Phonic 1 對比 Gemini 3.8 Live：同一塊板、四個數字，以及「你說的到底是哪個 Gemini」這個問題

在Phonic 1與Gemini 3.8 Live的比較中，首先要釐清的是，「Gemini 3.8 Live」並不是單一模型。Google 於 2026 年 9 月 15 日推出了兩款：針對成本與延遲調校的 gemini-3.8-live，以及會邊說話邊推理並在背景執行工具的 gemini-3.8-live-extended-thinking；而它們的表現就像不同的產品。在 Artificial Analysis 的語音對語音排行榜上，標準模型得分 74.5，extended-thinking 變體得分 82.6。於 2026 年 10 月下旬推出的 Phonic 1 得分 87.1。你拿哪一款 Gemini 與 Phonic 對比，會使差距從 12.6 分變成 4.5 分，也會改變你正在爭論的是哪一半。

所以，有用的問題不是「誰贏」，而是「這四項實測指標當中，你真正需要的是哪幾項」，因為綜合指數底下藏著一個分裂的判斷。Phonic 1 贏在決定通話能否把事情辦成的那個構面。Google 的模型則贏在決定通話感受是否良好、以及能否順利完成的那些構面，而且 Google 這麼做每小時收費還更低。只看見 87.1 對上 82.6 的讀者，大約有一半的機會會為自己的工作選錯模型。

兩個 Gemini 模型，而其中只有一個在對抗 Phonic 的排行榜上

Gemini 3.8 Live 已取代 gemini-3.1-flash-live-preview，並透過 Gemini API 與 AI Studio 全面開放；Gemini Enterprise 與 Search Live 仍處於私人預覽階段。標準模型最佳化的重點，正是手機代理程式在大規模運作時所需：快速、便宜、自然。擴展思考變體會先進行推理再回答，這能在困難的多步驟請求上換取準確度，但也會增加延遲。兩者分別命名、以 token 為單位分別定價，並分別評分。

• Gemini 3.8 Live（標準版）— 語音對語音指數 74.5、推理 92、動態表現 96.1、代理能力 30.1、競技場偏好度 1,074、任務成功率 93.2%、首次音訊延遲 1.18 秒。

• Gemini 3.8 Live Extended Thinking（High）— 指數 82.6，推理 98，動態 91.9，代理能力 68.6，競技場 966，任務成功率 89.1%，首次音訊時間 1.35 秒。

• Phonic 1 (High) — 指數 87.1、推理 99、動態未回報、代理 79.9、競技場 1,012、任務成功率 92.3%、首次音訊時間 0.61 秒。

注意 Google 自家模型陣容中的內在矛盾。啟用延伸思考會讓指數提高 8.1 分，但它降低 Arena 偏好 108 Elo，並使任務成功率下降 4.1 分。更深入推理會讓模型在綜合指標上得分更高，卻在四項輸入中的兩項上表現更差。這不是模型的缺陷；它提醒我們，單一加權平均可能朝任何使用者都不會投票支持的方向移動。

元件運算，一次一行

Artificial Analysis 的語音對語音指數由四項輸入所構成——語音推理、代理性能、競技場偏好與任務成功率——並將其標示為加權平均值。若將這四項分開來看，這場對決所呈現出的結果，遠比 4.5 個百分點的差距來得具體得多。

• 語音推理 — Phonic 1 99 分對上 Gemini 3.8 Live Extended Thinking 98 分與標準版 92 分。頂端實際上難分高下；這個項目並不具決定性。

• 代理式效能 — Phonic 1 為 79.9，相較之下延伸思考為 68.6、標準為 30.1。這就是整個論點。延伸思考是唯一能在此競爭的 Gemini 配置，但仍落後 11.3 分。

• Arena 偏好 — Phonic 1 為 1,012，對比擴展思考的 966 與標準的 1,074。標準模型以 62 Elo 擊敗 Phonic；思考模型則輸 46。人類聽眾更偏好便宜的 Gemini。

• 任務成功率 — Phonic 1 為 92.3%，對比擴展思考的 89.1% 與標準的 93.2%。標準模型再次以微弱優勢勝出，而思考模型落敗。

把這四個排成一列，整個敘事就說得通了。Phonic 1 是能力最強的代理，卻也是三者中最不受青睞的聲音。Gemini 3.8 Live standard 是最受青睞的聲音、最擅長完成任務，卻也是最差的代理。Gemini 3.8 Live Extended Thinking 介於兩者之間，可說是兼具兩者之短——它用延遲和偏好度換取推理，卻在代理能力上仍追不上 Phonic。

每一項的每分鐘成本，以及為什麼主打費率會誤導人

在 Artificial Analysis 的正規化每小時輸入音訊成本指標上，Gemini 是較便宜的模型：Gemini 3.8 Live Extended Thinking 為每小時 $3.50，而 Phonic 1 為 $4.20。這是 Phonic 自家發表資料也承認的數字——其比較表顯示 Gemini 的價格低於它——而且值得直說，因為一個新進者在 agentic 分數上勝過 Google 模型、卻在價格上輸給對方，這樣的故事比全面橫掃更有意思。

Google 公布的 token 費率為每百萬音訊輸入 token 3 美元、每百萬音訊輸出 token 12 美元；以典型密度計算，約等於輸入每分鐘 0.005 美元、輸出每分鐘 0.018 美元。Phonic 的計費方式為每通話分鐘固定 0.07 美元，Pro 方案為 0.065 美元，且每月最低消費 200 美元；該廠商明確表示，不收取 LLM 成本轉嫁費用，也不按 token 計費。

• 每輸入小時成本 — Gemini 3.8 Live Extended Thinking 為 $3.50，Phonic 1 為 $4.20，依 Artificial Analysis 的標準化計算。

• 計費模式 — Gemini 對音訊輸入與音訊輸出分別按 token 費率計費；Phonic 則按每通話分鐘單一費率計費，涵蓋模型層。

• 在兩者型態分歧之處——代理說得多、聽得少的通話，在 Gemini 的輸出計量上成本較高，而在 Phonic 的固定費率上則相同；代理大多在聆聽的通話，在 Gemini 上成本較低，而在 Phonic 上則相同。

• {{1}}免費方案{{/1}} — Gemini 針對 Live 模型提供輸入與輸出的免費 token，但其免費方案速率限制並未公開；{{2}}Phonic 沒有免費方案，但在 2026 年 11 月 30 日前曾針對註冊用戶推出 250 美元抵用金促銷活動。{{/2}}

這正是路由器存在的目的，但有一個必須坦白說的前提：這兩個對話模型都不在 OrcaRouter 的目錄中，因此無法在這裡進行比較或容錯切換。目錄上有的，是文字端的對應模型——Gemini 3.8 Flash，今天就能與 200+ 個其他模型一起，透過單一金鑰以原價路由，且不加價。如果你的語音代理是將推理委派給文字模型，而不是直接在自身內部執行推理，那麼那一環正是你可以路由、比價並容錯切換的部分，而且它通常也是帳單中佔比最大的那一環。

延遲、工作階段，以及沒人會讀的上限

Phonic 1 在 0.61 秒內回應首段音訊。Gemini 3.8 Live 需 1.18 秒，延伸思考變體則需 1.35 秒。在該指數自身的速度圖表上，這使 Phonic 與 0.81 秒的 Grok Voice 3.0 落在同一區間，而兩種 Gemini 配置都落後約三分之一秒——這正是來電者在等待，與來電者察覺自己正在等待之間的差別。

Google 已公布硬性的工作階段限制，對某些產品而言，這比延遲差距更重要：Gemini 3.8 Live 工作階段的純音訊互動上限為十五分鐘，而一旦串流中包含視訊，上限就變成兩分鐘。對客服通話來說，這沒問題。但對預約的初次面談、教練會談或長時間運作的語音助理而言，十五分鐘的上限是設計上必須納入考量的限制，而 Phonic 並未表明有這項限制。Phonic 的公開資料也列出 50 多種語言，相較於 Google 的 97 種，這與通常新進者居於劣勢的情況正好相反。

• 背景與輸出——Gemini 3.8 Live 具備 131K 的上下文與 65,536 的最大輸出 token 數；Phonic 則未公布上下文相關數據。

• 多模態——Gemini 3.8 Live 可接受視覺輸入，最高約每秒一幀，並內建 30 種具名語音；Phonic 1 為原生音訊，未提及視覺輸入。

• 出處標示 — Google 對生成的音訊套用 SynthID 浮水印；Phonic 並未提出同等的主張。

• 合規性 — Phonic 表示其具備 SOC 2 Type II、可提供 HIPAA BAA，並實行零資料保留，另支援雲端、單租戶、VPC 與自架部署；Gemini 3.8 Live 則是由 Google 託管的 API。

每位讀者實際上正在做哪項決定

如果你的 agent 負責預訂、驗證、退款或轉人工處理——如果通話成功與否取決於某一列資料庫紀錄是否被變更——那麼 Phonic 1 的 79.9% agentic 分數，就值得更高的每小時費率，以及那尚未經過驗證的實績紀錄。相較於最佳的 Gemini 配置，11.3 分的領先幅度是這場對決中最大的實質差距，而且它是唯一一項以完成率差異、而非偏好差異的形式呈現出來的差距。

如果你的代理主要需要進行良好對話、準確回答，而且聽起來不像機器人在對話，那麼標準版 Gemini 3.8 Live 在四項元件中的三項以及成本上都更值得買。它在任務成功率上直接勝出，在與 Phonic 的競技場偏好比較中也直接勝出，而且每輸入小時的成本低 17%。它做不到的是實際行動——30.1% 的代理能力，意味著這是個能談論你的預訂系統、卻無法實際使用它的模型。

而如果你是那種會因為「thinking」聽起來像更強大的模型、就預設採用 extended thinking 的團隊：數據說不要。Gemini 3.8 Live Extended Thinking 相較於它自己更便宜的兄弟模型，犧牲了延遲、Arena 偏好與任務成功率，只換來 38.5 點的代理表現——仍低於 Phonic，也不足以合理化一次必須完成交易的呼叫。

這場對決值得細讀而非略過，原因在於：贏家會隨你重視四項數字中的哪一項而改變。Phonic 1 拿下綜合評分，因為自主性占了整體故事的三分之一，而它在這項上明顯領先。Google 則在偏好、任務完成度與價格上勝出，而且靠一個執行成本只有一半的模型做到。這項指數是公允的摘要，卻是不稱職的操作指南。讀各項組成，然後選一個你能在自己流量中於兩週內衡量的項目。