Gemini 3.8 Live vs GPT-Live-1：全双工 vs 边说话边思考的模型

大约两个月来，这场争论一直由架构来定论。GPT-Live-1是真正的全双工——它一边说一边听，会发出“嗯嗯”“明白了”这类反馈信号，并且每秒多次决定是该继续说，还是该让出话轮。Gemini 3.8 Live于 2026 年 9 月 15 日发布，是一个基于轮次的模型。按过去的框架来看，这让比较变得很简单，而如今这种解读方式已经错了。

真正的变化不在于谷歌追平了全双工。而在于谷歌交付了全双工此前一直被用来弥补的那样东西：一个能在多步骤任务于后台运行的同时维持对话的语音模型，以及另一个会在工作时把推理过程说出来的变体。架构层面的差异确实存在。只是它已不再是决定购买的那条轴线。

让对话继续下去的两种方法

全双工的核心赌注在于，对话质量本身就是产品。GPT-Live-1 在单一模型内部连续、同步地处理输入和输出音频，而不是将语音转文本、接入语言模型、再转为文本转语音这样串联起来。这消除了各阶段之间的信息损失，并带来了人们真正能察觉到的行为表现：你可以在它回答到一半时插话，它会随之调整；它不会把一次停顿或背景噪音误当成你发言的结束；在未被叫到之前，它会保持安静。

Gemini 3.8 Live 下的这注押在轮次式交互上：对话只是工作的脚手架。它的各项功能旨在让会话保持高效产出，而不是让节奏保持自然：近实时的视觉输入处理、在对话中途自动切换 97 种支持的语言，以及后台工具与 API 执行——它会先确认请求，再一边继续交谈，一边等待调用完成。

两个模型在思考时都不会挂断你。它们只是拒绝的方式不同。GPT-Live-1 靠从不停止音频流来做到这一点。谷歌则靠一边工作一边说话来做到这一点。

指数究竟说明了什么

Artificial Analysis 维护着一个 Speech to Speech Index——一个由语音推理、智能体性能、竞技场偏好和任务成功率组成的加权综合指标。请仔细阅读 2026 年 9 月 16 日截取的榜单，因为标题掩盖了结构：

• Gemini 3.8 Live Extended Thinking — 82.6（第一）

• GPT-Live-1（Astra 后端，中等计算量）——81.5

• Grok Voice Think Fast 2.0 High — 81.3

• GPT-Live-1（Sol 后端，低投入）— 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73.9

• Gemini 3.1 Flash Live High — 71.5

从这一排名中可以得出三点。第一，Google 占据了榜首，但靠的是昂贵的那一版本，而不是大多数人会部署的那一版本。第二，GPT-Live-1 出现了两次，因为 Artificial Analysis 评分的是整个系统，而不是语音前端——而且其两种配置之间 1.4 分的差距，是第一名和第二名之间 0.2 分差距的七倍。第三，这次对比标题中的模型 Gemini 3.8 Live 排在第五，低于 GPT-Live-1 的两个配置。

如果你是在进行同类比较——标准档对标准档——那么 GPT-Live-1 在综合指数上赢得了这场对决，而且差距不小。82.6 属于 Gemini 3.8 Live Extended Thinking，那是一款不同的产品，价格不同，推广方式也不同。

GPT-Live-1 仍然领先的地方

全双工并非营销噱头，基准测试的分项结果表明了它在哪里转化为真正的优势：

• 智能体性能 —— GPT-Live-1 在 τ-Voice 上以 67.9% 对 Grok 的 56.5% 决定性领先。谷歌尚未公布 Gemini 3.8 Live 可比的 τ-Voice 数据，仅为 Extended Thinking 版本公布了 68.6%。

• 对话动态——全双工轮流发言仍是自然度的衡量基准，而基于轮次的模型历来在这方面落后。

• 委托深度 — GPT-Live-1 将高难度查询移交给前沿文本模型处理，GPT-5.5 和 GPT-6 Astra 均被记录为后端，并公开了推理强度选择器。

• 溯源 — ChatGPT 的语音转写会附带引用链接，这在语音交互中总体上仍不常见。

制衡因素在于，GPT-Live-1 在原始语音推理上落后：在 Big Bench Audio 上为 90.1%，而 Grok 为 97.2%。而且其在 Full Duplex Bench 上 0.798 秒的主打延迟数据，与 API 的首个音频时间并非同一种测量口径，后者为 1.24–1.34 秒。

Gemini 3.8 Live 领先之处

Google 的优势与其说在于对话，不如说在于这个会话能做什么：

• 视觉，如今 — Gemini 支持摄像头输入和屏幕共享已有一段时间。GPT-Live-1 发布时并未提供视频或屏幕共享功能，OpenAI 表示这些功能即将推出，并指出较旧的 Advanced Voice Mode 可作为临时替代方案。Gemini 3.8 Live 则在此基础上新增了近乎实时的视觉输入处理能力。

• 语言覆盖范围——支持 97 种语言，并可在对话中自动切换，相比之下 OpenAI 一侧的覆盖范围要窄得多。

• 成本——公布的价格为每分钟音频输入 $0.005、每分钟音频输出 $0.018。GPT-Live-1 仅前端部分就按每语音分钟 $0.05 计费，计入后端 token 后，实测总成本约为每小时 $4.47–$5.83。

• 会出声推理的第二梯队——Gemini 3.8 Live Extended Thinking 会用“让我查一下……”之类的提示语讲述进展，这是对沉默问题的另一种解答，与全双工方案不同。

真正重要的成本比较

前端价格看上去像是碾压——每分钟 $0.018 对 $0.05——而按小时计算的数字更加悬殊。Artificial Analysis 的每输入音频小时成本图表显示，Gemini 3.8 Live 为 每小时 $1.50，而 GPT-Realtime-2 High 为 $4.14，GPT-Realtime-2.1 High 为 $10.75。Grok Voice Think Fast 2.0 则为 $4.80。

问题在于，这两个数字都不是真正的账单。GPT-Live-1 的每分钟 0.05 美元只覆盖语音前端；负责实际推理的后端文本模型单独计费，这就是一个 0.05 美元的宣传价如何变成每小时 4.47–5.83 美元的全包成本。Gemini 3.8 Live 具有相同的结构形态——后台工具执行属于文本模型的工作——而 Google 尚未公布其成本是多少。

所以，诚实的解读是：Gemini 3.8 Live 在入门价上便宜得多，而在你衡量自己的工作负载之前，两者的总成本对比都是未知的。这不是回避；这就是信息本身的实际状态。

它们两者都委托给的那一层

这是让这场对比不像看上去那样是个一锤定音决定的结构性事实。两个模型都采用委派机制。GPT-Live-1 按设计把难题交给后端文本模型处理，而 Gemini 一侧的后台工具执行最终也会归结为普通的模型调用。在两种情况下，语音前端都只是薄薄的一层，真正负责推理的是其下的文本模型——而正是这层文本层决定了你的成本波动，也正是切换成本低廉的地方。

OrcaRouter 承载190 款模型，仅需一个密钥，按供应商目录价提供，不收取任何加价，因此上游的降价当天就能反映到我们这边，而不必等到下一次合同续签。对于语音技术栈而言，真正重要的两个特性是：委派目标可以在实时流量上被替换，而无需改动语音集成；以及当后端出错或超时时，自动故障转移能让通话保持不中断。有一点需要澄清，因为很容易让人误解为相反的情况：我们并不托管 Gemini 3.8 Live 或 GPT-Live-1 语音端点——这些端点来自供应商自己的 API。它们把工作转交出去的文本模型通常都在路由器上。

如何选择

选择GPT-Live-1，如果对话质量就是产品本身——自然的打断处理、附和式回应，以及那种你是在与某个东西交谈、而不是在操作它的感觉——并且你能承受总成本，而它远高于标称费率所暗示的水平。请注意，其 API 直到 2026 年 9 月才可用，因此围绕它的第三方工具还很年轻。

选择Gemini 3.8 Live，前提是你现在就需要视觉能力，需要支持二十多种以上的语言，或者按分钟计算的经济性是你模型选择的主导因素。同时要接受：你买到的是标准版，它在综合指数上排名第五而非第一；而所有人都会引用的那个 82.6 分，属于 Extended Thinking 变体。

如果重点在于推理能力，且你想要当前指数榜上的领跑者，那就选Gemini 3.8 Live Extended Thinking——但请先确认它的上线情况，因为它经由 Gemini Live、Docs、Gmail 和 Keep 的分发路径比标准模型更广，而且其企业版可用性仍处于私密预览阶段。

下个季度值得关注的是，全双工是否仍能构成护城河。轮次式模型正通过另一条路径缩小对话差距——在工作推进的同时用旁白让音频保持忙碌——如果这在真实流量下依然成立，那么过去一年定义这一品类的架构区别，将不再是买家会问起的东西。