Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

gemini-2.5-flash-native-audio vs gemini-3.1-flash-live

gemini-2.5-flash-native-audio solo está disponible por invitación. Las cifras de abajo son las tarifas en vivo, pero para llamarlo tu espacio de trabajo necesita antes un permiso: pídenos acceso antes de construir nada a partir de esta comparativa.

gemini-3.1-flash-live solo está disponible por invitación. Las cifras de abajo son las tarifas en vivo, pero para llamarlo tu espacio de trabajo necesita antes un permiso: pídenos acceso antes de construir nada a partir de esta comparativa.

vs

Cuál usar y cuándo

Las tarifas de audio son idénticas ($3 de entrada, $12 de salida por millón) y la mecánica de sesión también - PCM de 16 kHz de entrada y 24 kHz de salida, contexto de 128k, tope de 15 minutos en audio solo - con el más antiguo gemini-2.5-flash-native-audio algo más barato en texto, $0.5 y $2 por millón frente a $0.75 y $4.5. La diferencia funcional está en el comportamiento de las herramientas: gemini-2.5-flash-native-audio admite declaraciones de función NON_BLOCKING, de modo que el modelo sigue hablando mientras una herramienta se ejecuta, mientras que gemini-3.1-flash-live es secuencial y no responde hasta que llega el resultado - pero añade entrada de imagen junto a texto, audio y vídeo. Elige el 2.5 para conversaciones intensivas en herramientas, el 3.1 para entrada de imagen.

Benchmarks

gemini-3.1-flash-live: el proveedor no ha publicado resultados de benchmarks.

gemini-2.5-flash-native-audio: 8 publicados, pero ningún benchmark compartido con suficientes modelos para comparar.

gemini-2.5-flash-native-audio gemini-3.1-flash-live otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
AMI near+far field (WER)
63.8%
N/A
Big Bench Audio
71%
N/A
BFCL v3 (single-turn, python only)
69.4%
N/A

Publicado por los proveedores: Amazon OpenAI

Precios

gemini-2.5-flash-native-audio gemini-3.1-flash-live Δ
Entrada de audio / 1M tokens $3 $3 =
Salida de audio / 1M tokens $12 $12 =
Entrada de texto / 1M tokens $0.5 $0.75 0.67×
Salida de texto / 1M tokens $2 $4.5 0.44×

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio por 1M de tokens de audio entre los 6 modelos de voz a voz en tiempo real que se facturan en esta unidad (escala logarítmica)

Capacidades

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Control del razonamiento configurable siempre activo
Caché de prompts implícito + explícito implícito + explícito
Duración de la caché no publicado no publicado
Prefijo mínimo en caché 4096 tokens 4096 tokens

Especificaciones

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Modalidades de entrada texto audio vídeo texto imagen audio vídeo
Modalidades de salida texto audio texto audio
Lanzamiento - 2026-03-26
Corte de conocimiento 2025-01 -
Voces

Any voice from the Gemini text-to-speech voice set

native-audio output models switch languages naturally during a conversation.

Any voice from the Gemini text-to-speech voice set

native-audio output models switch languages naturally during a conversation.

Capacidades de sesión
  • Function calling supported, with NON_BLOCKING function declarations letting the model keep talking while a tool runs
  • VAD interruption cancels and discards the in-flight generation
  • search grounding and thinking supported
  • no caching, structured outputs, code execution or Batch API
  • Function calling is sequential only - the model will not start responding until the tool response is sent
  • search grounding and thinking supported
  • VAD interruption cancels the in-flight generation
  • no caching, structured outputs, code execution or Batch API
Ventana de contexto 131K 131K

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: gemini-2.5-flash-native-audio · gemini-3.1-flash-live

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gemini-2.5-flash-native-audio"
# URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"  # descomenta esta línea, comenta la de arriba
# 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())

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, gemini-2.5-flash-native-audio o gemini-3.1-flash-live?

Los dos tienen el mismo precio en Entrada de audio / 1M tokens ($3), así que aquí el precio no decide: mira las especificaciones y las capacidades más abajo.

¿Puedo hacer pruebas A/B de gemini-2.5-flash-native-audio frente a gemini-3.1-flash-live sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten gemini-2.5-flash-native-audio y gemini-3.1-flash-live caché de prompts?

En nuestros datos solo figura precio de lectura de caché para uno de los dos; cuando falta la tarifa es porque el proveedor no fija un precio aparte para las lecturas de caché.

Comparativas relacionadas