Phonic 1 so với Gemini 3.8 Live: Một bo mạch, bốn con số và câu hỏi ý bạn là Gemini nào

Điều đầu tiên cần làm rõ khi so sánh Phonic 1 với Gemini 3.8 Live là "Gemini 3.8 Live" không phải là một mô hình duy nhất. Google đã tung ra hai mô hình vào ngày 15 tháng 9 năm 2026 — gemini-3.8-live, được tinh chỉnh để tối ưu chi phí và độ trễ, và gemini-3.8-live-extended-thinking, mô hình suy luận trong lúc nói và chạy các công cụ ở chế độ nền — và chúng hành xử như hai sản phẩm khác nhau. Trên bảng xếp hạng speech-to-speech của Artificial Analysis, mô hình tiêu chuẩn đạt 74,5 điểm và biến thể extended-thinking đạt 82,6 điểm. Phonic 1, ra mắt vào cuối tháng 10 năm 2026, đạt 87,1 điểm. Việc bạn chọn Gemini nào để so sánh với Phonic sẽ thay đổi khoảng cách từ 12,6 điểm thành 4,5 điểm, và thay đổi nửa nào của cuộc tranh luận mà bạn đang tham gia.

Vậy nên câu hỏi hữu ích không phải là "ai thắng". Mà là "bạn thực sự cần thứ nào trong bốn thứ đo được này", bởi chỉ số tổng hợp che giấu bên dưới nó một quyết định mang tính phân đôi. Phonic 1 thắng ở thành phần quyết định liệu một cuộc gọi có hoàn thành được việc gì đóhay không. Các mô hình của Google thắng ở những thành phần quyết định liệu cuộc gọi có mang lại cảm giác tốt và liệu nó có hoàn tất, và Google tính phí mỗi giờ ít hơn trong khi vẫn làm được việc đó. Một người đọc chỉ nhìn thấy 87.1 so với 82.6 sẽ chọn sai mô hình cho công việc của mình khoảng một nửa số lần.

Hai mô hình Gemini, và chỉ một trong số chúng có mặt trên bảng so tài với Phonic.

Gemini 3.8 Live đã thay thế gemini-3.1-flash-live-preview và hiện được cung cấp rộng rãi thông qua Gemini API và AI Studio, trong khi Gemini Enterprise và Search Live vẫn đang ở giai đoạn xem trước riêng tư. Mô hình tiêu chuẩn tối ưu hóa đúng những gì một tác nhân trên điện thoại cần ở quy mô lớn: nhanh, rẻ, tự nhiên. Biến thể suy luận mở rộng dành thời gian suy luận trước khi trả lời, nhờ đó đổi lấy độ chính xác cho các yêu cầu nhiều bước khó và phải trả giá bằng độ trễ. Chúng được đặt tên riêng, định giá riêng ở cấp độ token và chấm điểm riêng.

• Gemini 3.8 Live (tiêu chuẩn) — chỉ số chuyển giọng nói sang giọng nói 74,5, suy luận 92, độ năng động 96,1, năng lực tác nhân 30,1, mức ưu tiên trên arena 1.074, tỷ lệ hoàn thành nhiệm vụ 93,2%, thời gian đến âm thanh đầu tiên 1,18 giây.

• Gemini 3.8 Live Extended Thinking (High) — chỉ số 82.6, suy luận 98, độ năng động 91.9, năng lực tác tử 68.6, đấu trường 966, tỷ lệ hoàn thành tác vụ 89.1%, thời gian đến âm thanh đầu tiên 1.35s.

• Phonic 1 (High) — chỉ số 87.1, suy luận 99, động lực không được báo cáo, năng lực tác nhân 79.9, đấu trường 1,012, tỷ lệ thành công tác vụ 92.3%, thời gian đến âm thanh đầu tiên 0.61 giây.

Hãy để ý mâu thuẫn nội tại trong chính dòng sản phẩm của Google. Bật extended thinking làm chỉ số tăng 8,1 điểm, nhưng nó làm giảm mức ưu tiên trên đấu trường 108 Elo và tỷ lệ thành công nhiệm vụ 4,1 điểm. Suy luận chuyên sâu hơn khiến mô hình đạt điểm tốt hơn trên chỉ số tổng hợp và tệ hơn ở hai trong bốn đầu vào. Đó không phải lỗi của các mô hình; đó là lời nhắc rằng một giá trị trung bình có trọng số duy nhất có thể đi theo hướng mà không người dùng nào bỏ phiếu ủng hộ.

Phép tính thành phần, từng dòng một.

Artificial Analysis xây dựng chỉ số giọng nói sang giọng nói của mình từ bốn đầu vào — lý luận qua giọng nói, hiệu suất tác tử, mức độ ưu tiên trên arena và tỷ lệ thành công của nhiệm vụ — và gọi đó là mức trung bình có trọng số. Khi đọc riêng bốn yếu tố này, cuộc so tài hiện ra thành một thứ cụ thể hơn nhiều so với khoảng cách 4,5 điểm.

• Suy luận giọng nói — Phonic 1 99 so với Gemini 3.8 Live Extended Thinking 98 và bản tiêu chuẩn 92. Về cơ bản là hòa ở vị trí dẫn đầu; thành phần này không quyết định điều gì.

• Hiệu năng agentic — Phonic 1 đạt 79.9 so với 68.6 ở chế độ extended thinking và 30.1 ở chế độ tiêu chuẩn. Đây chính là toàn bộ lập luận. Extended thinking là cấu hình Gemini duy nhất có thể cạnh tranh ở đây, và nó vẫn kém 11.3 điểm.

• Mức ưa thích trên Arena — Phonic 1 đạt 1.012, so với 966 ở chế độ suy luận mở rộng và 1.074 ở chế độ tiêu chuẩn. Mô hình tiêu chuẩn đánh bại Phonic với 62 Elo; mô hình suy luận thua kém 46. Người nghe thật ưa chuộng Gemini giá rẻ hơn.

• Tỷ lệ thành công của nhiệm vụ — Phonic 1 92,3% so với 89,1% của suy nghĩ mở rộng và 93,2% của mô hình tiêu chuẩn. Một lần nữa, mô hình tiêu chuẩn thắng sát nút, còn mô hình suy nghĩ lại thua.

Đặt bốn điều đó cạnh nhau và câu chuyện sẽ mạch lạc. Phonic 1 là agent có năng lực nhất và là giọng nói được ưa thích ít nhất trong số ba. Gemini 3.8 Live standard là giọng nói được ưa thích nhất và là bên hoàn thành nhiệm vụ tốt nhất, đồng thời lại là agent tệ nhất. Gemini 3.8 Live Extended Thinking nằm ở giữa hai bên và có thể nói là tệ nhất ở cả hai phương diện — nó phải trả giá cho khả năng suy luận bằng độ trễ và sự ưa thích, mà vẫn không bắt kịp Phonic về năng lực tự chủ.

Mỗi phút của từng loại tốn bao nhiêu, và tại sao mức giá quảng cáo lại dễ gây hiểu lầm

Theo thước đo chi phí chuẩn hóa trên mỗi giờ âm thanh đầu vào của Artificial Analysis, Gemini là mô hình rẻ hơn: 3,50 USD/giờ cho Gemini 3.8 Live Extended Thinking so với 4,20 USD cho Phonic 1. Đó là con số mà chính tài liệu ra mắt của Phonic phải thừa nhận — bảng so sánh của họ cho thấy Gemini có giá thấp hơn — và điều đó đáng được nói thẳng, bởi vì một tân binh đánh bại một mô hình của Google về điểm agentic nhưng lại thua về giá là một câu chuyện thú vị hơn một chiến thắng toàn diện.

Mức giá token đã công bố của Google là 3 USD trên mỗi triệu token đầu vào âm thanh và 12 USD trên mỗi triệu token đầu ra âm thanh, tương đương khoảng 0,005 USD/phút cho đầu vào và 0,018 USD/phút cho đầu ra ở mật độ thông thường. Cách tính phí của Phonic là một mức đồng giá 0,07 USD/phút hội thoại, 0,065 USD ở gói Pro với mức tối thiểu 200 USD/tháng, và nhà cung cấp nêu rõ rằng không có khoản chuyển tiếp chi phí LLM và không tính phí theo từng token.

• Chi phí trên mỗi giờ đầu vào — Gemini 3.8 Live Extended Thinking $3.50 so với Phonic 1 $4.20, theo chuẩn hóa của Artificial Analysis.

• Cách tính phí — Gemini tính phí riêng cho âm thanh đầu vào và âm thanh đầu ra theo mức giá theo token; Phonic tính một mức giá cho mỗi phút hội thoại, bao gồm lớp mô hình.

• Nơi các hình thái khác biệt — một cuộc gọi mà tác nhân nói nhiều và nghe ít tốn nhiều hơn theo bộ đếm đầu ra của Gemini và như nhau theo mức giá cố định của Phonic; một cuộc gọi mà tác nhân chủ yếu nghe tốn ít hơn trên Gemini và như nhau trên Phonic.

• Gói miễn phí — Gemini cung cấp token miễn phí cho cả đầu vào và đầu ra, với giới hạn tốc độ của gói miễn phí chưa được công bố đối với các mô hình Live; Phonic không có gói miễn phí nhưng đã triển khai chương trình khuyến mãi tín dụng trị giá $250 cho người đăng ký trước ngày 30 tháng 11 năm 2026.

Đây chính xác là kiểu quyết định mà một router được tạo ra để xử lý, với một lưu ý trung thực: cả hai mô hình hội thoại này đều không có trong danh mục của OrcaRouter, nên chúng không thể được so sánh hoặc chuyển đổi dự phòng ở đây. Thứ có trong danh mục là mô hình anh em phía văn bản — Gemini 3.8 Flash, có thể định tuyến ngay hôm nay cùng với hơn 200 mô hình khác trên một khóa duy nhất ở giá niêm yết, không cộng thêm phí. Nếu tác nhân giọng nói của bạn giao việc suy luận cho một mô hình văn bản thay vì tự thực hiện ngay bên trong, thì phần đó chính là phần bạn có thể định tuyến, so sánh giá và chuyển đổi dự phòng, và thường là phần chiếm phần lớn hóa đơn.

Độ trễ, phiên và những giới hạn không ai đọc.

Phonic 1 phản hồi âm thanh đầu tiên trong 0,61 giây. Gemini 3.8 Live mất 1,18 giây và biến thể extended-thinking là 1,35 giây. Trên biểu đồ tốc độ của chính chỉ số này, Phonic nằm cùng dải với Grok Voice 3.0 ở 0,81 giây, còn cả hai cấu hình Gemini đều chậm hơn khoảng một phần ba giây — đó là khác biệt giữa việc người gọi đang chờ và việc người gọi nhận ra mình đang chờ.

Google đã công bố những giới hạn phiên nghiêm ngặt mà với một số sản phẩm còn quan trọng hơn cả khoảng cách độ trễ: các phiên Gemini 3.8 Live bị giới hạn ở mười lăm phút tương tác chỉ có âm thanh, hoặc hai phút khi có video trong luồng. Với một cuộc gọi hỗ trợ thì điều đó ổn. Với một buổi phỏng vấn tiếp nhận theo lịch, một buổi huấn luyện hay một trợ lý giọng nói chạy dài, mức trần mười lăm phút là một ràng buộc thiết kế mà bạn phải tính toán xoay quanh, và là điều Phonic không nêu rõ. Tài liệu công khai của Phonic cũng liệt kê hơn 50 ngôn ngữ so với 97 của Google, đây là điều ngược lại với sự thiếu hụt thường thấy ở các sản phẩm mới.

• Ngữ cảnh và đầu ra — Gemini 3.8 Live có ngữ cảnh 131K với tối đa 65,536 token đầu ra; Phonic không công bố con số ngữ cảnh.

• Đa phương thức — Gemini 3.8 Live tiếp nhận đầu vào hình ảnh ở tốc độ lên tới khoảng một khung hình mỗi giây và đi kèm 30 giọng nói có tên; Phonic 1 là sản phẩm thuần âm thanh, không có đầu vào hình ảnh được nêu rõ.

• Nguồn gốc — Google áp dụng gắn watermark SynthID lên âm thanh được tạo; Phonic không đưa ra tuyên bố tương đương.

Tuân thủ — Phonic nêu rằng có SOC 2 Type II, khả năng cung cấp BAA HIPAA và không lưu giữ dữ liệu, cùng với triển khai trên cloud, single-tenant, VPC và tự lưu trữ; Gemini 3.8 Live là API do Google lưu trữ.

Mỗi độc giả thực sự đang đưa ra quyết định nào

Nếu agent của bạn đặt lịch, xác minh, hoàn tiền hoặc chuyển cấp — nếu thành công của cuộc gọi là một dòng cơ sở dữ liệu đã thay đổi — thì điểm agentic 79,9% của Phonic 1 xứng đáng với mức giá theo giờ cao hơn và thành tích chưa được kiểm chứng. Khoảng cách 11,3 điểm so với cấu hình Gemini tốt nhất là khoảng cách thực sự lớn nhất trong cuộc đối đầu này, và đó chính là khoảng cách thể hiện dưới dạng chênh lệch tỷ lệ hoàn thành chứ không phải chênh lệch sở thích.

Nếu agent của bạn chủ yếu cần trò chuyện tốt, trả lời chính xác và không nghe như một con robot đang làm việc đó, thì Gemini 3.8 Live tiêu chuẩn là lựa chọn mua tốt hơn ở ba trong bốn thành phần và cả về chi phí. Về thành công nhiệm vụ, nó thắng tuyệt đối; về mức độ ưa thích trên đấu trường, nó cũng thắng tuyệt đối trước Phonic; và chi phí mỗi giờ đầu vào thấp hơn 17%. Điều nó không làm được là hành động — 30,1% năng lực agentic nghĩa là một mô hình có thể nói về hệ thống đặt chỗ của bạn nhưng không thể dùng nó.

Và nếu bạn là đội mà theo mặc định sẽ chọn extended thinking vì “thinking” nghe như thể là một mô hình mạnh hơn: thì những con số nói rằng đừng làm vậy. Gemini 3.8 Live Extended Thinking phải trả giá bằng độ trễ, mức độ ưu tiên trên arena và tỷ lệ hoàn thành tác vụ so với chính người anh em rẻ hơn của nó, mà chỉ đổi lại được 38,5 điểm hiệu năng agentic — vẫn thấp hơn Phonic, và thấp hơn mức cần thiết để biện minh cho một lần gọi buộc phải hoàn tất một giao dịch.

Điều khiến cuộc so tài này đáng đọc thay vì chỉ đọc lướt là người thắng thay đổi tùy theo việc bạn đặt trọng số cho chỉ số nào trong bốn chỉ số. Phonic 1 giành chỉ số tổng hợp vì tính chủ động chiếm một phần ba câu chuyện và nó dẫn đầu rõ ràng ở đó. Google thắng ở mức độ ưu tiên, hoàn thành nhiệm vụ và giá, và làm được điều đó với một mô hình có chi phí vận hành chỉ bằng một nửa. Chỉ số này là một bản tóm tắt công bằng nhưng lại là một cuốn hướng dẫn kém. Hãy đọc các thành phần, rồi chọn thành phần bạn có thể đo trong lưu lượng truy cập của chính mình trong vòng hai tuần.