Fish Audio Live 3 مقابل Sesame Preview: إجابتان عن تناوب الأدوار، إحداهما قابلة للقياس
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 100 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 122 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 229 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 39 tok/s
- OrcaجديدOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 97 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 124 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 63 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 417 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228الذكاء
بنت Sesame معيارًا للمشكلة نفسها التي تقول Fish Audio Live 3 إنها حلّتها، ثم أطلقت Fish Audio نموذجًا غير مدرج عليه. هذه هي النسخة المختصرة من هذه المقارنة. نشرت Sesame Preview — المنتج الاستهلاكي رباعي الوكلاء الذي يعمل على نموذج Conversational Speech Model الخاص بالمختبر — معيار TurnBench في أغسطس 2026: ثلاثون ساعة من الكلام الثنائي المُعلَّم ثلاث مرات، ولوحة صدارة عامة، وعارض محادثات تفاعلي، ونتائج لأربعة عشر نظامًا. وتقول Fish Audio Live 3، المعلنة في 10 نوفمبر 2026، إن التوقيت الحواري ينبغي أن يُتعلَّم داخل نموذج الكلام بدلًا من أن تفرضه عتبات الصمت، وتنشر ثلاث مكالمات نموذجية ورقمًا قدره 186 مللي ثانية. الحجة هي الحجة نفسها. لكن الأدلة ليست الأدلة نفسها.
كل شيء آخر يتبع من الطريقة المختلفة التي حوّلت بها الشركتان تلك الحجة إلى منتج. يُباع Live 3 بسعر 0.035 دولار لكل دقيقة على Fish Audio's Agent Platform خلال عرض ترويجي ينتهي في 31 ديسمبر 2026، مع واجهة API موثّقة وخيار نشر محلي للمؤسسات. أما Sesame Preview فيُقدَّم مجانًا: أربع شخصيات ثابتة في تطبيق iOS وAndroid، بلا API، وبلا معرّف نموذج للصوت في التطبيق، وبلا أي تسعير لكل رمز أو لكل دقيقة. أحد هذين يمكنك البناء عليه هذا الأسبوع. والآخر لا يمكنك سوى الاستماع إليه.
الاختبار الموجود، ولماذا لا يوجد Live 3 عليه
تُعدّ قدرة تبادل الأدوار في المحادثة من القدرات النادرة التي اتفقت الصناعة على طريقة لقياسها قبل وصول النماذج، ولـSesame دور كبير في ذلك. يقيّم TurnBench، الذي أُطلق في 28 أغسطس 2026 وبُني بالتعاون مع Carnegie Mellon University وMundo AI وOto، الأنظمة بناءً على كيفية تعاملها مع الأحداث نفسها التي تجعل وكيل الهاتف يبدو خاطئًا: تأكيد لا ينبغي أن يستحوذ على الدور، ومقاطعة ينبغي أن تستحوذ عليه، ووقفة ليست نهاية. لوحة الصدارة عامة، ومجموعة التطوير متاحة للاستخدام الذاتي، وتغطي النتائج أربعة عشر نظامًا.
Fish Audio Live 3 ليس ضمنها، ولا أي نموذج آخر ثنائي الاتجاه من Fish Audio. هذه ليست فضيحة — فالنموذج الذي صدر في نوفمبر لا يمكن أن يكون على لوحة صدارة أغسطس — لكنها الحقيقة الأكثر فائدة في هذه المقارنة، لأنها تخبرك بنوع الادعاء الذي تقدمه كل شركة. وضعت Sesame منتجها في اختبار عام ساعدت في تصميمه، حيث يمكن لأي شخص التحقق من النتيجة. ووضعت Fish Audio منتجها في بطاقة أسعار ترويجية، حيث يمكن لأي شخص التحقق من السعر.
كلاهما إطلاقان مشروعان. لكن واحدًا منهما فقط يتيح لشخص غريب أن يتحقق من الشيء الذي يدور حوله التسويق.
ما تطرحه كل جهة فعليًا
• ما هو — Fish Audio Live 3 هو نموذج كلام كامل ثنائي الاتجاه يعمل خلف منصة وكلاء؛ أما Sesame Preview فهو تطبيق مساعد استهلاكي يضم أربعة وكلاء، هم Maya وMiles وSimone وCharlie، ولكل منهم ذاكرته الخاصة.
• التوزيع — Live 3: منصة ذاتية الخدمة، واجهة برمجة تطبيقات موثّقة، ونسخة مؤسسية داخل مقر المؤسسة. Sesame Preview: تطبيقات iOS وAndroid، مجانية، بدون API، وبدون معرّف نموذج للصوت داخل التطبيق.
• السعر — Live 3: 0.035 دولار/دقيقة بسعر ترويجي، و0.07 دولار للسعر المعلن، بالإضافة إلى 0.01 دولار/دقيقة للمكالمات الهاتفية و1.20 دولار/شهريًا لكل رقم. Sesame Preview: لا يوجد سعر منشور ولا فئة خطة منشورة؛ التطبيق مجاني للتنزيل.
• اللغات — Live 3: الإنجليزية فقط عند الإطلاق، بحسب ما صرّحت به Fish Audio نفسها، رغم أن المنصة المحيطة تعلن عن أصوات بأكثر من 30 لغة. Sesame Preview: ذو تركيز إنجليزي، ومدرَّب أساسًا على الإنجليزية وفقًا لملاحظات البحث الخاصة بالمختبر نفسه.
• الاستقلالية — Live 3: لا يوجد أي معيار قياس منشور من أي نوع حتى 11 نوفمبر 2026، ولا صف على لوحة Artificial Analysis للكلام إلى الكلام. Sesame Preview: لا توجد درجة مستقلة لصوت التطبيق أيضًا، لكن هناك لوحة صدارة عامة لتناوب الأدوار في المحادثة ساعدت الشركة في بنائها وتنشرها.
• الانفتاح — Live 3: لا أوزان، لا ترخيص، لا مستودع. Sesame: نقطة تحقق مفتوحة واحدة، CSM-1B، بترخيص Apache-2.0 على Hugging Face منذ مارس 2025 — وهي ليست الصوت الموجود في التطبيق.
• الواجهة — Live 3: أنت تدمجها. Sesame Preview: أنت تتحدث إليه.
مشكلة المفردات التي تتشاركها الشركتان
لا ينشر أيٌّ من المنتجَين ما يكفي ليتيح لك مقارنة الشيء الذي يهمّك فعلًا، وكلاهما يستخدم الكلمة نفسها له. يسمّيه Fish Audio إيقاع المحادثة، ويصف رقم هاتف يُقرأ على شكل مقاطع — «415… 555… 0132» — حيث يسمع الوكيل التقليدي ثلاث نهايات أدوار منفصلة. ويسمّي تسويق Sesame السلوك نفسه الحضور، وتقول ملاحظات إصداره الصادر في أكتوبر 2026 إن الشركة حدّثت Conversational Speech Model لتحسين التعبيرية والنطق، مع تقليل التملّق والعبارات المتكررة. والقولان، كما هما مكتوبان، غير قابلين للدحض. ولا يقدّم أيٌّ منهما رقمًا.
الفرق أن Sesame أتاحت المسطرة. وإذا كان Fish Audio يريد المقارنة على أساس الجدارة، فإن مجموعة تطوير TurnBench مفتوحة وتتيح التقييم الذاتي؛ ولوحة النتائج تنتظر مشاركة.
ما يمكن للمُنشئ فعله مع كل منها، وما لا يمكنه فعله
هنا يتوقف المنتجان عن كونهما قابلين للمقارنة أصلًا. فـ Sesame Preview ليس مكوّنًا. لا توجد نقطة نهاية، ولا واجهة برمجة جلسات، ولا أي طريقة لوضع صوته خلف رقم هاتفك الخاص، ونقطة التحقق الوحيدة من Sesame التي يستطيع أي شخص خارج التطبيق تحميلها هي CSM-1B، وهو نموذج بـ 1 مليار معامل من مارس 2025 يسبق الصوت الموجود في التطبيق الحالي بعام ونصف من العمل. أما الفريق الذي يريد الإحساس المحادثاتي الذي تقدمه Sesame داخل منتج ما، فليس أمامه اليوم أي مسار إليها لا يتضمن الانتظار.
Live 3 هو الاتجاه التجاري المعاكس. إنه مغلق بالطريقة التي تهم — لا أوزان، ولا طريقة لاستضافته بنفسك خارج عقد مؤسسي — لكنه مفتوح بالطريقة التي تتيح لك الإطلاق: منشئ وكلاء، وواجهة API موثّقة، واتصالات هاتفية، وسعر بالدقيقة. طبقة الاستدلال جزء منفصل قابل للاستبدال؛ يمكن للوكيل أن يشير إلى نقطة نهاية متوافقة مع OpenAI للتفكير بينما يبقى الصوت لـ Fish Audio. هذا الهيكل هو ما يجعله قابلاً للنشر من قبل فريق صغير يوم الثلاثاء.
أما بالنسبة لنصف الاستدلال على وجه التحديد، فيحمل OrcaRouter أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد دون أي هامش ربح، مع تحويل تلقائي عند فشل أحد الأنظمة الخلفية في منتصف الاستدعاء، ولغة توجيه مخصّصة (DSL) لتحديد أي نموذج يتولّى أي نوع من الأدوار. ولا يُعدّ Fish Audio Live 3 واحدًا من تلك النماذج — فلا توجد نقطة نهاية من طرف ثالث لنموذج كلام مزدوج مغلق، ولا يوجد هنا ما يمكن توجيهه. تبدأ مهمة الموجّه في هذه المنظومة حيث ينتهي الكلام.
أيّ واحد يجب مشاهدته، ولأيّ غرض
ثلاث إشارات كفيلة بحسم هذه المقارنة، وليست أيٌّ منها بيانًا صحفيًا. إن إدراج Live 3 في TurnBench أو وجود صفّ له على لوحة تحويل الكلام إلى كلام لدى Artificial Analysis سيحوّل حجة Fish Audio السلوكية إلى نتيجة مصحوبة برقم. أما واجهة برمجة تطبيقات للمطورين من Sesame — وقد قالت الشركة إن أدوات المطورين قادمة، من دون تحديد موعد — فستحوّل صوت التطبيق إلى شيء يمكن لمنتج استئجاره. ونقطة تفتيش مفتوحة ثانية خاصة بـSesame، أحدث من CSM-1B، ستمنح جمهور الأوزان المفتوحة الشيء الذي لم يقدّمه إطلاق Live 3 بشكل لافت.
إلى أن يتحقق أحد تلك الأمور، يعتمد الترتيب الصادق كليًا على ما تشتريه. إذا كنت تريد أفضل محادثة من حيث الصوت متاحة اليوم وكنت مستعدًا لأن تكون داخل تطبيق شخص آخر، فإن Sesame Preview هو المنتج الأكثر إثارة للإعجاب والأكثر صدقًا بشأن كيفية الحكم عليه. وإذا كنت بحاجة إلى صوت في مرحلة الإنتاج هذا الربع، فإن Sesame ليس مرشحًا، وتنهار المقارنة إلى سؤال واحد حول Live 3: هل دقيقة ترويجية بقيمة $0.035 وحدّ أدنى لزمن الإقرار يبلغ 186 مللي ثانية دليل كافٍ للمراهنة على خط هاتف؟ بالنسبة لمعظم الفرق، الإجابة هي نعم لتجربة تجريبية وليس بعد لأغراض كشف الرواتب — والمعيار الذي من شأنه أن يغيّر تلك الإجابة موجود بالفعل، مع صف تُرك فارغًا.
