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

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

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.

nova-2-sonic 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

El audio cuesta lo mismo en ambos, $3 por millón de entrada y $12 de salida, así que la factura se decide en el texto: nova-2-sonic cobra $0.06 y $0.24 por millón frente a $0.75 y $4.5, unas 12x y 19x menos. gemini-3.1-flash-live es el modelo de entradas más amplias - texto, imagen, audio y vídeo, más de 90 idiomas, sesiones de solo audio de 15 minutos - mientras que nova-2-sonic solo toma audio y texto, sobre una conexión de 8 minutos con un patrón de continuación documentado, y funciona en cuatro regiones. Elige nova-2-sonic por coste en sesiones cargadas de texto, gemini-3.1-flash-live por entrada de vídeo y cobertura de idiomas.

Benchmarks

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

nova-2-sonic: 8 publicados, pero ningún benchmark compartido con suficientes modelos para comparar.

gemini-3.1-flash-live nova-2-sonic otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
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%

Publicado por los proveedores: Amazon OpenAI

Precios

gemini-3.1-flash-live nova-2-sonic Δ
Entrada de audio / 1M tokens $3 $3 =
Salida de audio / 1M tokens $12 $12 =
Entrada de texto / 1M tokens $0.75 $0.06 13×
Salida de texto / 1M tokens $4.5 $0.24 19×
Escritura en caché - sin cargo aparte -

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-3.1-flash-live nova-2-sonic
Control del razonamiento siempre activo -
Caché de prompts implícito + explícito no admitido
Duración de la caché no publicado no aplicable
Prefijo mínimo en caché 4096 tokens no aplicable

Especificaciones

gemini-3.1-flash-live nova-2-sonic
Modalidades de entrada texto imagen audio vídeo texto audio
Modalidades de salida texto audio texto audio
Lanzamiento 2026-03-26 2025-12-02
Voces

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

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

Feminine- and masculine-sounding voices per locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN and hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany and matthew are polyglot voices that speak every supported language.

Capacidades de sesión
  • 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
  • Intelligent turn-taking with configurable endpointing sensitivity
  • graceful interruption handling without losing context
  • function calling with asynchronous tool handling (the assistant keeps speaking while tools run)
  • RAG grounding
  • mixed audio and text input in one conversation
  • 8-minute connection limit
Ventana de contexto 131K 1M

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-3.1-flash-live · nova-2-sonic

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-3.1-flash-live"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # 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-3.1-flash-live o nova-2-sonic?

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-3.1-flash-live frente a nova-2-sonic 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-3.1-flash-live y nova-2-sonic 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