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

O gemini-2.5-flash-native-audio é oferecido por convite. Os valores abaixo são as tarifas em tempo real, mas as chamadas só funcionam depois que o seu workspace recebe a permissão; peça acesso antes de desenvolver com base nesta comparação.

O gemini-3.1-flash-live é oferecido por convite. Os valores abaixo são as tarifas em tempo real, mas as chamadas só funcionam depois que o seu workspace recebe a permissão; peça acesso antes de desenvolver com base nesta comparação.

vs

Qual usar e quando

As tarifas de áudio são idênticas ($3 de entrada, $12 de saída por milhão) e a mecânica de sessão também - PCM de 16 kHz na entrada e 24 kHz na saída, contexto de 128k, teto de 15 minutos em áudio puro - com o mais antigo gemini-2.5-flash-native-audio um pouco mais barato no texto, $0.5 e $2 por milhão contra $0.75 e $4.5. A diferença funcional está no comportamento das ferramentas: o gemini-2.5-flash-native-audio suporta declarações de função NON_BLOCKING, de modo que o modelo continua falando enquanto uma ferramenta roda, enquanto o gemini-3.1-flash-live é sequencial e não responde até o resultado chegar - mas acrescenta entrada de imagem ao lado de texto, áudio e vídeo. Escolha o 2.5 para conversas cheias de ferramentas, o 3.1 para entrada de imagem.

Benchmarks

gemini-3.1-flash-live: o provedor não publicou resultados de benchmark.

gemini-2.5-flash-native-audio: 8 publicados, mas nenhum benchmark em comum com modelos suficientes para comparar.

gemini-2.5-flash-native-audio gemini-3.1-flash-live outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
AMI near+far field (WER)
63.8%
N/A
Big Bench Audio
71%
N/A
BFCL v3 (single-turn, python only)
69.4%
N/A

Publicado pelos provedores: Amazon OpenAI

Preços

gemini-2.5-flash-native-audio gemini-3.1-flash-live Δ
Entrada de áudio / 1M tokens $3 $3 =
Saída de áudio / 1M tokens $12 $12 =
Entrada de texto / 1M tokens $0.5 $0.75 0.67×
Saída de texto / 1M tokens $2 $4.5 0.44×

Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.

Onde cada um fica: preço por 1M tokens de áudio entre os 7 modelos de voz para voz em tempo real com esta unidade de cobrança (escala logarítmica)

Capacidades

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Controle de raciocínio configurável sempre ativo
Cache de prompts implícito (automático) implícito (automático)
Tempo de vida do cache não publicado não publicado
Prefixo mínimo em cache 4,096 tokens 4,096 tokens

Especificações

gemini-2.5-flash-native-audio gemini-3.1-flash-live
Modalidades de entrada texto áudio vídeo texto imagem áudio vídeo
Modalidades de saída texto áudio texto áudio
Lançamento - 2026-03-26
Corte de conhecimento 2025-01 -
Vozes

Qualquer voz do conjunto de vozes de text-to-speech do Gemini

os modelos de saída de áudio nativo trocam de idioma naturalmente durante uma conversa.

Qualquer voz do conjunto de vozes de text-to-speech do Gemini

os modelos de saída de áudio nativo trocam de idioma naturalmente durante uma conversa.

Capacidades da sessão
  • Function calling suportado, com declarações de função NON_BLOCKING que deixam o modelo continuar falando enquanto uma ferramenta roda
  • a interrupção por VAD cancela e descarta a geração em andamento
  • grounding por busca e raciocínio suportados
  • sem cache, saídas estruturadas, execução de código ou Batch API
  • O function calling é apenas sequencial: o modelo não começa a responder até que a resposta da ferramenta seja enviada
  • grounding por busca e raciocínio suportados
  • a interrupção por VAD cancela a geração em andamento
  • sem cache, saídas estruturadas, execução de código ou Batch API
Janela de contexto 131.072 131.072

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: gemini-2.5-flash-native-audio · gemini-3.1-flash-live

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

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"  # descomente esta linha, comente a linha acima
# 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())

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, gemini-2.5-flash-native-audio ou gemini-3.1-flash-live?

Os dois cobram $3 em “Entrada de áudio / 1M tokens”. As outras tarifas e as quantidades usadas podem alterar o custo total.

Posso fazer um teste A/B de gemini-2.5-flash-native-audio contra gemini-3.1-flash-live sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

gemini-2.5-flash-native-audio e gemini-3.1-flash-live suportam cache de prompts?

No nosso feed, só um dos dois tem preço de leitura de cache; quando a tarifa não aparece, é porque o provedor não tem preço separado para as leituras de cache.

Comparações relacionadas