Whisper Large v3 vs Gemini 3.5 Live Translate
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Whisper Large v3 de OpenAI et Gemini 3.5 Live Translate de Google sont deux modèles d’IA de premier plan. Whisper Large v3 propose une fenêtre de contexte de 448 tokens au tarif de $0.01/$0.00 par million de tokens, tandis que Gemini 3.5 Live Translate offre 131.1K tokens de contexte à $5.00/$20.00 par million de tokens. Découvrez ci-dessous le comparatif détaillé des performances et des coûts.
Changez et Comparez les Modèles
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Whisper Large v3
Modèle Audio et Vocal NatifWhisper Large v3 de OpenAI est un modèle d’IA conçu pour la synthèse vocale naturelle, la transcription audio et le dialogue parlé en temps réel, offrant une fenêtre de contexte de 0K, une vitesse de 55 tokens/s, un indice d’intelligence de
$0.01 / 1M
$0.00 / 1M
448 tokens
36%
Gemini 3.5 Live Translate
Modèle Audio et Vocal NatifGemini 3.5 Live Translate de Google est un modèle d’IA conçu pour la synthèse vocale naturelle, la transcription audio et le dialogue parlé en temps réel, offrant une fenêtre de contexte de 131K, une vitesse de 130 tokens/s, un indice d’int
$5.00 / 1M
$20.00 / 1M
131.1K tokens
N/A
Différences Clés en un Coup d’Œil
- Whisper Large v3 is 3000.0x cheaper for API usage (input + output tokens combined).
- Gemini 3.5 Live Translate has a larger context window (131K vs 0K tokens).
- Gemini 3.5 Live Translate is faster at 130 tok/s vs 55 tok/s.
| Caractéristique | Whisper Large v3 | Gemini 3.5 Live Translate |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 45 | 84 |
Provider | OpenAI | |
Input Price Cost per million input tokens | $0.01 / 1M | $5.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $20.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $3.70 / 1M |
Context Window Maximum input + output tokens | 448 tokens~1 A4 pages of text | 131.1K tokens~197 A4 pages of text |
Max Output Tokens Per single request | 0K | 16K |
Throughput Speed Tokens generated per second | 55 tok/s | 130 tok/s |
SWE-bench Verified Real-world software engineering | 36% | N/A |
GPQA Diamond Graduate-level reasoning | 46% | N/A |
Cached Input Price Prompt caching discount per 1M tokens | $0.00 / 1M | $1.00 / 1M |
Qui gagne où ?
At-a-glance decision frameworkEvaluations ongoing
Scores de Benchmarks Vérifiés
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Extremely difficult, closed-ended questions spanning the frontier of human expert knowledge.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
Research-grade coding problems drawn from real scientific and numerical workloads.
Contamination-free competitive programming problems collected continuously over time.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latence et Temps de Réponse
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulateur Interactif de Coût de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Whisper Large v3 · Strengths & Key Advantages
- Fenêtre de contexte de 0K et capacité de sortie maximale de 0K tokens (SWE-bench Verified 36% · GPQA Diamond 46%)
- Débit rapide de 55 tokens/seconde avec une latence au premier token (TTFT) de 350 ms
- Poids ouverts (1.55B) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Gemini 3.5 Live Translate · Strengths & Key Advantages
- Fenêtre de contexte de 131K et capacité de sortie maximale de 16K tokens (Arena Elo 1420)
- Débit rapide de 130 tokens/seconde avec une latence au premier token (TTFT) de 300 ms
- Tarification API optimisée ($5/$20 par million de tokens) avec prise en charge du cache de prompts et des schémas JSON stricts
Considerations & Trade-offs
- Modèle cloud propriétaire ne permettant pas le téléchargement local des poids sur serveur isolé
- Pour les charges à très fort volume, l’activation du cache de prompts et de l’API Batch est recommandée
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Whisper Large v3 | Gemini 3.5 Live Translate |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.09 | $0.85 |
Output Tokens / Task Tokens generated per task | 3K | 8K |
Reasoning Tokens / Task Thinking tokens burned per task | 0K | 0K |
Spécifications Techniques
Architecture, release timeline, capabilities, and modalities.
| Caractéristique | Whisper Large v3 | Gemini 3.5 Live Translate |
|---|---|---|
| Official API Model ID (SDK) | whisper-large-v3 | models/gemini-3-5-live-translate |
| API Protocol | OpenAI Responses API & Chat Completions v1 | Google Gemini API (generateContent) + OpenAI-Compatible SDK |
| Release Date | 2023-11 | 2026-06 |
| Knowledge Cutoff | 2023 (audio corpus) | February 2026 |
| Architecture | Encoder-decoder speech transformer | Low-latency neural speech-to-speech cross-lingual transformer |
| Parameters | 1.55B | Confidential |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | 10,000 – 30,000 RPM (Tier 5 Enterprise) · 800,000 – 2,000,000 TPM |
| Long-Context Tier (>128K/200K) | Flat rate ($0.006/1M in) across full 0K window | Flat rate ($5/1M in) across full 131K window |
| Prompt Cache Policy & TTL | Automatic prefix caching at $0/1M (no extra cache-write fee) | Implicit + Explicit Context Caching at $1/1M with configurable TTL |
| Computer Use / GUI Agent | Text-only completion (No GUI action loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Prompt-based JSON extraction only | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Native Web Search tool + Hosted Code Interpreter & File Search RAG | Built-in Google Search Grounding + Managed Python Code Execution Sandbox |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Vertex AI Supervised Adapter Tuning & Context Distillation |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Audio (~25–32 tokens/sec) | Text BPE (~4 chars/token) · Audio (~25–32 tokens/sec) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 2 GB VRAM (4-bit Quantized) · 4 GB VRAM (Native BF16) | Cloud-Hosted Proprietary (FP8 / BF16 Tensor Core Cluster) · Zero Local VRAM Required (100% Serverless Cloud API) |
| Safety & Frontier Classification | OpenAI Preparedness Framework Audited & System Card Published | Google DeepMind Frontier Safety Framework Verified |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | SOC2 Type II · GDPR · Zero Data Retention (ZDR) & HIPAA BAA Available on Enterprise Tier |
| Input Modalities | audio | audio |
| Output Modalities | text | audio, text |
Whisper Large v3 vs Gemini 3.5 Live Translate: Réponses Rapides (FAQ)
Which is more intelligent, Whisper Large v3 or Gemini 3.5 Live Translate?
Gemini 3.5 Live Translate is more intelligent. It scores 84 compared with 45 on the composite Intelligence Index.
Which model is faster?
Gemini 3.5 Live Translate is faster, generating 130 tokens per second compared with 55 tokens per second.
Which model is cheaper to run?
Whisper Large v3 is cheaper at $0.00 per 1M tokens blended, compared with $3.70 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Gemini 3.5 Live Translate has lower latency, with a time to first token of 0.30s compared with 0.35s.
Which model has a larger context window?
Gemini 3.5 Live Translate has a larger context window, supporting 131.1K tokens compared with 448 tokens.
Verdict
Whisper Large v3 (Conçu pour la synthèse vocale naturelle, la transcription audio et le dialogue parlé en temps réel, l’intégration RAG et les pipelines de production évolutifs.) et Gemini 3.5 Live Translate (Conçu pour la synthèse vocale naturelle, la transcription audio et le dialogue parlé en temps réel, l’intégration RAG et les pipelines de production évolutifs.) répondent à des besoins complémentaires : Gemini 3.5 Live Translate domine sur les benchmarks de raisonnement et de programmation, Gemini 3.5 Live Translate assure un débit supérieur et Whisper Large v3 offre le meilleur rapport coût-efficacité en production.
Questions fréquentes
Quel modèle choisir pour le code et le raisonnement, Whisper Large v3 ou Gemini 3.5 Live Translate ?+
Sur l’indice d’intelligence composite et les tests de code, Gemini 3.5 Live Translate prend l’avantage. Consultez les scores SWE-bench et GPQA ci-dessus pour plus de détails.
Quelle est la différence de prix API entre Whisper Large v3 et Gemini 3.5 Live Translate ?+
Whisper Large v3 est facturé $0.01 / $0.00 par million de tokens (entrée/sortie) contre $5.00 / $20.00 pour Gemini 3.5 Live Translate. En coût pondéré, Whisper Large v3 est plus économique.
Quel modèle offre la plus grande fenêtre de contexte et la meilleure vitesse ?+
Whisper Large v3 prend en charge 448 tokens contre 131.1K tokens pour Gemini 3.5 Live Translate. Côté vitesse de génération, Gemini 3.5 Live Translate est le plus rapide.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemini 3.5 Live Translate vs GPT Realtime Whisper : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Whisper Large v3 Turbo vs Gemini 3.5 Live Translate : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Whisper Large v3 Turbo vs Whisper Large v3 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Aion-Mini : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-3.0 vs Gemini 3.6 Flash : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
- Aion-Mini vs Laguna XS 2.1 : Comparatif Benchmarks, Tarifs API et Vitesse (2026)Comparer
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Documentation API officielle de OpenAI et Google, fiches système et benchmarks indépendants (2026).