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

gemini-3.1-flash-live è disponibile su invito. Le cifre qui sotto sono le tariffe live, ma per chiamarlo il tuo workspace deve prima essere autorizzato: chiedici l'accesso prima di basare il tuo lavoro su questo confronto.

nova-2-sonic è disponibile su invito. Le cifre qui sotto sono le tariffe live, ma per chiamarlo il tuo workspace deve prima essere autorizzato: chiedici l'accesso prima di basare il tuo lavoro su questo confronto.

vs

Quale scegliere e quando

L'audio costa uguale su entrambi, $3 per milione in ingresso e $12 in uscita, quindi il conto si decide sul testo: nova-2-sonic costa $0.06 e $0.24 per milione contro $0.75 e $4.5, circa 12x e 19x in meno. gemini-3.1-flash-live è il modello dagli input più ampi - testo, immagine, audio e video, più di 90 lingue, sessioni solo audio da 15 minuti - mentre nova-2-sonic prende solo audio e testo, su una connessione da 8 minuti con uno schema di continuazione documentato, e gira in quattro regioni. Scegli nova-2-sonic per il costo su sessioni cariche di testo, gemini-3.1-flash-live per l'input video e la copertura linguistica.

Benchmark

gemini-3.1-flash-live: il provider non ha pubblicato risultati di benchmark.

nova-2-sonic: 8 pubblicati, ma nessun benchmark in comune con abbastanza altri modelli per fare un confronto.

gemini-3.1-flash-live nova-2-sonic altri modelli misurati media dei modelli confrontati ★ nessun altro modello ha fatto meglio
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%

Dati pubblicati dai provider: Amazon OpenAI

Prezzi

gemini-3.1-flash-live nova-2-sonic Δ
Input audio / 1M token $3 $3 =
Output audio / 1M token $12 $12 =
Input di testo / 1M token $0.75 $0.06 13×
Output di testo / 1M token $4.5 $0.24 19×
Scrittura in cache - nessun addebito separato -

Tariffe lette dal catalogo live al momento della build; il listino aggiornato è sulla pagina di ciascun modello.

Dove si collocano: prezzo per 1M di token audio tra tutti i modelli di speech-to-speech in tempo reale con questa unità di fatturazione (7, scala logaritmica)

Funzionalità

gemini-3.1-flash-live nova-2-sonic
Controllo del ragionamento sempre attivo -
Prompt caching implicito (automatico) non supportato
Durata della cache non pubblicato non applicabile
Prefisso minimo in cache 4,096 token non applicabile

Specifiche

gemini-3.1-flash-live nova-2-sonic
Modalità di input testo immagine audio video testo audio
Modalità di output testo audio testo audio
Rilascio 2026-03-26 2025-12-02
Voci

Qualsiasi voce del set di voci text-to-speech di Gemini

i modelli con output ad audio nativo cambiano lingua in modo naturale nel corso di una conversazione.

Voci dal timbro femminile e maschile per ciascun locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN e hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany e matthew sono voci poliglotte che parlano tutte le lingue supportate.

Funzionalità di sessione
  • Il function calling è solo sequenziale: il modello non inizia a rispondere finché non viene inviata la risposta dello strumento
  • grounding di ricerca e thinking supportati
  • l'interruzione VAD annulla la generazione in corso
  • nessun caching, output strutturati, esecuzione di codice o Batch API
  • Gestione intelligente dei turni con sensibilità di endpointing configurabile
  • gestione fluida delle interruzioni senza perdita di contesto
  • function calling con gestione asincrona degli strumenti (l'assistente continua a parlare mentre gli strumenti sono in esecuzione)
  • grounding RAG
  • input audio e testo misti in un'unica conversazione
  • limite di connessione di 8 minuti
Finestra di contesto 131.072 1.000.000

Le specifiche sono riprese dalla documentazione di ciascun provider; se un provider non pubblica un dato, la riga viene omessa e non dedotta. Fonti complete: gemini-3.1-flash-live · nova-2-sonic

Passa dall'uno all'altro cambiando una sola riga

In ogni scheda qui sotto ci sono entrambi gli id: le due righe evidenziate sono l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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"  # 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 la tua chiave API →

FAQ

Qual è il più economico, gemini-3.1-flash-live o nova-2-sonic?

Entrambi applicano $3 a «Input audio / 1M token». Le altre tariffe e le quantità usate possono cambiare il costo totale.

Posso fare un A/B test di gemini-3.1-flash-live contro nova-2-sonic senza due integrazioni?

Sì. Si chiamano entrambi dallo stesso endpoint compatibile con OpenAI, con una sola chiave API. Per passare dall'uno all'altro basta cambiare la stringa del modello in una riga, quindi puoi mandare una parte del traffico a ciascuno e confrontare direttamente i costi.

gemini-3.1-flash-live e nova-2-sonic supportano il prompt caching?

Nel nostro feed il prezzo di lettura dalla cache è indicato solo per uno dei due; dove la tariffa manca, il provider non applica un prezzo separato alle letture dalla cache.

Confronti correlati