID, ingen frekvensbegränsning och inget pris för GPT-Live-1.1 någonstans där en utvecklare kan komma åt det.

Gemini 3.8 Live är det motsatta fallet. Det är en API-modell med en publicerad taxa – 0,005 USD per minut för ljudinmatning och 0,018 USD per minut för ljudutmatning – och den har gått att anropa sedan dagen den tillkännagavs, med varianten Extended Thinking distribuerad via Gemini Live, Docs, Gmail och Keep för AI-prenumeranter. Googles tillgänglighet för företag är fortfarande en privat förhandsversion utan åtagande om allmän tillgänglighet, vilket i sig är en verklig begränsning, men det är en annan typ av begränsning än att inte ha någon slutpunkt alls.

Så en av dessa är något man kan köpa och den andra är något man kan använda. Den asymmetrin är mer betydelsefull än något benchmarkresultat under den, och det är det som de flesta jämförelser under lanseringsveckan av dessa två modeller utelämnar.

Vad 97 mot sex egentligen mäter

Klyftan är verklig. Om dina uppringare talar polska eller thailändska är Gemini 3.8 Live den enda av de två som kan ta samtalet, och inget annat i den här artikeln har någon betydelse.

Det talet inte mäter är kvaliteten inom överlappningen, och det är i överlappningen som nästan hela efterfrågan finns.

• Vad 97 köper — långsvansad täckning och förmågan att byta språk mitt i en mening utan att tappa sessionen. För en supportlinje som spänner över ett dussin europeiska marknader är just den funktionen produkten.

• Vad sex köper — djup på de marknader där den tidigare generationen lät fel. OpenAI:s påstående handlar om accentens naturlighet snarare än förståelse, och de sex valda språken är bland de största icke-engelskspråkiga röstmarknaderna snarare än ett slumpmässigt urval. Versionsinformationen beskriver också ett bredare urval av korta fraser för att signalera att modellen söker, vilket är det som användarna hör som "kontrollerar…".

• Vad ingen av siffrorna säger dig — hur något av det låter. Det finns inget offentligt, reproducerbart accentriktmärke och inget oberoende betyg för talkvalitet för någon av modellerna i någon av språkgrupperna. Båda siffrorna är leverantörernas antal av språkvarianter som stöds, och båda leverantörerna publicerar dem utan att någon metod anges.

Den praktiska konsekvensen är att antalet språk är ett urvalsfilter, inte ett beslut. Om de som ringer dig talar ett av de sju språken ovan är antalet irrelevant och accentkvaliteten blir ett lyssningstest som du själv genomför. Om de inte gör det har beslutet redan fattats åt dig.

Den oberoende styrelsen, och variantproblemet

Där oberoende mätning finns, finns den för den föregående generationen på OpenAI-sidan. På Artificial Analysis Speech to Speech Index, läs från resultattavlan så som den såg ut den 16 oktober 2026:

• Grok Voice 3.0 — 86.9

• GPT-Live-1 (Astra-backend, medel ansträngning) — 83,2

• Gemini 3.8 Live Extended Thinking (High) — 82,6

• Grok Voice 2.0 — 81,3

• GPT-Live-1 (Sol-backend, låg insats) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 75,2

• Grok Voice 1.0 — 73,7

• GPT-Realtime-2 (High) — 73,6

• Gemini 3.1 Flash Live High — 72,0

Två saker följer av den ordningen. För det första ligger modellen som nämns som nummer två i artikelns titel på sjätte plats, medan en variant av den andra ligger på tredje plats — 82,6:an som citeras tillhör Gemini 3.8 Live Extended Thinking, en annan konfiguration med en snävare utrullning. För det andra finns det ingen rad för GPT-Live-1.1 någonstans på resultattavlan, så efterträdaren representeras här av siffran som föregångaren fick.

Läst mot standardkonfigurationen – Gemini 3.8 Live:s 76,0 mot GPT-Live-1:s 83,2 – leder OpenAI-familjen med 7,2 punkter utifrån föregångarens underlag. Läst mot varianten Extended Thinking är det en lucka på 0,6 punkter åt andra hållet, vilket ligger inom den rörelse man förväntar sig från en resultattavla som körs om när modeller läggs till. Ingen av läsningarna är en mätning av GPT-Live-1.1, och det är värt att vara tydlig med det: efterföljarens eget underlag är ett systemkort som säger att den presterar i paritet med GPT-Live-1 på produktionsprompter, vilket är ett påstående om att inte försämras, inte en poäng.

Där arkitekturen fortfarande skiljer dem åt

Full-duplex-skillnaden har inte försvunnit. Den har bara slutat vara avgörande.

GPT-Live-1.1 ärver strukturen från GPT-Live-1: ljud in och ljud ut bearbetas kontinuerligt inuti en och samma modell, ingen kedja med tal-till-text → språkmodell → text-till-tal, backchannels som "mhmm" genereras nativt, och avbrott hanteras genom att flera gånger i sekunden avgöra om den ska fortsätta tala eller lämna ordet. Det är fortfarande det som turordningsbaserade system gör fel på, och Gemini 3.8 Live är fortfarande turordningsbaserat.

Vad Gemini 3.8 Live i stället gör är att hålla sessionen produktiv medan en tur pågår: bearbetning av visuell indata nästan i realtid, bakgrundskörning av verktyg och API:er som bekräftar en begäran och håller samtalet vid liv medan anropet slutförs, samt en Extended Thinking-variant som berättar om sina framsteg högt. Googles svar på problemet med tystnaden är att fylla tystnaden med arbete i stället för att ta bort tur-gränsen. Båda metoderna hindrar en anropare från att lägga på; de misslyckas på olika sätt, och turbaserade modeller kan fortfarande felbedöma en paus.

Visuell inmatning är den konkreta kostnaden för den avvägningen. Kamera- och skärmdelning har varit en del av Gemini 3.8 Lives funktionsuppsättning sedan lanseringen, och OpenAI:s egen dokumentation för Live-familjen listar bild- och videoinmatning som uttryckligen icke-stödd – en begränsning som förs vidare till GPT-Live-1.1, eftersom konsumenthjälpsidorna för den nya versionen upprepar att Live inte stöder video eller skärmdelning. Om din agent behöver titta på något avgör detta jämförelsen innan någon benchmark gör det.

Kostnadsjämförelsen, med asterisken bifogad

Enligt publicerade front-end-priser är Google billigare med god marginal. Gemini 3.8 Live fakturerar $0,018 per minut för ljudutdata, jämfört med GPT-Live-1:s $0,05 per röstminut, och de $0,05 är den enda siffran per minut som OpenAI har publicerat för Live-familjen — den tillhör den äldre modellen, och inget pris har meddelats för GPT-Live-1.1 eftersom det inte finns någon endpoint att koppla ett pris till.

Asterisken är att ingen av siffrorna är fakturan. GPT-Live-1:s $0.05 täcker bara röstgränssnittet. Resonemanget sker på en delegerad textmodell, och OpenAI:s Live-dokumentation säger uttryckligen att backend-anrop till Responses faktureras enligt den konfigurerade modellens normala prissättning — så fem cent per minut rösttid blir tre dollar i timmen rösttid innan en enda resonemangstoken har räknats. Gemini 3.8 Live har samma upplägg: körning av verktyg i bakgrunden är textmodellarbete, som faktureras enligt textmodelltaxor som Google inte har publicerat för den här produkten.

Det är därför som varje timkostnadssiffra du ser för någon av modellerna är ett delbelopp som klätt ut sig till en totalsumma. En timme GPT-Live-1-rösttid utgör 3,00 dollar i front-end innan backend överhuvudtaget mäts, och den sammanlagda siffran beror helt på vilken modell du delegerar till och hur ofta den anropas. För Gemini 3.8 Live är front-end billigare per minut och backend är inte redovisad. Att jämföra de två rubrikpriserna säger dig bara något om den billiga halvan av varje faktura.

Lagret som båda två lämnar arbete till

Båda systemen delegerar, och det är det faktum som gör den här jämförelsen till ett mindre inlåsningsbeslut än språkantalet antyder. GPT-Live-1.1 skickar svåra frågor till en textmodell i backend redan från designen; Gemini 3.8 Lives körning av bakgrundsverktyg landar i vanliga modellanrop. I båda fallen är röstlagret ett tunt front-end ovanpå en resonemangsmodell som leverantören behandlar som separat konfigurerad och separat mätt. Kostnadsvariationen finns där, kvalitetsskillnader mellan konfigurationer visar sig där, och att byta är billigt där eftersom det inte rör röstintegrationen.

Det är halvan av en röststack där en router förtjänar sin plats, så det är värt att vara precis om gränsen. På OrcaRouter är resonemangslagret mer än 200 modeller bakom en enda nyckel till leverantörens listpris utan påslag, vilket innebär att en prissänkning uppströms når vår sida samma dag i stället för vid nästa avtalsförnyelse – en egenskap som betyder mer än vanligt i en faktureringsstruktur med två mätare där backend är mätaren som rör sig. Routing-DSL:en låter dig namnge delegationsmålet explicit och byta ut det i live-trafik, och automatisk failover håller en session vid liv när en backend får ett fel eller en timeout mitt i ett samtal, vilket är ett felmod som röst har och text inte har. Ett förtydligande, eftersom det vore lätt att antyda något annat: vi hostar inte röstslutpunkterna för GPT-Live-1.1 eller Gemini 3.8 Live. De kommer från leverantörernas egna plattformar, och när det gäller GPT-Live-1.1 finns det ingen offentlig slutpunkt att hosta. De textmodeller som dessa system lämnar över arbete till finns i allmänhet på routern.

Hur man väljer

Välj Gemini 3.8 Live om du behöver leverera nu, om dina språk sträcker sig bortom de sju som nämns ovan, eller om modellen måste se något. Acceptera att du köper standardkonfigurationen som får 76,0 på det sammansatta indexet, att de 82,6 som vanligtvis anges tillhör varianten Extended Thinking, att företagsåtkomst är en privat förhandsversion, och att den totala kostnaden per timme inte heller är offentliggjord på din sida av fakturan.

Ta GPT-Live-1.1 om samtalskvalitet är produkten och dina språk ligger inom dess uppsättning — och om du kan vänta. Full-duplex turtagning är fortfarande riktmärket för naturlighet, versionshöjningen är en verklig förbättring jämfört med GPT-Live-1, och accentarbetet riktar sig precis mot de språk som var sämst tidigare. Det är inte heller i dag något man kan anropa från kod.

Ta GPT-Live-1 om du behöver röst från OpenAI och du behöver det den här månaden, eftersom den är den enda medlemmen i den familjen med ett modell-ID, en dokumenterad slutpunkt och en publicerad taxa.

Datumet att hålla ögonen på är det då gpt-live-1.1 får en modellsida. Det är då detta upphör att vara en jämförelse mellan en lanserad produkt och ett tillkännagivande, och då accentpåståendet, antalet språk och priset alla blir testbara samma eftermiddag.

Jämförelser som den här är också där fellägena visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omstridd status.