Google Gemini 3.8 Live kontra GPT-Live-1: nowa wojna cenowa

Google DeepMind nie zwalnia tempa. Firma właśnie zaprezentowała Gemini 3.8 Live oraz Gemini 3.8 Live Extended Thinking – dwa nowe modele audio skierowane do developerów. Obie wersje są dostępne przez Gemini API oraz Google AI Studio. To bezpośrednia odpowiedź na modele GPT-Live-1 od OpenAI, ale stawka w tej rozgrywce jest znacznie bardziej złożona niż mogłoby się wydawać.

Nowe modele Google mają przede wszystkim napędzać głosowych agentów AI. I tu robi się ciekawie, bo możliwości techniczne robią wrażenie – podobnie jak różnica w cenie.

Co potrafi Gemini 3.8 Live i dlaczego to ważne

Gemini 3.8 Live to model audio zaprojektowany z myślą o tworzeniu zaawansowanych agentów głosowych. Jego kluczowa przewaga? Może wykonywać wywołania API w tle, przetwarzać dane wizualne i jednocześnie prowadzić rozmowę z użytkownikiem. To oznacza, że agent oparty na tym modelu nie musi przerywać konwersacji, żeby coś sprawdzić czy pobrać – robi to równolegle.

Model obsługuje ponad 97 języków, co czyni go jednym z najbardziej uniwersalnych rozwiązań audio na rynku. Dla firm działających globalnie to nie jest drobiazg – to potencjalnie ogromne uproszczenie wdrażania wielojęzycznych asystentów głosowych.

Extended Thinking – lider rankingu Speech-to-Speech

Wersja Extended Thinking idzie o krok dalej. W rankingu Artificial Analysis Speech-to-Speech Leaderboard osiągnęła wynik 82,6 procent, wyprzedzając najnowsze modele GPT-Live-1 od OpenAI. To nie jest kosmetyczna różnica – pozycja lidera w tego typu zestawieniach przekłada się bezpośrednio na jakość rozpoznawania i generowania mowy.

Google udostępnił również przykładowe aplikacje na GitHubie, co ma ułatwić developerom szybkie przetestowanie możliwości nowych modeli w praktyce.

Wojna cenowa: Google gra zupełnie inną kartą

Tutaj robi się naprawdę interesująco. Google wycenia wejście audio na 0,005 dolara za minutę, a wyjście na 0,018 dolara. Dla porównania OpenAI liczy sobie 0,05 dolara za minutę w przypadku GPT-Live-1. Różnica jest kolosalna.

Przełóżmy to na konkretne liczby. Godzina rozmowy z wykorzystaniem Gemini 3.8 Live kosztuje około 1,38 dolara. W przypadku OpenAI to minimum 3 dolary. Przy dużej skali wdrożenia – na przykład w call center czy systemach obsługi klienta – ta różnica może decydować o opłacalności całego projektu.

Google po raz kolejny postawił na strategię cenową, która ma przyciągnąć masowych odbiorców. To zagranie znane z wcześniejszych premier – firma często wybiera dostępność finansową zamiast prymatu jakościowego.

Czy tańsze oznacza gorsze? Dema mówią wiele

I tu dochodzimy do sedna. OpenAI nadal ma jedną istotną przewagę techniczną: pełny duplex (full duplex), który pozwala modelowi słuchać i mówić jednocześnie. Gemini 3.8 Live tego nie potrafi. W praktyce oznacza to, że rozmowy z GPT-Live-1 mogą być bardziej naturalne – bez sztucznych pauz i przerw w komunikacji.

Pierwsze dema nowego modelu Google również sugerują, że jakość dźwięku ustępuje rozwiązaniu OpenAI. Głos brzmi mniej naturalnie, co potwierdza wcześniejsze obserwacje – Google konsekwentnie optymalizuje pod kątem kosztów, niekoniecznie pod kątem wrażeń użytkownika.

To klasyczny dylemat wyboru między budżetem a jakością. Dla niektórych zastosowań – na przykład prostych asystentów obsługi – niższa cena Google może być wystarczającym argumentem. Ale w aplikacjach, gdzie liczy się płynność i naturalność konwersacji, OpenAI wciąż może mieć przewagę.

Co to oznacza dla rynku modeli audio

Premiera Gemini 3.8 Live pokazuje, że konkurencja w segmencie modeli audio nabiera tempa. Google wyraźnie pozycjonuje się jako tańsza alternatywa, która nie boi się porównań z liderem rynku. Z kolei OpenAI konsekwentnie stawia na jakość konwersacji i naturalność interakcji.

Dla developerów i firm wdrażających rozwiązania głosowe to dobra wiadomość – mają wybór. Mogą zdecydować, czy ważniejszy jest dla nich budżet, czy doświadczenie użytkownika końcowego. A to z kolei może wymusić na obu firmach dalsze ulepszenia – zarówno w zakresie cen, jak i możliwości technicznych.

Jedno jest pewne: walka o dominację w segmencie głosowych agentów AI dopiero się rozkręca. I wszyscy na tym skorzystamy.