gemini-3.1-flash-live vs nova-2-sonic

gemini-3.1-flash-live gibt es nur auf Einladung. Die Werte unten sind die aktuellen Live-Preise, für Aufrufe muss Ihr Arbeitsbereich aber erst freigeschaltet werden. Fragen Sie den Zugang bei uns an, bevor Sie auf diesen Vergleich bauen.

nova-2-sonic gibt es nur auf Einladung. Die Werte unten sind die aktuellen Live-Preise, für Aufrufe muss Ihr Arbeitsbereich aber erst freigeschaltet werden. Fragen Sie den Zugang bei uns an, bevor Sie auf diesen Vergleich bauen.

vs

Welches Modell wofür

Audio kostet auf beiden gleich, $3 pro Million Eingabe und $12 Ausgabe, die Rechnung trennt sich also beim Text: nova-2-sonic berechnet $0.06 und $0.24 pro Million gegenüber $0.75 und $4.5, also rund 12x und 19x weniger. gemini-3.1-flash-live ist das Modell mit den breiteren Eingaben - Text, Bild, Audio und Video, mehr als 90 Sprachen, 15-minütige reine Audiositzungen - während nova-2-sonic nur Audio und Text nimmt, über eine 8-Minuten-Verbindung mit dokumentiertem Fortsetzungsmuster, und in vier Regionen läuft. Nehmen Sie nova-2-sonic für die Kosten bei textlastigen Sitzungen, gemini-3.1-flash-live für Videoeingabe und Sprachabdeckung.

Benchmarks

gemini-3.1-flash-live: Der Anbieter hat keine Benchmark-Werte veröffentlicht.

nova-2-sonic: 8 veröffentlicht, aber kein Benchmark, den genug andere Modelle teilen.

gemini-3.1-flash-live nova-2-sonic weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
AMI near+far field (WER)
N/A
29.7%
Big Bench Audio
N/A
87%
BFCL v3 (single-turn, python only)
N/A
74.5%

Anbieterangaben: Amazon OpenAI

Preise

gemini-3.1-flash-live nova-2-sonic Δ
Audio-Eingabe / 1M Tokens $3 $3 =
Audio-Ausgabe / 1M Tokens $12 $12 =
Text-Eingabe / 1M Tokens $0.75 $0.06 13×
Text-Ausgabe / 1M Tokens $4.5 $0.24 19×
Cache-Schreiben - keine gesonderte Gebühr -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite.

Einordnung: Preis pro 1M Audio-Tokens aller 7 Echtzeit-Speech-to-Speech-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Fähigkeiten

gemini-3.1-flash-live nova-2-sonic
Thinking-Steuerung immer aktiv -
Prompt-Caching implizit (automatisch) nicht unterstützt
Cache-Lebensdauer nicht veröffentlicht nicht zutreffend
Mindestlänge des gecachten Präfixes 4,096 Tokens nicht zutreffend

Spezifikationen

gemini-3.1-flash-live nova-2-sonic
Eingabemodalitäten Text Bild Audio Video Text Audio
Ausgabemodalitäten Text Audio Text Audio
Veröffentlicht 2026-03-26 2025-12-02
Stimmen

Jede Stimme aus dem Text-to-Speech-Stimmenset von Gemini

Modelle mit Native-Audio-Output wechseln die Sprache während eines Gesprächs auf natürliche Weise.

Weiblich und männlich klingende Stimmen je Locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN und hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany und matthew sind polyglotte Stimmen, die jede unterstützte Sprache sprechen.

Sitzungsfunktionen
  • Function Calling ist ausschließlich sequenziell, das Modell beginnt also erst zu antworten, wenn die Tool-Antwort gesendet wurde
  • Search Grounding und Thinking unterstützt
  • VAD-Unterbrechung bricht die laufende Generierung ab
  • kein Caching, keine strukturierten Ausgaben, keine Codeausführung und keine Batch API
  • Intelligenter Sprecherwechsel mit konfigurierbarer Endpointing-Empfindlichkeit
  • elegante Unterbrechungsbehandlung ohne Kontextverlust
  • Function Calling mit asynchroner Tool-Abwicklung (der Assistent spricht weiter, während Tools laufen)
  • RAG-Grounding
  • gemischte Audio- und Texteingabe in einem Gespräch
  • Verbindungslimit von 8 Minuten
Kontextfenster 131.072 1.000.000

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: gemini-3.1-flash-live · nova-2-sonic

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # diese Zeile einkommentieren, die darüberliegende auskommentieren
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "output_modalities": ["audio"],
                "audio": {"output": {"voice": "alloy"}},
            },
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: gemini-3.1-flash-live oder nova-2-sonic?

Beide berechnen $3 für „Audio-Eingabe / 1M Tokens“. Andere Tarife und die tatsächliche Nutzung können die Gesamtkosten verändern.

Kann ich gemini-3.1-flash-live gegen nova-2-sonic A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen gemini-3.1-flash-live und nova-2-sonic Prompt-Caching?

In unserem Feed ist nur für eines der beiden Modelle ein Preis für Cache-Lesezugriffe hinterlegt. Fehlt ein Preis, berechnet der Anbieter Cache-Lesezugriffe nicht gesondert.

Verwandte Vergleiche