🎁 Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

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

vs

Quale scegliere e quando — verdetto curato, non una tabella di benchmark

Le tariffe audio sono identiche ($3 in ingresso, $12 in uscita per milione) e anche la meccanica di sessione — PCM a 16 kHz in ingresso e 24 kHz in uscita, contesto da 128k, tetto di 15 minuti in solo audio — con il più vecchio gemini-2.5-flash-native-audio leggermente più economico sul testo, $0.5 e $2 per milione contro $0.75 e $4.5. La differenza funzionale è il comportamento degli strumenti: gemini-2.5-flash-native-audio supporta le dichiarazioni di funzione NON_BLOCKING, così il modello continua a parlare mentre uno strumento gira, mentre gemini-3.1-flash-live è sequenziale e non risponde finché non arriva il risultato — ma aggiunge l'input immagine accanto a testo, audio e video. Scegli il 2.5 per conversazioni ricche di strumenti, il 3.1 per l'input immagine.

Prezzi

gemini-2.5-flash-native-audio gemini-3.1-flash-live Δ
Input audio / 1M token $3 $3 =
Output audio / 1M token $12 $12 =
Input di testo / 1M token $0.5 $0.75 0.67×
Output di testo / 1M token $2 $4.5 0.44×

Le tariffe provengono dal catalogo live al momento della build; la pagina di ciascun modello riporta la scheda attuale.

Dove si posizionano — prezzo per 1M di token audio rispetto a tutti gli 6 modelli speech-to-speech in tempo reale con questa unità di fatturazione (scala logaritmica)

Capacità

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Controllo del ragionamento configurabile sempre attivo
Prompt caching implicito + esplicito implicito + esplicito
Durata della cache non pubblicato non pubblicato
Prefisso minimo in cache 4096 token 4096 token

Specifiche

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Modalità di input testo audio video testo immagine audio video
Modalità di output testo audio testo audio
Rilascio 2026-03-26
Cutoff di conoscenza 2025-01
Voci

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.

Funzionalità di sessione
  • 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
Finestra di contesto 131K 131K

Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: gemini-2.5-flash-native-audio · gemini-3.1-flash-live

Passa dall'uno all'altro con una sola riga

Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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"  # decommenta questa riga, commenta quella sopra
# 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())

Ottieni una chiave API →

FAQ

Qual è più economico, gemini-2.5-flash-native-audio o gemini-3.1-flash-live?

Riportano lo stesso valore per input audio / 1m token ($3), quindi il prezzo non è decisivo in questo caso — vedi le specifiche e le funzionalità di seguito.

Posso fare un A/B test di gemini-2.5-flash-native-audio contro gemini-3.1-flash-live senza due integrazioni?

Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.

gemini-2.5-flash-native-audio e gemini-3.1-flash-live supportano il prompt caching?

I prezzi per la lettura in cache sono elencati nel nostro feed solo per uno dei due; dove manca una tariffa, il provider non prezza separatamente le letture in cache.

Confronti correlati