🎁 Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

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

vs

Lequel, quand — verdict de synthèse, pas un tableau de benchmarks

Les tarifs audio sont identiques ($3 en entrée, $12 en sortie par million) et la mécanique de session aussi — PCM 16 kHz en entrée, 24 kHz en sortie, contexte 128k, plafond de 15 minutes en audio seul — le plus ancien gemini-2.5-flash-native-audio étant légèrement moins cher sur le texte, $0.5 et $2 par million contre $0.75 et $4.5. L'écart fonctionnel porte sur le comportement des outils : gemini-2.5-flash-native-audio accepte les déclarations de fonction NON_BLOCKING, si bien que le modèle continue de parler pendant l'exécution d'un outil, tandis que gemini-3.1-flash-live est séquentiel et ne répond pas avant le retour de l'outil — mais il ajoute l'entrée image à côté du texte, de l'audio et de la vidéo. Prenez le 2.5 pour des conversations riches en outils, le 3.1 pour l'entrée image.

Tarification

gemini-2.5-flash-native-audio gemini-3.1-flash-live Δ
Entrée audio / 1M tokens $3 $3 =
Sortie audio / 1M tokens $12 $12 =
Entrée texte / 1M tokens $0.5 $0.75 0.67×
Sortie texte / 1M tokens $2 $4.5 0.44×

Tarifs issus du catalogue en direct au moment de la compilation ; chaque page de modèle présente la fiche actuelle.

Où ils se situent — prix pour 1M de tokens audio sur l'ensemble des 6 modèles speech-to-speech en temps réel pour cette unité de facturation (échelle logarithmique)

Capacités

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Contrôle de la réflexion configurable toujours activé
Mise en cache du prompt implicite + explicite implicite + explicite
Durée de vie du cache non publié non publié
Préfixe minimum mis en cache 4096 jetons 4096 jetons

Spécifications

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Modalités d'entrée texte audio vidéo texte image audio vidéo
Modalités de sortie texte audio texte audio
Sortie 2026-03-26
Limite de connaissances 2025-01
Voix

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.

Capacités de session
  • 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
Fenêtre de contexte 131K 131K

Les spécifications sont transcrites à partir de la documentation de chaque fournisseur ; une ligne qu'un fournisseur ne publie pas est omise plutôt que déduite. Sources complètes : gemini-2.5-flash-native-audio · gemini-3.1-flash-live

Basculez de l'un à l'autre avec une seule ligne

Les deux ids sont dans chaque onglet ci-dessous — la paire de lignes en surbrillance est la seule modification. Même endpoint, même clé, même structure de requête.

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"  # décommentez cette ligne, commentez celle du dessus
# 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())

Obtenir une clé API →

FAQ

Lequel est le moins cher, gemini-2.5-flash-native-audio ou gemini-3.1-flash-live ?

Ils affichent la même valeur pour entrée audio / 1m tokens ($3), donc le prix ne permet pas de trancher ici — consultez les spécifications et les capacités ci-dessous.

Puis-je faire un test A/B de gemini-2.5-flash-native-audio par rapport à gemini-3.1-flash-live sans deux intégrations ?

Oui. Les deux sont servis via le même endpoint compatible OpenAI avec une seule clé API — le basculement est un changement de chaîne de modèle en une ligne, vous pouvez donc diriger une fraction du trafic vers chacun et comparer les factures directement.

Est-ce que gemini-2.5-flash-native-audio et gemini-3.1-flash-live prennent en charge le prompt caching ?

La tarification de la lecture en cache n'est indiquée que pour l'un des deux dans notre flux ; lorsqu'un tarif est manquant, le fournisseur ne tarifie pas les lectures en cache séparément.

Comparaisons associées