Gemini 3.8 Live Extended Thinking vs GPT-Live-1: การเสมอกัน 1.1 คะแนน และบิลที่แตกต่างกันสองใบ

เมื่อดูจากคะแนนรวมแล้ว นี่คือผลเสมอ Gemini 3.8 Live Extended Thinkingอยู่ที่ 82.6 บน Speech to Speech Index ของ Artificial Analysis; GPT-Live-1 ซึ่งทำงานบนแบ็กเอนด์ Astra ที่ระดับความพยายามในการใช้เหตุผลปานกลาง อยู่ที่ 81.5 ในองค์ประกอบด้านเอเจนต์ที่อยู่ข้างใต้ — การทำภารกิจ τ-Voice ให้สำเร็จ — ช่องว่างคือ 0.7 คะแนน 68.6% เทียบกับ 67.9% ในองค์ประกอบด้านการใช้เหตุผล ช่องว่างกว้างกว่าและไปในทิศทางตรงกันข้าม: 97.7% บน Big Bench Audio สำหรับโมเดล Gemini, 90.1% สำหรับ GPT-Live-1 ไม่มีสิ่งใดในความต่างนั้นที่รอดจากการรัน benchmark ครั้งที่สอง และไม่มีส่วนใดในนั้นคือสิ่งที่คุณควรใช้ตัดสินใจ

สิ่งที่แยกสองสิ่งนี้ออกจากกันไม่ใช่คุณภาพ แต่คือความเห็นที่ไม่ตรงกันว่าวอยซ์เอเจนต์คืออะไร ใครเป็นคนคิด และ — ส่วนที่กระทบงบประมาณก่อนเป็นอันดับแรก — เซสชันถูกคิดค่าบริการอย่างไร Gemini 3.8 Live Extended Thinking คิดค่าบริการตามจำนวนโทเค็นเสียงและใช้เหตุผลในโมเดลเดียวกับที่พูด GPT-Live-1 คิดค่าบริการแบบเหมาจ่ายตามเวลาของเซสชัน ไม่ว่าคนจะพูดหรือไม่ และมอบการคิดจริงให้กับโมเดลข้อความแยกต่างหากที่คุณเลือกและจ่ายเงินแยกต่างหาก นั่นคือผลิตภัณฑ์สองแบบที่ต่างกันซึ่งสวมคะแนนมาตรฐานเดียวกัน และอันที่เหมาะสมนั้นขึ้นอยู่กับคำถามที่ลีดเดอร์บอร์ดไม่เคยถาม: สายของคุณมีลักษณะการโทรโดยทั่วไปเป็นอย่างไร?

ความเชื่อมโยง 1.1 จุด และจุดที่มันแตกหักจริงๆ

เริ่มจากตัวเลขก่อน เพราะความบางของพาดหัวข่าวนั่นแหละคือประเด็น:

• ดัชนีการแปลงเสียงเป็นเสียง — Gemini 3.8 Live Extended Thinking (High) 82.6 เทียบกับ GPT-Live-1 (แบ็กเอนด์ Astra, ความพยายามระดับกลาง) 81.5

• ประสิทธิภาพแบบเอเจนต์ (การทำงานสำเร็จของงาน τ-Voice) — 68.6% เทียบกับ 67.9% โดย GPT-Live-1 อยู่ที่ 59.3% เมื่อรันแบ็กเอนด์ Sol ที่ระดับความพยายามต่ำ

• การให้เหตุผลด้านเสียงพูด (Big Bench Audio) — 97.7% เทียบกับ 90.1% นับเป็นองค์ประกอบเดียวที่ช่องว่างไม่ใช่ความคลาดเคลื่อน

• เวิร์กโฟลว์ด้านธนาคารที่ซับซ้อน (Sierra τ³-Banking, ตามรายงานของผู้ขาย) — 35.1% เทียบกับ 32.0%

• เวลาถึงเสียงแรก — 1.35 วินาที เทียบกับ 1.24–1.34 วินาทีผ่าน API

• ค่าบริการต่อชั่วโมงที่วัดได้ — $3.50 เทียบกับ $5.83 สำหรับการกำหนดค่า Astra โดยทั้งคู่อ้างอิงจากการวัดเสียงอินพุตของ Artificial Analysis

การตีความอย่างตรงไปตรงมาคือ โมเดลทั้งสองแยกไม่ออกจากกันในคะแนนรวม แต่แยกออกจากกันได้ในด้านการให้เหตุผลจากเสียงพูด โดยโมเดล Gemini นำอยู่เกือบแปดคะแนน และแยกออกจากกันได้ในด้านต้นทุน โดยโมเดล Gemini นำอยู่ประมาณ 40% จุดที่ GPT-Live-1 ได้เปรียบคือส่วนของประสบการณ์ที่เบนช์มาร์กให้คะแนนได้ยาก นั่นคือมันเป็นฟูลดูเพล็กซ์อย่างแท้จริง ฟังไปพร้อมกับพูด ส่งเสียงตอบรับสั้น ๆ และตัดสินใจหลายครั้งต่อวินาทีว่าจะพูดหรือเปิดทางให้อีกฝ่ายพูด Gemini 3.8 Live Extended Thinking ทำงานแบบผลัดกันเป็นรอบ มันแก้ปัญหาพื้นฐานเดียวกัน — ผู้โทรถูกทิ้งให้เงียบขณะที่เอเจนต์ทำงาน — ด้วยการบรรยายแทน โดยให้เหตุผลและพูดไปพร้อมกัน ด้วยคำบอกใบ้อย่าง “เดี๋ยวผมขอตรวจสอบก่อนนะ…” ขณะที่งานกำลังดำเนินอยู่

ทั้งสองวิธีทำให้สายยังคงอยู่ต่อ พวกมันให้ความรู้สึกที่ต่างกัน มีเพียงวิธีเดียวเท่านั้นที่ปรากฏบนดัชนี

สองโมเดลการเรียกเก็บเงิน และเหตุใดเรตการ์ดจึงทำให้เข้าใจผิด

นี่คือส่วนที่ตัดสินการปรับใช้ส่วนใหญ่ และเป็นส่วนที่ความครอบคลุมมองข้ามไป

Gemini 3.8 Live Extended Thinkingคิดค่าบริการแบบเดียวกับโมเดลที่คิดตามโทเค็น ผ่าน Live API อัตราที่ประกาศไว้คือ $3.00 ต่อล้านโทเค็นอินพุตเสียง — ประมาณ $0.005 ต่อนาทีของอินพุตเสียง — และ $12.00 ต่อล้านโทเค็นเอาต์พุตเสียง ประมาณ $0.018 ต่อนาที โดยโทเค็นการคิดจะนับรวมอยู่ในเอาต์พุตนั้น คุณจ่ายเฉพาะเสียงที่ส่งผ่าน ผู้โทรที่หยุดคิดหรือถูกพักสายจะไม่เสียค่าใช้จ่ายใด ๆ ตราบใดที่ยังเงียบอยู่

GPT-Live-1 คิดค่าบริการแบบเดียวกับสายโทรศัพท์ โดยเป็นอัตราคงที่ $0.05 ต่อนาทีของเวลาเซสชัน คิดเป็นรายวินาที ไม่ว่าใครจะเป็นผู้พูดหรือไม่มีใครพูดก็ตาม ไม่รวมแบ็กเอนด์สำหรับการให้เหตุผล โดยโมเดลข้อความที่ทำหน้าที่คิด และเครื่องมือใด ๆ ที่มันเรียกใช้ จะคิดค่าบริการแยกต่างหากเพิ่มเติม นั่นคือวิธีที่ราคาที่ประกาศไว้ $0.05 กลายเป็นตัวเลขรวมทั้งหมดประมาณ $4.47 ต่อชั่วโมงบนแบ็กเอนด์ Sol และ $5.83 ต่อชั่วโมงบน Astra medium ซึ่งวัดโดย Artificial Analysis

นำมาเทียบเคียงกัน แล้วการเปรียบเทียบแบบผิวเผิน — $0.018 ต่อ $0.05 ต่อนาที ช่องว่าง 2.8 เท่า — นั้นผิดทั้งสองทาง ตัวเลขรายชั่วโมงที่วัดได้จริงบอกว่าช่องว่างที่แท้จริงอยู่ที่ $3.50 ต่อ $5.83 ใกล้เคียงกับ 1.7 เท่ามากกว่า แต่โมเดลนาฬิกาเซสชันยังเปลี่ยนรูปร่างของบิลคุณ ไม่ใช่แค่ระดับของมัน: บน GPT-Live-1 ค่าใช้จ่ายของคุณผูกกับระยะเวลาสาย ดังนั้นสายที่มีการสนทนายาว เงียบ และมีเนื้อหาน้อย — คิวซัพพอร์ต ขั้นตอนยืนยันตัวตน การส่งต่อผ่าน IVR — จ่ายเท่ากับสายที่เนื้อหาแน่น ในฝั่ง Gemini ค่าใช้จ่ายผูกกับเสียง ดังนั้นความเงียบฟรี แต่ความพูดมากไม่ฟรี ลองคำนวณจากความยาวสายเฉลี่ยของคุณก่อนที่จะคำนวณจากอัตราต่อนาที เพราะนั่นคือตัวเลขที่ตัดสินว่าตัวไหนถูกกว่าสำหรับคุณ และคำตอบไม่เหมือนกันสำหรับสายจองและสายคัดกรอง

ที่ซึ่งความคิดเกิดขึ้น

ความแตกต่างเชิงโครงสร้างประการที่สองคือการมอบหมาย และมันเป็นสิ่งที่กำหนดว่าคุณจะสามารถสลับสแตกนี้ได้จริงมากน้อยเพียงใด

GPT-Live-1เป็นฟรอนต์เอนด์ โดยจัดการเสียงแบบดูเพล็กซ์ และเมื่อคำถามต้องการการให้เหตุผลจริง ๆ มันจะส่งงานไปยังโมเดลแบ็กเอนด์แยกต่างหาก — GPT-5.5 และ GPT-6 Astra ต่างมีเอกสารระบุว่าเป็นแบ็กเอนด์ — พร้อมตัวเลือก reasoning-effort ที่ให้คุณเลือกว่าจะซื้อความสามารถในการให้เหตุผลของแบ็กเอนด์นั้นมากแค่ไหน นี่คือเหตุผลที่กระดานจัดอันดับแสดง GPT-Live-1 สองครั้งด้วยคะแนนที่ต่างกัน: 81.5 เมื่อใช้ Astra ที่ความพยายามระดับกลาง, 80.1 เมื่อใช้ Sol ที่ระดับต่ำ ช่องว่าง 1.4 คะแนนระหว่างสองการตั้งค่าของมันเองนั้นมากกว่าช่องว่าง 1.1 คะแนนระหว่างสองโมเดลในการจับคู่นี้ ซึ่งบอกคุณว่าในฝั่ง OpenAI การตั้งค่าที่คุณเลือกสำคัญกว่าผู้ให้บริการที่คุณเลือก

Gemini 3.8 Live Extended Thinking ให้เหตุผลในโมเดลเดียวกันกับที่พูด ไม่มีแบ็กเอนด์แยกให้เลือก และไม่มีบิลแยกสำหรับอันนั้น ข้อแลกเปลี่ยนคือคุณปรับความลึกด้วยระดับการคิด — ต่ำ กลาง และสูง — บนโมเดลเดียวกัน และตัวเลข 82.6 และ 68.6 เป็น (สูง) การตั้งค่า การทำงานของเครื่องมือเบื้องหลังและการเรียก API ทำงานแบบอะซิงโครนัสทั้งสองฝั่ง ดังนั้นไม่มีโมเดลใดค้างระหว่างทำงาน

ผลลัพธ์ในทางปฏิบัติประการหนึ่ง: เนื่องจากความฉลาดของ GPT-Live-1 นั้นมาจากโมเดลข้อความที่ซื้อมา ซึ่งอยู่เบื้องหลังส่วนหน้าสุดที่เป็นเสียง เพดานคุณภาพของมันจึงขยับเมื่อ OpenAI เปิดตัวโมเดลข้อความ ไม่ใช่เมื่อเปิดตัวโมเดลเสียง ส่วนเพดานของ Gemini 3.8 Live Extended Thinking จะขยับเมื่อ Google เทรนโมเดลเสียงใหม่ หากคุณกำลังเดิมพันระยะสองปีกับแพลตฟอร์มเสียง ความแตกต่างในจังหวะการอัปเกรดนี้ควรค่าแก่การคิดมากกว่า 1.1 คะแนนดัชนี

ต้นทุนการเปลี่ยนคืออะไร ไม่ว่าคุณจะเลือกทางไหน

ทั้งสองอย่างนี้ไม่ใช่การสลับ model-ID และทีมที่คิดว่ามันเป็นเช่นนั้นจะรู้ผลในโปรดักชัน การย้ายไปยัง Gemini 3.8 Live Extended Thinkingหมายถึงการยอมรับสัญญาเทิร์นที่แตกต่างออกไป: การเรียกฟังก์ชันเป็นแบบอะซิงโครนัสเสมอ ดังนั้นการประกาศเครื่องมือแบบบล็อกจะส่งคืนฮาร์ดเออร์เรอร์แทนที่จะจัดคิว และไคลเอนต์ต้องอ่าน interaction_status ฟิลด์ — IN_PROGRESS ในขณะที่กำลังให้เหตุผลหรือเครื่องมือยังทำงานอยู่ IDLE เฉพาะเมื่องานทั้งหมดเสร็จสมบูรณ์เท่านั้น — แทนที่จะเชื่อ turnComplete ว่าหมายความว่างานเสร็จสิ้นแล้ว การย้ายไปยัง GPT-Live-1หมายถึงการนำกลไกการเลือกแบ็กเอนด์ของมันมาใช้ และช่องทางการเรียกเก็บเงินที่สอง และต้องอยู่กับ API ที่เพิ่งเปิดให้ใช้งานทั่วไปสำหรับนักพัฒนาเมื่อวันที่ 10 กันยายน 2026 หลังจากเปิดตัวใน ChatGPT เมื่อวันที่ 8 กรกฎาคม — ดังนั้นเครื่องมือของบุคคลที่สาม, SDK และ observability ที่เกี่ยวข้องจึงมีอายุเพียงไม่กี่เดือน ไม่ใช่หลายปี ไม่ว่าคุณจะย้ายไปในทิศทางใด ให้ตั้งงบงานอินทิเกรตไว้เคียงข้างค่าบิลโทเค็น บนสแต็กเสียงที่ mature แล้ว การรีแฟกเตอร์มักเป็นส่วนที่ใหญ่กว่าของสองอย่างนั้น

จะทำการเปรียบเทียบแบบนี้โดยไม่ต้องเดิมพันกับมันได้อย่างไร

วิธีที่สมเหตุสมผลในการตัดสินคำถามเรื่องส่วนต่าง 1.1 จุด คือการรันทั้งสองแบบบนทราฟฟิกของคุณเอง และส่วนที่ยุ่งยากคือการทำเช่นนั้นโดยปกติหมายถึงการผสานรวมสองแบบ สัญญาสองฉบับ และชุดข้อมูลรับรองสองชุด แต่ก็ไม่จำเป็นต้องหมายถึงสถาปัตยกรรมสองชุด ในระบบทั้งสองนี้ ส่วนหน้าของเสียงเป็นชั้นบาง ๆ ที่วางทับอยู่บนการเรียกโมเดลข้อความทั่วไป — สำหรับ GPT-Live-1 เรื่องนี้ชัดเจน และสำหรับฝั่ง Gemini การทำงานของเครื่องมือเบื้องหลังก็จบลงแบบเดียวกัน — และชั้นข้อความนั้นคือที่ที่ความแปรปรวนของต้นทุนของคุณอยู่ และเป็นที่ที่การสลับเปลี่ยนมีต้นทุนถูกอย่างแท้จริง

OrcaRouter ให้บริการโมเดลจำนวน 190 รายการจากคีย์เดียว ในราคาตามที่ผู้ให้บริการประกาศ โดยไม่บวกเพิ่ม ดังนั้นเมื่อราคาต้นทางเปลี่ยนแปลง ฝั่งเราจะอัปเดตให้มีผลทันทีในวันเดียวกัน แทนที่จะต้องรอต่อสัญญารอบถัดไป สำหรับสแต็กเสียงนั้น คุณสมบัติสองอย่างที่สำคัญคือ เป้าหมายการส่งต่องานสามารถสลับได้บนทราฟฟิกที่ใช้งานจริงโดยไม่ต้องแตะต้องส่วนเชื่อมต่อเสียง และการสลับไปใช้งานอัตโนมัติเมื่อเกิดข้อขัดข้องจะทำให้สายเรียกยังคงอยู่เมื่อแบ็กเอนด์เกิดข้อผิดพลาดหรือหมดเวลา ซึ่งนั่นคือสิ่งที่ทำให้คุณทดลองการตั้งค่าที่ยังไม่ผ่านการพิสูจน์บนทราฟฟิกจริงได้ โดยไม่ต้องมีไลน์โปรดักชันรองรับอยู่ข้างหลัง เพื่อให้ชัดเจนว่าเรโฮสต์อะไรและไม่โฮสต์อะไร: ทั้งปลายทาง Gemini 3.8 Live Extended Thinking และปลายทาง GPT-Live-1 ต่างก็ไม่ได้อยู่บนเราเตอร์ของเรา — สิ่งเหล่านั้นมาจาก API ของ Google และ OpenAI เอง ส่วนโมเดลข้อความที่ทั้งสองส่งต่อไปนั้นมักจะอยู่บนเราเตอร์ของเรา ซึ่งรวมถึง Gemini 3.8 Flash ด้วย

ด้านบนสุดของตาราง และมันแทบจะไม่นิ่งเลย

ภาพด้านล่างนี้ถ่ายเมื่อวันที่ 16 กันยายน 2026:

• Gemini 3.8 Live Extended Thinking (High) — 82.6 อันดับที่หนึ่ง

• GPT-Live-1 (แบ็กเอนด์ Astra, ความพยายามระดับปานกลาง) — 81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1 (แบ็กเอนด์ Sol, ความพยายามต่ำ) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

มีสามเรื่องที่ควรสังเกต ประการแรก อันดับหนึ่งกับอันดับสามห่างกัน 1.3 คะแนน และอันดับหนึ่งกับอันดับห้าห่างกัน 6.6 คะแนน ดังนั้นส่วนบนของบอร์ดนี้จึงเป็นกลุ่มที่เบียดกันแน่น ไม่ใช่การจัดอันดับ ประการที่สอง โมเดลในชื่อการจับคู่นี้ไม่ใช่รายการ Gemini ที่อยู่อันดับห้า — นั่นคือ Gemini 3.8 Live มาตรฐาน ซึ่งเป็นผลิตภัณฑ์ที่แตกต่างและถูกกว่ามาก และไม่ควรสับสนกับเวอร์ชัน reasoning ที่กำลังเปรียบเทียบกันที่นี่ ประการที่สาม มีแบบอย่างในการมองตัวเลขดัชนีเดี่ยวใด ๆ เป็นค่าชั่วคราว: xAI รายงาน 82.9 สำหรับ Grok Voice Think Fast 2.0 ในเดือนกรกฎาคม และโมเดลนั้นให้ค่า 81.3 บนบอร์ดนี้ คะแนนดัชนีที่ผู้ให้บริการรายงานไว้ไม่ได้ผ่านการทดสอบกับลีดเดอร์บอร์ดจริงเสมอไป ตัวเลข τ-Voice 68.6% และ 67.9% ตอนนี้อยู่บนบอร์ดสาธารณะที่รันภายใต้ฮาร์เนสของ Artificial Analysis เอง ดังนั้นจึงได้รับการยืนยัน ไม่ใช่เพียงแค่ถูกอ้าง — แต่ความแตกต่าง 0.7 คะแนนระหว่างสองโมเดลบนฮาร์เนสเดียวกันไม่ถือเป็นความแตกต่าง ตรวจสอบกับทราฟฟิกของคุณหรือไม่ก็เพิกเฉยเสีย

อีกหนึ่งตัวเลขที่ควรนำมาคิดในการตัดสินใจ เพราะมันเป็นตัวเลขที่ทำให้รู้สึกสบายใจน้อยที่สุดในการเปรียบเทียบนี้: Google รายงานว่า Gemini 3.8 Live Extended Thinking ได้ 35.1% บนลีดเดอร์บอร์ด τ³-Banking ของ Sierra เทียบกับ 32.0% ของ GPT-Live-1 Astra ตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายรายงานเอง ยังไม่มีการทำซ้ำ และมันบรรยายถึงโลกที่เอเจนต์เสียงชั้นนำบนบอร์ดนั้นล้มเหลวประมาณสองในสามของการลองทำงานธนาคารที่สมจริง หากเอเจนต์ของคุณต้องทำงานหลายขั้นตอนที่อยู่ภายใต้การกำกับดูแล ไม่มีโมเดลใดในสองตัวนี้ที่สมบูรณ์ — และการนำอยู่ที่ 3.1 จุดบนเบนช์มาร์กนั้นไม่ใช่เหตุผลในการเลือกผู้ขาย แต่เป็นเหตุผลที่ต้องให้มนุษย์อยู่ในวงจร

ดังนั้น หากความธรรมชาติของการสนทนาเป็นตัวผลิตภัณฑ์ และสายของคุณสั้นและแน่น พฤติกรรม full-duplex ของ GPT-Live-1 ก็เป็นข้อได้เปรียบจริงที่ดัชนีมองไม่เห็น และการคิดค่าบริการตามเวลาที่ใช้ในเซสชันก็ยอมรับได้ที่ความยาวสายระดับนั้น หากสายยาว เงียบ หรือแปรผัน หรือหากการให้เหตุผลด้านเสียงและต้นทุนต่อชั่วโมงเป็นปัจจัยหลัก Gemini 3.8 Live Extended Thinking นำหน้าในองค์ประกอบที่สำคัญ และถูกกว่าประมาณ 40% ต่อชั่วโมงในขณะที่ทำเช่นนั้น — โดยมีข้อแม้ว่ามันทำงานแบบผลัดกันพูด (turn-based) ยังอยู่ในช่วง preview สำหรับองค์กร และต้อง refactor ฝั่งไคลเอนต์ก่อนจึงจะรันเครื่องมือของคุณได้ สิ่งที่ทั้งหมดนี้ไม่ได้ให้เหตุผลรองรับคือการเลือกอันใดอันหนึ่งโดยอาศัยความได้เปรียบ 1.1 คะแนนดัชนี จากหลักฐานที่มีอยู่ เหตุผลที่ตรงไปตรงมาในการเลือกระหว่างสองตัวนี้คือรูปแบบการคิดค่าบริการและสถาปัตยกรรมที่รองรับมัน และทั้งสองอย่างนั้นเป็นสิ่งที่คุณวัดได้จากทราฟฟิกของคุณเองในสัปดาห์นี้

บน OrcaRouter, การสลับไปใช้ระบบสำรองอัตโนมัติช่วยให้สายไม่ขาด เมื่อแบ็กเอนด์เกิดข้อผิดพลาดหรือหมดเวลา