Gemini 3.8 Live vs. GPT-Live-1: Bir Sesli Ajanı İki Farklı Yolla Kurmak

Gemini 3.8 Live ve GPT-Live-1 Kısa Bakış

Aşağıdaki tablonun gösteremediği şey, her iki durumda da asıl işi hâlâ kendi uygulamanızın yaptığıdır; örneğin fonksiyonlarınızı çalıştırmak ve kullanıcının ne istediğini takip etmek gibi.

Gemini 3.8 Live ve GPT-Live-1 Nedir?

İkisi de konuşmadan konuşmaya (speech-to-speech) modellerdir; yani ses girer ve ayrı bir deşifre adımı olmadan ses çıkar.

Gemini 3.8 Live nedir?

Gemini 3.8 Live, Google’ın düşük gecikmeli canlı diyalog modelidir. Metin, görsel, ses ve video kabul eder, turlar arasında akıl yürütür ve fonksiyonları eşzamansız çağırır. Her iki Gemini varyantı da kendi model sayfalarında 131.072 token giriş sınırı listeler.

Gemini 3.8 Live Extended Thinking bir ayar değil, ayrı bir modeldir. İlerlemeyi anlatırken düşük, orta veya yüksek düzeyde arka plan akıl yürütme ekler.

Google’ın sürüm notları her iki model kimliğini genel kullanıma açık olarak listelerken, Live API yetenekleri kılavuzu API’yi hâlâ önizleme olarak etiketliyor.

GPT-Live-1 nedir?

GPT-Live-1, OpenAI’ın tam dubleks ses modelidir. Tam dubleks, girişte tarif ettiğim konuşurken dinleme davranışının teknik adıdır.

OpenAI, backend’e devretmeye delegation der. Ses, o iş çalışırken konuşmaya devam edebilir.

GPT-Live-1, OpenAI’ın GPT-Realtime-2 serisi veya devrettiği backend modeli ile aynı ürün değildir. GPT-Realtime-2.1, akıl yürütme ve araçları tek bir gerçek zamanlı model içinde tutar; bu yüzden delegation hakkında söylediğim her şey yalnızca GPT-Live-1 için geçerlidir.

Gemini 3.8 Live ile GPT-Live-1 Arasındaki Ana Fark Nedir?

Kısa özet hızlı versiyondu; burası tam açıklama. Gemini 3.8 Live canlı oturum içinde fonksiyon çağrılarını seçer, GPT-Live-1 ise akıl yürütmeyi ayrı bir backend’e devreder. Her iki tasarımda da kendi fonksiyonlarınızı uygulamanız çalıştırır.

Her modelin düşünmeyi konumlandırdığı yer. Görsel: Yazar.

Aşağıda yer alan çoğu nokta bu ayrıma geri döner; bu yüzden önce her iki taraf.

Gemini 3.8 Live tek bir oturum içinde nasıl planlar

Gemini ile, yapılandırılacak ikinci bir model yoktur. Canlı model veriye ihtiyaç duyduğunda bir fonksiyon çağrısı üretir ve istemciniz sonucu döndürür; Google’ın akıl yürütme kılavuzunda açıklandığı gibi.

Extended Thinking’e geçmek aynı WebSocket uç noktasını kullanır ve bir backend modeli gerektirmez; ancak istemci kodu değişir.

GPT-Live-1’de delegation nasıl çalışır

GPT-Live-1 konuşmayı yönetir ve ne zaman yardım isteyeceğine karar verir; backend ise akıl yürütme, araçlar ve iş kurallarını yönetir. OpenAI’ın yönlendirme kılavuzu, tam görev prosedürünü backend’in talimatlarına koyar.

Responses delegation ile, OpenAI sizin yapılandırdığınız bir modeli çalıştırır. İstemci delegation ile iş, uygulamanızın çalıştırdığı herhangi bir model veya servise gider. Her iki durumda da, delegation kılavuzu, uygulamanızın izinlerin, kayıtların ve görev durumunun sahibi olduğunu belirtir.

Mimari fark neden önemlidir

Bölmenin bedeli daha fazla parçadır: bir ses oturumu, bir backend ve aralarında paylaşılan durum. Karşılığında, sesi hiç dokunmadan akıl yürütme modelini değiştirebilirsiniz.

Eğer henüz bir backend’iniz yoksa bu değiş tokuş daha kötü görünür; mevcut bir ajanı sesini değiştirmeden yükseltmeniz gerekiyorsa daha iyi.

Gemini 3.8 Live ve GPT-Live-1 Kesintileri Nasıl Ele Alır?

İkisi de kesintileri yönetir; ancak GPT-Live-1, duraklamalar ve geri kanal sinyalleri (dinleyicinin yaptığı "hı hı") ile birlikte bunun etrafında inşa edilmiştir. Gemini 3.8 Live barge-in idestekler ve proaktif sesi her zaman açıktır; ancak Google’ın dokümanları bunu tam dubleks olarak adlandırmaz.

Sırayla konuşmak ve aynı anda konuşmak. Görsel: Yazar.

OpenAI’ın lansman yazısı, dil uygulaması Speak’ten alıntı yaparak GPT-Live-1’in kesintileri tura dayalı sistemlere kıyasla neredeyse %80 azalttığını söylüyor; bu bağımsız bir test değil, müşteri iddiasıdır.

Gemini’de proaktif ses, modelin kendisi için olmayan konuşmayı atlamasını sağlar. Gemini eğitimimiz, dizüstü bilgisayar hoparlör sesinin mikrofona sızmasının, kullanıcının araya girmesi olarak sayıldığını buldu; bu yüzden kulaklıkla ve kulaklıksız test edin.

Gemini 3.8 Live ve GPT-Live-1 Akıl Yürütme ve Araç Çağrılarını Nasıl Yönetir?

Gemini, akıl yürütmeyi Live temel modelden Extended Thinking’e geçerek ölçekler. GPT-Live-1 ise backend’i değiştirerek ölçekler; bu nedenle Extended Thinking’i yalnızca ses modeliyle değil, eksiksiz bir GPT-Live-1 kurulumu ile karşılaştırın.

Gemini 3.8 Live ve Gemini 3.8 Live Extended Thinking

Temel Gemini 3.8 Live’da thinking_level ayarı yoktur ve eski kodlar için BLOCKING fonksiyonlarını kabul eder. Extended Thinking, dört istemci davranışını değiştirir:

• Araçlar: yalnızca NON_BLOCKING fonksiyonlar çalışır ve engelleyici olan sert bir hatayla döner.

• Düşünme düzeyleri: minimum seçenek yoktur; yalnızca yukarıda listelenen üç düzey vardır.

• Bir turun sonu: turnComplete: true artık modelin işinin bittiği anlamına gelmez; bu nedenle istemciniz interaction_status değerini IDLE olana kadar izler.

• Zamanlama: fonksiyon zamanlaması desteklenmez.

Google, Extended Thinking’i çok adımlı görevler ve yavaş araçlar için önerir. Daha fazla gecikme ve çıktı token’ı maliyeti vardır.

Google’ın dokümanlarında beni rahatsız eden bir şey oldu. Lansman yazısı, Gemini 3.8 Live’ın "görevler arka planda tamamlanırken sohbet etmeye devam edebileceğini" söylerken, akıl yürütme kılavuzu temel modelin "konuşmadan önce araç yürütmesini beklediğini" söylüyor. Gemini eğitimimiz bir hava durumu sorgusunda ikinci davranışı gördü; bu yüzden Google netleştirene kadar kılavuza göre plan yapardım.

GPT-Live-1 ile hangi backend modelleri çalışır?

GPT-Live-1, yapılandırdığınız herhangi bir backend’in önünde durabilir. OpenAI’ın dokümanları üç GPT-6 backend’ine işaret eder:

• GPT-6 Luna (gpt-6-luna), delegation kılavuzunun önerdiği başlangıç noktası

• GPT-6 Sol (gpt-6-sol), kılavuzun daha zor görevler için önerisi

• GPT-6 Astra, lansman yazısının karmaşık müşteri sorunları için önerdiği model

Artificial Analysis’teki "GPT-Live-1 (Astra, medium)" ve "GPT-Live-1 (Sol, low)" satırları, ses modeli sürümleri değil sistem yapılandırmalarıdır. Artificial Analysis Sol neslini belirtmez ve OpenAI GPT-6.1 Sol’u bu testlerden sonra yayınladı.

Arayan, görev ortasında isteği değiştirdiğinde ne olur

Diyelim ki bir arayan rezervasyonu Cuma gününe taşımayı ister, ardından sorgu devam ederken "aslında Perşembe" der. Yalnızca ikinci istek geçerli olur.

Yavaş çalışma sırasında değişen bir istek. Görsel: Yazar.

GPT-Live-1’de sesi kesmek backend işini iptal etmez. Responses delegation eski sonucu yine de sese döndürebilir; istemci delegation ise sizin kodunuzun onu en başta düşürmesine izin verir.

Gemini’de istemciniz eskimiş araç sonucunu düşürebilir. Her iki durumda da, mevcut görevin ne olduğuna uygulamanız karar verir.

Gemini 3.8 Live ve GPT-Live-1 Görselleri ve Videoyu Destekler mi?

Gemini 3.8 Live görselleri ve videoyu yerel olarak kabul eder; GPT-Live-1 ikisini de desteklenmiyor olarak listeler. Bir GPT-Live-1 uygulaması yine de bir fotoğrafı ayrı bir görsel backend’ine gönderebilir; ancak kendi başına canlı bir kamerayı izleyemez.

Gemini’de kareler sesle aynı oturuma girer; böylece kullanıcı bir kabloyu kaldırıp gösterirken model "bu doğru kablo mu?" sorusuna cevap verebilir. Bunun iki maliyeti vardır. Video kareleri varsayılan olarak gönderilir ve Google’ın oturum kılavuzu, bağlam penceresi sıkıştırmasını açmadığınız sürece ses ve video içeren oturumları 2 dakika ile, yalnızca ses için ise 15 dakika ile sınırlar.

Telefon görüşmeleri ve kamera ile onarım oturumları. Görsel: Yazar.

Bir rezervasyon hattı asla bir kare görmez ve aşağıdaki konuşma sıralamaları görme yeteneğini ölçmez.

Gemini 3.8 Live ve GPT-Live-1 Kıyaslamaları

Bu karşılaştırmayı çözen tek kıyas yoktur. İki modelin dört yapılandırması arasında, ana endekste Astra önde, konuşma dinamiklerinde Sol önde ve temel Gemini dört yapılandırma arasında en yüksek Arena Elo’ya sahip.

Önce ana endeksin nasıl çalıştığı; çünkü çoğu farkı bu açıklar.

Artificial Analysis Speech to Speech Endeksi nasıl çalışır

Endeks, dört farklı yeteneğe eşit ağırlık verir:

• Big Bench Audio: yüksek sesle sorulan akıl yürütme soruları
• τ-Voice: bir uçuşu değiştirmek gibi çok adımlı müşteri hizmeti görevleri
• Arena skoru: insanların hangi ajanı tercih ettiğine dair kör insan oyları
• Görev başarı oranı: bir konuşmanın doğru son araç çağrısıyla ne sıklıkta bittiği

Konuşma dinamikleri, v2.0 metodolojisi altında ayrı raporlanır.

Burada önemli olan dört yapılandırma şunlardır.

Her iki GPT-Live-1 τ-Voice skoru tek bir denemeden gelir; bu yüzden temkinli değerlendirin.

Ajan görevleri ve insan tercih skorları

τ-Voice’ta, Astra %74,5; Extended Thinking %68,6; temel Gemini %30,1 skor alır. Araçlar zincirlendiğinde ekstra akıl yürütme önem kazanır.

Sohbet başka bir hikâye anlatır: Sol en yüksek skor alır ve temel Gemini ile Sol için Arena güven aralıkları örtüşür.

Astra ile Extended Thinking arasındaki 0,6 puanlık endeks farkının yayımlanmış bir güven aralığı yoktur. Bir kez yer değiştirdiler; bu yüzden hâlâ başa baş derdim.

Hangi model daha hızlı yanıt verir?

Temel Gemini 3.8 Live, tabloda en hızlı ilk ses üretim süresine (TTFA) sahiptir; ancak dört model arasındaki fark 0,2 saniyenin altındadır. TTFA, bir modelin ilk ses token’ını üretmesinin ne kadar sürdüğüdür.

TTFA, kesintiye yanıt süresini ve bir rezervasyon ya da sorgunun tamamlanması için gereken süreyi yakalamaz. İkincisi daha çok backend’inize ve araçlarınıza bağlıdır.

Seste üç tür bekleme. Görsel: Yazar.

Hem Extended Thinking hem de GPT-Live-1, yavaş bir sorgu boyunca konuşmayı sürdürebilir. Arayan, rezervasyon için yine de beklemektedir.

Ses kıyasları neleri ölçmez

Bir destek hattı için, skor tabloları şunları söyleyemez:

• telefon sağlayıcınızın ve kodeğinizin sesi temiz taşıyıp taşımadığını
• ajanın on dakika sonra hâlâ metninize uyup uymadığını
• gürültülü bir sokakta güçlü aksanlı bir arayanı nasıl duyduğunu
• backend ve araçlar eklendiğinde çağrı maliyetinin ne olduğunu

Kendi kayıtlarınızla yapılacak bir pilot bu soruları daha iyi yanıtlar.

Gemini 3.8 Live ve GPT-Live-1 Fiyatlandırması: Hangisi Daha Ucuz?

Artificial Analysis’in testinde temel Gemini en ucuzdur; ancak modeller farklı şeyler için ücret alır. Başarılı görev başına maliyet, etiket fiyatından daha önemlidir.

Aşağıdaki oranlar, bu metni yazarken Google’ın fiyatlandırma sayfasındaki ve GPT-Live-1 model sayfasındaki liste fiyatlardır ve Gemini’nin dakika başına rakamları, token fiyatlarından Google’ın kendi dönüşümleridir.

Düşünme token’ları, Extended Thinking’in temel Gemini’den daha pahalı olmasına yol açar. Artificial Analysis, araçlar ve önbellek indirimleri hariç, temel Gemini için giriş sesi saati başına $0,84; Extended Thinking için $3,50; Sol için $4,47 ve Astra için $5,83 tahmin eder. Gemini Live önbelleklemeyi desteklemez; bir GPT-Live-1 backend’i destekleyebilir.

Çağrılar sırasında her sayacın neyi saydığı. Görsel: Yazar.

GPT-Live-1’in saati sessizlikte de çalışır ve sesi kapatmak bunu durdurmaz. Tablodaki ücretleri ve telefon maliyetlerini ekleyin, sonra tamamlanan görevlere bölün.

Tarayıcı, Sunucu ve Telefon Desteği: Gemini 3.8 Live ve GPT-Live-1

Tarayıcı ve sunucu uygulamaları her iki modele de bağlanabilir; ancak telefon dağıtımı onları ayırır. Diyagram bağlantı seçeneklerini gösterir; operasyonel farklar bağlantı ömrü ve arama yolunda kimin bulunduğudur.

Tarayıcı, sunucu ve telefon bağlantı yolları. Görsel: Yazar.

Gemini bağlantıları yaklaşık 10 dakika sonra sıfırlanır; bu nedenle daha uzun görüşmelerde oturumun sürdürülmesi gerekir. GPT-Live-1’de, ses bağlantısını ve devredilen backend işini ayrı ayrı kaydedin.

Telefon aramaları ve SIP desteği

Doğrudan SIP, GPT-Live-1’in arama yolunda bir satıcıyı eksiltir. Gemini’nin partner yolu, yapılandırmanız, izlemeniz ve hata ayıklamanız gereken başka bir hizmet ekler.

OpenAI forumunda birkaç geliştirici, GPT-Live-1’in bir devre oluşturulmadan bir eylem vaat ettiğini bildiriyor. OpenAI desteği bunu bir hata olarak nitelendirmedi; backend işinin başladığını sözlü bir onayın doğrulamadığını belirten yönlendirme kılavuzuna işaret etti. Delegation olaylarını sesten ayrı kaydederdim.

2 Kasım’dan beri, OpenAI tüm organizasyonlar için giden SIP aramalarını da destekliyor; böylece GPT-Live-1 arama cevaplamanın yanı sıra arama başlatabilir.

Gemini 3.8 Live vs. GPT-Live-1: Hangisini Kullanmalısınız?

Seçim iki soruya bağlıdır: asistanın görmesi gerekiyor mu ve zaten bir backend’iniz var mı? İlkine evet, Gemini’yi; ikincisine evet, GPT-Live-1’i işaret eder.

Ürününüzle eşleşen aşağıdaki senaryoya geçin.

Telefon desteği ve rezervasyonlar

Bir telefon hattı, kesinti yönetimine ve geri döndürülemez bir işlemeden önce onaylara ihtiyaç duyar. Yukarıda kapsanan SIP desteği ve rezervasyon mantığının backend’de tutulmasıyla GPT-Live-1 iyi hizalanır.

Kamera ve ekran sorun giderme

Bir kullanıcı telefonu bir yönlendiriciye doğrulttuğunda, modelin şu anda gördükleri hakkında akıl yürütmesi gerekir. Gemini 3.8 Live, görseller bölümündeki 2 dakikalık video sınırını planladığınız sürece bunu ayrı bir görsel bileşeni olmadan tek bir oturumda yapar.

Arka planda çok adımlı işler

Araçları zincirleyen görevler için, Extended Thinking’i GPT-Live-1 + Astra ile karşılaştırın. Astra, tek bir denemede τ-Voice’ta önde; bu yüzden seçim yine akıl yürütmenin nerede yaşayacağına gelir.

Hâlihazırda çalıştırdığınız bir ajana ses eklemek

İstemci delegation, mevcut bir ajana akıl yürütme döngüsünü yeniden yazmadan GPT-Live-1 ekleyebilir. Gemini’de canlı model planlayıcı olur.

Sık arama hacmi ve dar bütçe

Kısa, basit aramalar, Artificial Analysis’in testindeki en ucuz kurulum olan temel Gemini’yi işaret eder. Çok adımlı araçlar bu hesabı değiştirir.

Son Düşünceler

Bu karşılaştırmayı çerçevelemenin en net yolu, Gemini 3.8 Live’ın görme, akıl yürütme ve konuşmayı tek bir modelde birleştirmesi; GPT-Live-1’in ise sesi arkasındaki zekâdan ayırmasıdır. Hiçbiri baskın değil ve ikisi de insana benzer ses verme ve hızlı yanıt konusunda yeterince yakın; bu yüzden gerçek kararların çoğunu mimari belirleyecektir.

Benim en ilginç bulduğum, ajan görevi liderliğinin Astra ile GPT-Live-1’e ne kadar hızlı kaydığı. Bu skor yalnızca ses modeline değil, tüm sisteme aittir; bu yüzden delegation argümanının iş başındaki hâlidir; yine de tek bir test koşusu bir sinyaldir, hüküm değil.

İzlemeye değer diğer şey, OpenAI’ın backend kadrosu; zira GPT-6.1 Sol, Eylül 2026’nın sonlarında geldi. Her yeni backend, sesi hiç ellemeden GPT-Live-1’in skorlarını hareket ettirebilir; Google’ın benzer değişikliği ise canlı modeli değiştirmek anlamına gelir.

Şimdilik, kamera içeren her şey için Gemini 3.8 Live daha kolay bir seçim; halihazırda bir backend’i olan telefon ürünleri için ise GPT-Live-1 daha kolay. Her iki durumda da, Cuma’dan Perşembe’ye rezervasyon değiştirme sorununu kodunuzun ele alması gerekir.

Her iki yoldaki ajan kavramları için, Introduction to AI Agents kursumuz araçlar, hafıza ve planlamayı kapsar.