🎁 신규 무료 가입, 10회 호출 제공. 최대 $1, 카드 불필요.

gemini-3.1-flash-live vs GPT Realtime 2.1

vs

언제 어떤 모델을 사용할까 — 벤치마크 표가 아닌 선별된 평가

둘 다 100만 토큰당 요금이 청구되는 실시간 오디오 모델이지만, gemini-3.1-flash-live가 더 저렴한 옵션입니다: 오디오 입력은 $32 대비 $3(약 10.7x 저렴), 오디오 출력은 $64 대비 $12이며, 텍스트는 $4/$24 대비 $0.75/$4.5(약 5.3x 저렴)입니다. 또한 오디오 및 텍스트와 함께 이미지 및 비디오 입력을 처리하고, 최대 65536 출력 토큰을 지원하는 131072-token 컨텍스트를 제공하며, Live API 세션은 연장하지 않는 한 오디오 전용의 경우 최대 15분(비디오 포함 시 2분)으로 제한됩니다. $0.4 캐시 읽기, 128000-token 컨텍스트 및 32000 최대 출력을 갖춘 OpenAI의 오디오/텍스트 스택을 원한다면 gpt-realtime-2.1을 선택하십시오.

가격

gemini-3.1-flash-live GPT Realtime 2.1 Δ
오디오 입력 / 1M 토큰 $3 $32 0.094×
오디오 출력 / 1M 토큰 $12 $64 0.19×
오디오 캐시 읽기 / 1M 토큰 $0.4
텍스트 입력 / 1M 토큰 $0.75 $4 0.19×
텍스트 출력 / 1M 토큰 $4.5 $24 0.19×
캐시 쓰기 별도 비용 없음

빌드 시점의 라이브 카탈로그 요금입니다. 각 모델 페이지에 현재 요금표가 표시됩니다.

현재 위치 — 이 청구 단위를 사용하는 모든 6개의 실시간 음성-음성 변환 모델 전체의 1M 오디오 토큰당 가격 (로그 스케일)

기능

gemini-3.1-flash-live GPT Realtime 2.1
사고 제어 항상 켜짐
프롬프트 캐싱 암시적 + 명시적 암시적 (자동)
캐시 수명 미공개 5–10m, up to 1h
최소 캐시 접두사 4096 토큰 1024 토큰

사양

gemini-3.1-flash-live GPT Realtime 2.1
입력 모달리티 텍스트 이미지 오디오 비디오 텍스트 오디오
출력 모달리티 텍스트 오디오 텍스트 오디오
출시일 2026-03-26 2026-07-06
지식 컷오프 2024-09
음성

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

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

세션 기능
  • 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
  • Speech-to-speech over WebSocket
  • configurable reasoning effort
  • tool use
  • interruption handling
  • 128K context
컨텍스트 윈도우 131K 128K

사양은 각 공급업체의 문서를 그대로 기록한 것입니다. 공급업체가 공개하지 않은 항목은 추론하지 않고 제외했습니다. 전체 출처: gemini-3.1-flash-live · GPT Realtime 2.1

코드 한 줄로 모델 전환

두 id는 아래의 모든 탭에 있습니다 — 강조 표시된 두 줄이 유일한 수정 사항입니다. 동일한 엔드포인트, 동일한 키, 동일한 요청 형태입니다.

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"
# URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"  # 이 줄의 주석을 해제하고, 윗줄을 주석 처리하세요
# 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())

API 키 발급받기 →

FAQ

gemini-3.1-flash-live와(과) GPT Realtime 2.1 중 어느 것이 더 저렴한가요?

오디오 입력 / 1m 토큰 항목에서는 gemini-3.1-flash-live이(가) 더 저렴합니다($3 대 $32, 11× 차이). 다른 항목에서는 결과가 다를 수 있습니다 — 위의 표에 전체 정보가 있으며, 실제 비용은 사용 조합에 따라 달라집니다.

두 번의 연동 과정 없이 gemini-3.1-flash-live와(과) GPT Realtime 2.1를 A/B 테스트할 수 있나요?

네. 둘 다 하나의 API 키를 사용하여 동일한 OpenAI 호환 엔드포인트를 통해 제공됩니다 — 모델 문자열을 한 줄만 변경하면 전환되므로, 트래픽의 일부를 각각 라우팅하여 요금을 직접 비교할 수 있습니다.

gemini-3.1-flash-live 및 GPT Realtime 2.1는 프롬프트 캐싱을 지원하나요?

저희 피드에는 둘 중 하나에만 캐시 읽기 가격이 나열되어 있으며, 요금이 누락된 곳은 제공업체가 캐시 읽기에 대해 별도로 요금을 책정하지 않은 것입니다.

관련 비교