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

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

vs

Qual usar, quando — veredito curado, não uma tabela de benchmark

O áudio custa o mesmo nos dois, $3 por milhão na entrada e $12 na saída, então a conta se decide no texto: o nova-2-sonic cobra $0.06 e $0.24 por milhão contra $0.75 e $4.5, cerca de 12x e 19x menos. O gemini-3.1-flash-live é o modelo de entradas mais amplas — texto, imagem, áudio e vídeo, mais de 90 idiomas, sessões só de áudio de 15 minutos — enquanto o nova-2-sonic aceita apenas áudio e texto, sobre uma conexão de 8 minutos com um padrão de continuação documentado, e roda em quatro regiões. Escolha o nova-2-sonic por custo em sessões pesadas de texto, o gemini-3.1-flash-live por entrada de vídeo e cobertura de idiomas.

Preços

gemini-3.1-flash-live nova-2-sonic Δ
Entrada de áudio / 1M tokens $3 $3 =
Saída de áudio / 1M tokens $12 $12 =
Entrada de texto / 1M tokens $0.75 $0.06 13×
Saída de texto / 1M tokens $4.5 $0.24 19×
Escrita de cache sem cobrança separada

Tarifas do catálogo em tempo real no momento do build; a página de cada modelo contém o cartão atual.

Onde eles se posicionam — preço por 1M tokens de áudio entre todos os 6 modelos de fala para fala em tempo real nesta unidade de cobrança (escala logarítmica)

Capacidades

gemini-3.1-flash-live nova-2-sonic
Controle de raciocínio sempre ativo
Cache de prompt implícito + explícito não suportado
Tempo de vida do cache não publicado não aplicável
Prefixo mínimo em cache 4096 tokens não aplicável

Especificações

gemini-3.1-flash-live nova-2-sonic
Modalidades de entrada texto imagem áudio vídeo texto áudio
Modalidades de saída texto áudio texto áudio
Lançamento 2026-03-26 2025-12-02
Vozes

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

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

Feminine- and masculine-sounding voices per locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN and hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany and matthew are polyglot voices that speak every supported language.

Capacidades da sessão
  • 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
  • Intelligent turn-taking with configurable endpointing sensitivity
  • graceful interruption handling without losing context
  • function calling with asynchronous tool handling (the assistant keeps speaking while tools run)
  • RAG grounding
  • mixed audio and text input in one conversation
  • 8-minute connection limit
Janela de contexto 131K 1M

As especificações são transcritas da documentação de cada fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: gemini-3.1-flash-live · nova-2-sonic

Alterne entre eles com uma linha

Ambos os IDs estão em todas as abas abaixo — o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.

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"  # 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())

Obter uma chave de API →

FAQ

Qual é mais barato, gemini-3.1-flash-live ou nova-2-sonic?

Eles listam a mesma entrada de áudio / 1m tokens ($3), então o preço não decide este caso — veja as especificações e capacidades abaixo.

Posso fazer um teste A/B de gemini-3.1-flash-live contra nova-2-sonic sem duas integrações?

Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API — a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.

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

O preço de leitura em cache está listado para apenas um dos dois em nosso feed; onde falta uma taxa, o provedor não precifica as leituras em cache separadamente.

Comparações relacionadas