
تطرح مايكروسوفت MAI Realtime 1 بسنت واحد للدقيقة — وادعاء Copilot غير وارد في الأوراق الرسمية
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 89 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 97 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 88 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 134 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 44 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 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 121 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 · 141 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 · 265 tok/s
في 17 نوفمبر 2026، خلال Ignite، أعلنت Microsoft عن سبعة نماذج. أحدها هو MAI Realtime 1، أول نموذج تحويل الكلام إلى كلام لدى الشركة، بسعر 0.01 دولار لكل دقيقة صوتية. منشور X الذي لفت انتباهنا إليه يذهب أبعد مما تفعله صفحات Microsoft نفسها: إذ يقول إن Realtime 1 «سيشغّل Voice Mode في Copilot»، وإن النموذج «بدا قريبًا جدًا من نموذج GPT Live». لا تظهر أي من هاتين المزعمتين في أي مكان من مواد إطلاق Microsoft. ما تقوله المواد بدلًا من ذلك أضيق نطاقًا وأكثر إثارة للاهتمام وأسهل في التخطيط على أساسه: معاينة محدودة الوصول، وواجهة متوافقة مع OpenAI Realtime API، وتصميم من مستويين يُسند المنعطفات الصعبة إلى محرك استدلال منفصل تُحتسب فاتورته بحسب الرمز (token).
ذلك الفارق بين المنشور والأوراق الرسمية هو القصة التي تستحق التدوين منذ اليوم الأول، لأن الرواية المنقولة من مصدر ثانٍ تصل بالفعل أبعد من الرواية المباشرة. إليك ما هو موثّق، وما يُزعم دون أرقام، وما يمكنك أن تسميه فعلاً اليوم.
طُرح طرازان، لا طراز واحد
يذكر المنشور كليهما، وهو محق في ذلك. نموذج الصوت هو MAI Realtime 1. نموذج النسخ هو Dragon Copilot Transcribe، المبني على MAI Transcribe 2 — مسار الإملاء السريري من مايكروسوفت، الذي تقول الشركة إنه يتولى 100% من النسخ بين الطبيب والمريض داخل Dragon Copilot، ويغطي 10 ملايين لقاء مع مريض شهريًا، ويستخدمه ثلث الأطباء في الولايات المتحدة، ويخفض معدلات الأخطاء متعددة اللغات إلى النصف. هذه أرقام مايكروسوفت، غير مدققة، وهي تصف خط منتجات له سنوات من الانتشار خلفه لا نموذجًا أُعلن عنه بالأمس. إنه النصف الأكثر نضجًا من الثنائي والأقل تداولًا.
MAI Realtime 1 هو الجديد. تصفه Microsoft بأنه نموذج تحويل الكلام إلى كلام "بمجرى محادثة طبيعي وقابلية توجيه دقيقة"، يجمع بين فهم الصوت وتوليد الصوت مع استدلال في الوقت الفعلي بحيث يمكن لواجهة واحدة أن تحمل وكيلاً صوتياً قابلاً للتوجيه.

ما الذي يشتريه سنت واحد في الدقيقة فعليًا
السعر الرئيسي المعلن هو 0.01 دولار لكل دقيقة صوتية من تحويل الكلام إلى كلام. هذا هو الرقم الوارد في عنوان مقال Microsoft نفسه، وهو نقلة حقيقية بفارق عشرة أضعاف مقارنةً بواجهات برمجة تطبيقات الصوت التي يستهدفها. لكنه ليس الفاتورة كاملة، والبنية أهم من الرقم الرئيسي:
• المحادثة الأساسية — 0.01 دولار لكل دقيقة صوتية، وتغطي حلقة الكلام إلى الكلام نفسها.
• الاستدلال — يُحتسب بشكل منفصل بواقع 1.00 دولار لكل مليون رمز إدخال و5.00 دولارات لكل مليون رمز إخراج.
• الفوترة في المعاينة — لا تُفرض رسوم على العملاء في المعاينة محدودة الوصول من Foundry إلى أن تبدأ المعاينة العامة. وكل ما تقيسه في المعاينة مجاني، وهذا وحده أفضل سبب للبدء الآن بدلًا من مرحلة التوفر العام.
• ما لم يُنشر — لا يوجد رقم لمدى تكرار تحوّل المحادثة إلى طبقة الاستدلال. وبدون ذلك، فإن $0.01 حدّ أدنى وليس تقديرًا. فمكالمة دعم تصل إلى محرك الاستدلال في أربع نوبات تكلّف أكثر بكثير من مكالمة لا تغادر المسار السريع أبدًا، ولم تُفصح Microsoft عن شكل هذا التوزيع في الواقع العملي.
ضع ذلك في مقابل النماذج التي تُقارَن بها منذ اليوم الأول. تبلغ تكلفة GPT Live 1 من OpenAI 0.05 دولار في الدقيقة لجلسة الصوت، وتُحتسب بالثانية، مع إضافة استخدام النموذج الخلفي والأدوات فوق ذلك. أما GPT Realtime 2.1 من OpenAI فيُسعَّر لكل رمز بدلاً من ذلك — 32 دولارًا لكل مليون رمز إدخال صوتي و64 دولارًا لكل مليون رمز إخراج صوتي — وهو ما تُطبّعه Artificial Analysis إلى نحو 10.75 دولارات في الساعة عند إعداد High الخاص بها. ويستقر Eleven Realtime Max من ElevenLabs عند نحو 4.80 دولارات في الساعة على الأساس المستقل نفسه. ويُحسب cent من Microsoft بـ0.60 دولار في الساعة قبل أي رموز استدلال. وعلى بند الصوت وحده، يمثل ذلك فجوة حقيقية؛ وبمجرد دخول الاستدلال في الفاتورة، يصبح الأمر نطاقًا لا رقمًا.

أربعة ادعاءات بشأن القدرات، اثنان منها مرقّمان
تبدو قائمة القدرات جيدة، وهي وصفية بالكامل. تقول Microsoft إن النموذج يتعامل مع المقاطعات والإقرارات السريعة ويعرف متى يترك المتحدث يكمل كلامه؛ وإن نظامًا سريعًا يحافظ على الحوار في الزمن الحقيقي بينما تُوجَّه المهام الأصعب إلى محرك استدلال أقوى دون توقف محرج؛ وإنه لا يزال يتعرف على الطلبات وسط الضوضاء الخلفية والأصوات الأخرى؛ وإنه يتصل بأنظمة المؤسسة لتنفيذ طلبات متعددة الخطوات؛ وإنه يمكن توجيه النبرة والأسلوب والسلوك عبر المطالبات.
في مقابل ذلك، جانب القياس ضعيف ويعتمد بالكامل على الإبلاغ الذاتي. تقول Microsoft إن MAI Realtime 1 "تقع على حدود باريتو للأداء والسعر" في الاستدلال الكلامي لـ Big Bench Audio وفي معيار المهام الوكيلية τ-Voice، وإنها تتفوق على GPT Realtime 2.1 في الجودة والسرعة والسعر. الرقم الوحيد للدقة الذي تنشره الشركة موجود في صفحة الطراز: 98.8% على Big Bench Audio، ويوصَف هناك بأنه "الدقة في أسئلة الاستدلال المنطوق من معيار Big Bench Audio". وهذا رقم مورّد، أنتجه المورّد، على معيار اختاره المورّد، دون أي ملاحظة منهجية بجانبه. وتحمل الصفحة نفسها بطاقة P50 لـ"الوقت حتى أول صوت" وبطاقة ثانية بعنوان "زمن الاستجابة P50 على BigBench Audio"، ولا تحمل أي نتيجة τ-Voice من أي نوع. ولا توجد قائمة لغات منشورة أيضًا.
القراءة الأمينة أضيق من كلا الطرفين المتطرفين. فهذا ليس نموذجًا بلا أرقام — بل نموذجًا لديه رقم دقة واحد، ورقم واحد لزمن الاستجابة الداخلي، ولا تحقّق مستقل من أي منهما. لوحة الكلام إلى الكلام لدى Artificial Analysis لا تتضمن MAI Realtime 1 اعتبارًا من 18 نوفمبر، ما يعني أن لا أحد أعاد تشغيل نسبة 98.8% تلك ضمن إطار اختبار يمكنك فحصه. تعامل معه كادعاء صادف أنه مُكمَّم بدلًا من نتيجة.
هذا ليس سببًا لرفض النموذج. بل هو سبب للتعامل مع كل مقارنة تقرؤها هذا الأسبوع، بما في ذلك المقارنة الواردة في المنشور الذي أبرزها، باعتبارها انطباعًا. إن عبارة «بدا قريبًا جدًا من نموذج GPT Live» عبارة قابلة للاختبار لم يختبرها أحد علنًا بعد، كما أن أطقم الاختبار المستقلة لم تقيّم MAI Realtime 1 هي الأخرى — فلوحة الكلام إلى الكلام التابعة لـ Artificial Analysis لا تضمّه حتى 18 نوفمبر. هدف المقارنة الذي اختارته Microsoft لنفسها هو GPT Realtime 2.1، وهو نموذج صوتي استدلالي يعمل لكل رمز، وليس GPT Live 1، النموذج كامل الازدواجية. هذان منتجان مختلفان ببنيتي أسعار مختلفتين، والمقارنة المباشرة بين المورّدين غير موجودة بالنسبة للثاني.
سؤال Copilot
ما تقوله مواد مايكروسوفت فعليًا عن Copilot محدد وأضيق نطاقًا بكثير من "وضع الصوت". إن MAI Realtime 1 قادم إلى Dynamics 365 Contact Center لخدمة العملاء، وهو قادم إلى Dragon Copilot من أجل محادثات محاكاة مع المرضى تساعد الممرضين على التدرب على التفاعلات السريرية. كلاهما مذكور بالاسم، وكلاهما عمليات نشر للمؤسسات، وكلاهما بصيغة المستقبل.
ولا يُعدّ Copilot Voice Mode كذلك. لا يذكر نص الكلمة الرئيسية في Ignite نموذج Realtime 1 على الإطلاق — فهو يظهر فقط في قائمة القصص ذات الصلة — ولا تذكر صفحة النموذج Copilot بأي شكل. لذا فإن الادعاء بأن Realtime 1 سيشغّل Voice Mode في Copilot هو، حتى تاريخ اليوم، بلا مصدر. وقد يتبين أنه صحيح؛ فصوت Copilot للمستهلكين مكان واضح لوضع نموذج مسعّر بسنت واحد في الدقيقة. لكن قرار منتج لم يُعلن ليس كقرار منتج أُعلن، والتخطيط لترحيل حول خارطة طريق غير معلنة هو السبيل الذي ينتهي به الأمر بالفرق إلى تكامل لا يدعمه أحد.

من يمكنه الاتصال به، وكيف؟
التوفر اليوم يتمثل في بابين، وكلاهما ضيق. هناك عرض تجريبي في MAI Labs، وهي واجهة المعاينة المحدودة من Microsoft للنماذج الجديدة والتجريبية: جلسات مدتها دقيقتان، ويلزم تسجيل الدخول، و18 عامًا فأكثر، وللاستخدام الشخصي غير التجاري فقط. خلال فحصنا، أبلغ العرض التجريبي نفسه أن «MAI Realtime غير متاح الآن»، وهو أمر يستحق المعرفة قبل أن تخطط لتقييم فريق حوله. الباب الثاني هو معاينة Foundry محدودة الوصول، ويُ reached عبر نموذج تسجيل بدلًا من مفتاح ذاتي الخدمة.
التفصيل الأكثر أهمية لهندسة النظم هو التوافق: إذ يتحدث MAI Realtime 1 بروتوكول OpenAI Realtime API. إذا كانت حزمة الصوت لديك مبنية بالفعل على هذه الواجهة، فإن التقييم يكون تغييرًا في عنوان URL الأساسي وسلسلة اسم الطراز بدلًا من إعادة كتابة — وهي الميزة العملية نفسها التي حققتها ElevenLabs لنفسها عبر إتاحة نقطة نهاية Realtime متوافقة مع OpenAI. أما إذا كانت حزمتك مبنية على بروتوكول جلسة خاص بمزوّد آخر، فإن المعاينة تُعد مشروع نقل حقيقي بغض النظر عن السعر.
إن تسليم الاستدلال هو الجزء الذي يستحق أن يُبنى التصميم حوله.
التصميم ثنائي المستوى هو أكثر ما يستحقّ الاهتمام في الإعلان، وهو ما يُخفيه العنوان السعري. فالسنت الواحد يشتري المسار السريع. لكن بمجرد أن يطلب المتصل شيئًا يحتاج إلى تخطيط، أو استدعاء أدوات عبر أنظمة المؤسسة، أو إجابة مدروسة متعددة الخطوات، تخرج النوبة من نموذج الكلام لتستقرّ على نموذج استدلال يُحتسب بسعر دولار واحد و5 دولارات لكل مليون رمز. هذه بطاقة أسعار عادية لنموذج نصي مرتبطة بمنتج صوتي، ما يعني أن فاتورة الصوت لديك باتت تحتوي على فاتورة نصية بداخلها، وأن ميزانية زمن الاستجابة لديك أصبح فيها نموذج ثانٍ.
هذه بالتحديد هي نقطة الوصل التي ينتمي إليها الموجّه. OrcaRouter يمرّر سعر القائمة لدى المزوّد كما هو دون أي هامش ربح (0%)، لذا عندما يتغيّر سعر طبقة الاستدلال يتغيّر الرقم الذي تبلّغ عنه بوابتك في اليوم نفسه بدلًا من التجديد التعاقدي التالي. إن التبديل التلقائي عند الفشل يهم هنا أكثر مما في منتج محادثة: فالمداخلة الصوتية التي تتعطّل تعني شخصًا يستمع إلى صمت، والطلب الذي ينتقل احتياطيًا إلى مزوّد ثانٍ خلال 400 مللي ثانية يكون غير مرئي، بينما الطلب الذي يعيد المحاولة لأربع ثوانٍ ليس كذلك. إن لغة التوجيه DSL هي النصف الآخر — يمكن تركيب المسار المحادثي السريع وتصعيد الاستدلال في استدعاء واحد، بحيث يصبح التسليم مسارًا بدلًا من منطق تطبيق تصونه بنفسك.
لنكون دقيقين بشأن ما نوفّره وما لا نوفّره: إن MAI Realtime 1 ليس ضمن كتالوج OrcaRouter. ويمكن الوصول إليه عبر العرض التجريبي لـ MAI Labs من Microsoft، والمعاينة محدودة الوصول من Foundry. أما نماذج الاستدلال التي تقف خلف وكيل صوتي فهي مسألة مختلفة — فهي الطبقة التي نوجّهها، وهي الطبقة التي يصل فيها تغيّر سعر في اليوم نفسه أو خلل طفيف لدى مزوّد فعليًا إلى مستخدميك.
ما الذي يجب قياسه في المعاينة، بما أن Microsoft قاسته بشكل خاص
لأن المعاينة غير مفوترة حتى حلول المعاينة العامة، فإن أرخص عمل مفيد هذا الشهر هو القياس لا الشراء. أربعة أرقام تحدّد ما إذا كان السنت يصمد:
• معدل التصعيد — ما نسبة الأدوار التي تغادر المسار السريع إلى طبقة الاستدلال. وهذا يحوّل $0.01 إلى تكلفة فعلية لكل استدعاء، وهو الرقم الوحيد الذي أغفلته Microsoft تمامًا.
• الزمن حتى أول صوت، مقاسًا على مسار الصوت الخاص بك. تعرض صفحة النموذج لدى Microsoft رقمًا لـ P50، لكن P50 بلا توزيع خلفه لا يخبرك بشيء عن الذيل الخاص بك، والذيل هو ما يلاحظه المتصلون. قِس أبطأ دور بين مئة، لا الوسيط.
• سلوك المقاطعة في ظل التداخل الحقيقي — ما يدّعيه المورّد هو أنه يميّز بين إشارات الاستماع الخلفية والمقاطعات والتصحيحات. هذا ادعاء يمكنك دحضه في أمسية واحدة باستخدام تسجيلات صوتية للمكالمات، وهو الفرق بين وكيل يبدو طبيعيًا ووكيل يتكلم فوق الناس.
• معدل الخطأ في مفردات مجالك الخاصة. تسجيلات مراكز الاتصال والصوت السريري هي حيث تفشل نماذج الكلام العامة، وأرقام Dragon Copilot السريرية لا تقول شيئًا عن أسماء منتجاتك.
اختبر تلك الأمور مقابل مزوّد قائم واحد بدلاً من ورقة مواصفات. القراءة الصادقة في 18 نوفمبر هي أن MAI Realtime 1 لديها السعر الأكثر عدوانية في الفئة وأضعف الأدلة العلنية — نسبة 98.8% واحدة غير مدققة ونسبة كمون مئوية، مقابل منافسين لديهم أُطر اختبار يمكنك فحصها — وأن طموحاتها في Copilot موثقة فقط كعمليات نشر في مراكز الاتصال وتدريب الممرضات، وأن الادعاء بأنها ستشغّل Copilot Voice Mode هو منشور وليس بياناً صحفياً. سنت واحد في الدقيقة رخيص بما يكفي للاختبار، وأرخص من أن يُوثق به دون قياس.
