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

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

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.

O nova-2-sonic 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

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.

Benchmarks

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

nova-2-sonic: 8 publicados, mas nenhum benchmark em comum com modelos suficientes para comparar.

gemini-3.1-flash-live nova-2-sonic outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
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%

Publicado pelos provedores: Amazon OpenAI

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, 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-3.1-flash-live nova-2-sonic
Controle de raciocínio sempre ativo -
Cache de prompts 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 provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: gemini-3.1-flash-live · nova-2-sonic

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-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())

Obtenha sua chave de API →

Perguntas frequentes

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

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-3.1-flash-live contra nova-2-sonic 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-3.1-flash-live e nova-2-sonic 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