Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

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 espaço de trabalho 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 espaço de trabalho 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 6 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 + explícito implícito + explícito
Tempo de vida do cache não publicado não publicado
Prefixo mínimo em cache 4096 tokens 4096 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

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.

Capacidades da sessão
  • 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
Janela de contexto 131K 131K

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?

Na linha “Entrada de áudio / 1M tokens”, os dois custam o mesmo ($3); o preço não decide este caso. Veja as especificações e capacidades abaixo.

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