Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Google DeepMind ha rilasciato Gemini 3.8 Live e 3.8 Live Extended Thinking, due modelli audio per sviluppatori che si prendono la vetta della classifica speech-to-speech di Artificial Analysis con l'82,6%. Il prezzo è di 1,38 dollari l'ora di conversazione vocale, contro i 3,00 dollari minimi di GPT-Live-1 di OpenAI: la concorrenza sui modelli conversazionali in tempo reale si gioca sempre più sul costo per minuto, non solo sulla qualità.
Due modelli, due compiti diversi
Gemini 3.8 Live è pensato per la scala e l'efficienza di costo: gestisce conversazioni fluide con supporto visivo in tempo quasi reale, riconosce e passa automaticamente tra 97 lingue durante il dialogo e continua a parlare mentre esegue chiamate API e strumenti in background. La variante Extended Thinking è costruita per compiti complessi, con ragionamento multi-step e la capacità di ragionare e parlare contemporaneamente.
Entrambi sono disponibili dal 15 settembre 2026 tramite Gemini API e Google AI Studio. Gemini 3.8 Live arriva anche in Search Live e in anteprima privata su Gemini Enterprise, mentre Extended Thinking sbarca su Gemini Live, Docs, Gmail e Keep per gli abbonati Google AI Pro e Ultra.
I numeri della classifica
Extended Thinking conquista la prima posizione assoluta sullo Speech to Speech Quality Index di Artificial Analysis con l'82,6%, davanti ai modelli GPT-Live-1 di OpenAI. Sul fronte agentico segna 68,6% di task completion, 35,1% sul benchmark di Sierra e 97,7% su Big Bench Audio. Gemini 3.8 Live, dal canto suo, si piazza secondo nella Speech Agent Arena.
| Modello | Prezzo audio input | Prezzo audio output | Costo per ora di voce |
|---|---|---|---|
| Gemini 3.8 Live | 0,005 $/min | 0,018 $/min | ~1,38 $ |
| GPT-Live-1 (OpenAI) | 0,05 $/min | — | ≥3,00 $ |
Qualità contro prezzo: due letture diverse
Qui le fonti divergono, e la discrepanza conta più del dato in sé. Google rivendica il primo posto sulla qualità misurata da Artificial Analysis. The Decoder, però, guarda i demo e sostiene che GPT-Live-1 dovrebbe ancora garantire conversazioni più naturali grazie alla modalità full duplex, che gli consente di ascoltare e parlare nello stesso momento: l'impressione è che Google abbia di nuovo ottimizzato sul prezzo più che sulla qualità. Un benchmark oggettivo da una parte, una valutazione soggettiva sulle demo dall'altra. Per chi sceglie un modello da mettere in produzione, sono due metriche che non coincidono.
Cosa cambia per chi sviluppa voice agent
Il differenziale di prezzo si traduce in un risparmio misurabile. Partendo dai dati delle fonti, un'ora di conversazione costa circa 1,38 dollari con Google e almeno 3,00 dollari con OpenAI: la differenza è di 1,62 dollari l'ora, ovvero circa il 54% in meno. Combinando i prezzi al minuto di input e output di Gemini 3.8 Live — 0,005 più 0,018 dollari — si ottengono 0,023 dollari al minuto, contro gli 0,05 dollari di GPT-Live-1: il rapporto è 0,46, lo stesso che emerge dal confronto orario.
Su un agente vocale che resta attivo otto ore al giorno per ventidue giorni lavorativi, sono 176 ore al mese: circa 243 dollari con Gemini 3.8 Live contro almeno 528 dollari con GPT-Live-1. Per chi scala un servizio di customer care o un assistente vocale, il costo per ora diventa la variabile che decide l'architettura. L'ecosistema di piattaforme che supporta la Gemini Live API — Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel e Vision Agents — gestisce l'infrastruttura di streaming in tempo reale, lasciando agli sviluppatori solo la progettazione dell'esperienza.
Google ha confermato che tutto l'audio generato è marcato con SynthID, il watermark impercettibile pensato per rendere riconoscibile il contenuto sintetico.
La partita non si chiuderà sul prezzo. Se il vantaggio di naturalità di GPT-Live-1 verrà confermato all'uso reale, la scelta per gli sviluppatori non sarà "quale costa meno", ma "quanto vale il realismo in più".
Fonti
