بطاقة عنوان مولّدة لـ Realtime 1 مقابل GPT Live 1 تُظهر 0.01 دولار مقابل 0.05 دولار لكل دقيقة صوتية، وملاحظة أن مقارنة "تبدو قريبة جدًا" غير مختبرة، بالإضافة إلى شعار OrcaRouter.
Engineering & Research

Realtime 1 مقابل GPT Live 1: خمسة سنتات مقابل واحد، وادعاء لا يمكن لأحد التحقق منه بعد

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

خمسة سنتات في الدقيقة. هذا ما تتقاضاه OpenAI مقابل GPT Live 1 — نموذج الصوت كامل الازدواجية الذي "يستطيع الاستماع والتحدث في الوقت نفسه"، ويُحاسَب عليه بالثانية دون تقريب إلى أعلى، مع محاسبة نموذج الواجهة الخلفية واستخدام الأدوات بشكل منفصل. MAI Realtime 1، الذي أعلنت عنه Microsoft في 17 نوفمبر 2026، يكلّف سنتًا واحدًا في الدقيقة قبل طبقة الاستدلال الخاصة به. على بطاقة الأسعار، الفرق خمسة إلى واحد، وقال شخص استخدم كليهما للإنترنت إن Realtime 1 "بدا قريبًا جدًا من نموذج GPT Live". تلك الجملة هي أكثر ما يثير الاهتمام في هذه المواجهة وأقل ما يمكن التحقق منه، لأنه لا توجد إلا طريقة واحدة لحسم الأمر ولم يُجرِ أي طرف مستقل الاختبار الذي من شأنه حسمه.

إذن تعامل مع هذا كسؤالين لا كسؤال واحد. هل نموذج بسنّت واحد للدقيقة أسوأ بخمسة أضعاف؟ وما الذي يوفره فعلاً الملف المقاس لـ GPT Live 1 مما سيكون على نموذج أرخص مجاراته؟ للسؤال الثاني إجابات. أما الأول فليس بعد.

ليست البنى المعمارية على الشكل نفسه

G​PT Live 1 غير معتاد، وتوثيقه يذكر ذلك بوضوح. إنه نموذج ثنائي الاتجاه بالكامل — يستمع ويتحدث في الوقت نفسه بدلاً من تبادل الأدوار — ولا يحاول القيام بالاستدلال بنفسه. بل «يسلّم عمل الاستدلال والأدوات إلى وكيل خلفي»، لا يمكن الوصول إليه إلا عبر v1/live/sessions، مع عدم دعم نقاط نهاية Chat Completions أو Responses أو Realtime. يقبل الصوت والنص إدخالاً وإخراجاً، ويدعم البث واستدعاء الدوال، ولا يقبل الصور أو الفيديو.

• G​PT Live 1 — واجهة أمامية كاملة الازدواجية، مع تفويض الاستدلال إلى أي وكيل خلفي تُرفقه. حدود الجلسات المتزامنة: 50 في Build، و300 في Launch، و500 في Grow. لا تتوفر خطة مجانية.

• MAI Realtime 1 — تحويل الكلام إلى كلام مع مسار سريع وطبقة استدلال داخلية. تفرض Microsoft رسومًا قدرها 1.00 دولار لكل مليون رمز إدخال و5.00 دولارات لكل مليون رمز إخراج. تُحتسب الفوترة لكل دقيقة صوتية على الجانب الحواري. المعاينة غير مفوترة حتى المعاينة العامة.

كلاهما، في الواقع، نظامان مكوَّنان من جزأين. الفرق هو مَن يملك الجزء الثاني. مع G​PT Live 1، الجزء الثاني لك صراحةً: أنت تختار وكيل الواجهة الخلفية، وتدفع مقابل رموزه بشكل منفصل، وترى خط التماس. مع MAI Realtime 1، تتم عملية التسليم داخل المنتج وصفحة التسعير، وقرار التوجيه ليس شيئًا تقوم بتهيئته.

يفسّر هذا الاختلاف التصميمي الواحد معظم فجوة السعر. تتقاضى OpenAI 0.05 دولار في الدقيقة مقابل أذن وفم جيدين جدًا. وتتقاضى Microsoft 0.01 دولار مقابل أذن وفم مقبولين بالإضافة إلى موزّع داخلي، وتحقق الدخل من التفكير عبر عدّاد الرموز.

ما الذي تُظهره قياسات GPT Live 1 فعليًا

يظهر GPT Live 1 مرتين على لوحة التحويل من الكلام إلى الكلام التابعة لـ Artificial Analysis، لأن وكيل الخلفية الذي تُرفقه يغيّر النتيجة:

• مؤشر تحويل الكلام إلى كلام — 83.2 مع نظام خلفي من فئة Astra عند الإعداد المتوسط، و80.1 مع نظام خلفي من فئة Sol عند الإعداد المنخفض. يقع كلاهما فوق 74.5 الخاص بـ G​emini 3.8 Live، وأعلى بكثير من 77.3 الخاص بـ Eleven Realtime Max، مما يجعل G​PT Live 1 النموذج صاحب أعلى مؤشر في مجموعة المقارنة هذه.

• الاستدلال الكلامي (Big Bench Audio) — 90.1% و89.0% على التوالي. ليس في قمة لوحة الصدارة — إذ تحقق Eleven Realtime Max نسبة 98.8% — لكنه منافس قوي بجدارة.

• ديناميكيات المحادثة — 94.9% و97.3%. النسخة المُهيّأة بوساطة Sol هي أفضل درجة ديناميكيات في المجموعة، وهي الرقم الذي يقابل «الشعور بالراحة عند التحدث إليها».

• إكمال المهام الوكيلية (τ‑Voice) — 74.5% و59.3%. يتجاوز كلاهما نسبة 30.1% التي حققها Gemini 3.8 Live بهامش واسع، وهو ما تتوقعه من نموذج تقوم فرضيته التصميمية بأكملها على تسليم العمل إلى خلفية قادرة.

• إيلو الساحة — 1027 و1037.

• معدل نجاح المهام — 87.4% و90.9%.

• زمن الوصول إلى أول صوت — 1.34 و1.24 ثانية. أبطأ من 0.57 لدى Eleven Realtime Max وأبطأ من 1.18 لدى G​emini 3.8 Live، لكن تصميم الازدواج الكامل يعني أن الانتظار المُدرَك ليس الشيء نفسه كالانتظار المقاس؛ فالنموذج الذي يُصدر إشعارًا بالاستلام بينما يفكر لا يبدو وكأنه توقف.

• التكلفة المدمجة — 5.83 دولارًا و4.47 دولارًا في الساعة وفق تسوية Artificial Analysis، مقابل بطاقة أسعار قدرها 0.05 دولار في الدقيقة، أي 3.00 دولارات في الساعة لخط الصوت وحده. تتضمن الأرقام الأعلى إنفاق التوكنات في الواجهة الخلفية، وهي الطريقة الأمينة لقراءة نموذج يفوّض الاستدلال.

ثمة أمران يستنتجان من تلك الأرقام. أولًا، الإعداد لا يقل أهمية عن النموذج: فالنموذج نفسه GPT Live 1 يسجّل 83.2 أو 80.1 وفقًا للواجهة الخلفية التي توجّهه إليها، و74.5% أو 59.3% في المهام الوكيلية. والمراجعة التي تقتبس رقمًا واحدًا دون ذكر الواجهة الخلفية التي استخدمتها لم تخبرك إلا بالقليل جدًا. ثانيًا، متصدر المؤشر هنا ليس متصدر الساحة — فـGemini 3.8 Live يفوز في Elo، وGPT Live 1 يتصدر المؤشر. وهذان يقيسان أمرين مختلفين، وليس أي منهما بديلًا عن عبء العمل لديك.

A screenshot of Artificial Analysis's Speech to Speech AI Model & Provider Leaderboard page captured 18 November 2026, showing the page heading, the methodology summary covering reasoning quality, conversational dynamics, generation time and price, the Speech to Speech Index / Speed / Cost per Hour chart panels, and the Related Links rail; the individual model rows in the charts are not legible at this capture size.

الادعاء الذي يستحق الاختبار، وما يكلفه اختباره

«لقد بدا قريبًا جدًا من نموذج G​PT Live.» وإذا أخذنا ذلك على ظاهره، فهو أقوى ما قاله أي شخص عن MAI Realtime 1، وهو يأتي من شخص ليس لديه منهجية منشورة، ولا تسجيلات، ولا مجموعة مهام. ومن الإنصاف القول إن هذه هي بالضبط الطريقة التي تصل بها معظم الانطباعات المبكرة عن نماذج الصوت — فالمحادثة الكاملة ثنائية الاتجاه يصعب تقييمها ويسهل الإحساس بها، ولهذا السبب وُجدت الساحة أصلًا.

المشكلة أن الادعاء قابل للتحقق جزئيًا فقط. تنشر Microsoft رقم دقة واحدًا لـ MAI Realtime 1 — 98.8% على Big Bench Audio، في صفحة الطراز، أجراه المورّد ولم يُعَد إنتاجه — إلى جانب بطاقة P50 للزمن حتى أول صوت وتعليق «زمن الوصول P50 على BigBench Audio». ولا تنشر أي درجة τ-Voice، ولا أي توزيع لزمن الوصول، ولا أي قائمة لغات. ولا تدرج Artificial Analysis الطراز MAI Realtime 1 حتى 18 نوفمبر، لذا لا توجد قراءة مستقلة لتلك النسبة 98.8% تُوضع إلى جانب نسبة 90.1% لـ G​PT Live 1: فأحدهما تقييم أجراه المورّد نفسه، والآخر تقييم طرف ثالث. ويسمّي ادعاء Microsoft المقارن الخاص بها G​PT Realtime 2.1، وهو طراز مختلف عن G​PT Live 1 بهيكل تسعير مختلف تمامًا، وحتى تلك المقارنة تُنشر كموقع على الحدود التقنية بدلًا من أرقام.

إذن، النسخة المفيدة من الادعاء هي خطة اختبار، لا حكم. أربعة أشياء يجب تنفيذها، وكلها رخيصة ما دامت المعاينة غير مفوترة:

• محادثة متتالية — المكالمات العشرون المسجّلة نفسها عبر كلا النموذجين، مُقيَّمة تقييماً أعمى. هذه هي الطريقة الوحيدة لاختبار «الإحساس بالقرب»، وهي الاختبار الذي تجاهله الادعاء الأصلي.

• التداخل في ظل التزامن — يتيح التصميم ثنائي الاتجاه الكامل في GPT Live 1 له التحدث والاستماع في آنٍ واحد. اختبر ما إذا كان Realtime 1 يتعامل فعليًا مع الكلام المتزامن أم يتعامل فقط مع المقاطعات النظيفة. فهاتان قدرتان مختلفتان، وواحدة فقط منهما تظهر في العرض التوضيحي.

• زمن كمون التصعيد — في اللحظة التي تسلّم فيها Realtime 1 دورًا إلى محرك الاستدلال الخاص به، قِس مدة التوقف. ادعاء Microsoft هو «دون توقفات محرجة»، وهو ادعاء زمن كمون لا يُرفق بأي رقم.

• التكلفة لكل مكالمة مكتملة — وليس لكل دقيقة. النموذج الذي تبلغ تكلفته خُمس التكلفة لكل دقيقة ويحتاج إلى دورين إضافيين لحل الطلب ليس بسعر الخُمس. هذا هو الرقم الذي يحسم المواجهة ولا ينشره أيٌّ من المورّدين.

إلى أين تذهب الخمسة سنتات

إذا كانت الأربعة سنتات الإضافية في الدقيقة التي يقدّمها G​PT Live 1 لا تجلب لك شيئًا، فليس هذا قرارًا. لكنها تجلب شيئًا محددًا: درجة وكيلية مُقاسة تبلغ 74.5% مقابل ادعاء غير مُقاس، وبنية كاملة الازدواجية تمثّل قدرة مختلفة عن تبادل الأدوار لا نسخة أفضل منه.

ما تتحمله من تكلفة تتجاوز السعر يتمثل في التحكم والبنية التشغيلية. يتطلب منك G​PT Live 1 أن توفر وكيلًا خلفيًا وتدفع ثمنه — وهذا عمل حقيقي وفاتورة حقيقية، لكنه أيضًا السبب في أن إعداداته تغيّر درجاته. أنت تختار نموذج الاستدلال؛ وترى إنفاق الـ tokens؛ وتقرر ما يتم تصعيده. أما MAI Realtime 1 فيتخذ ذلك القرار داخل المنتج ويتقاضى 1.00 دولار و5.00 دولارات لكل مليون tokens مقابل ذلك، دون أن يخبرك بمدى تكرار حدوثه.

هذه المقايضة — الوضوح مقابل السهولة — هي حيث تستحق البوابة مكانها. ينتهي المطاف بكلا النموذجين إلى استدعاء نماذج الاستدلال، G​PT Live 1 بحكم التصميم وMAI Realtime 1 داخليًا، وطبقة الاستدلال تلك هي الجزء الذي يوجّهه OrcaRouter: أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد وبهامش ربح 0%، لذا فإن الواجهة الخلفية التي تحدّد إعداد G​PT Live 1 لديك قابلة للتبديل دون عقد ثانٍ، مع تجاوز فشل تلقائي بحيث لا يتحول استدعاء استدلال متعثر إلى صمت على الهواء في منتصف الجملة. دمج النماذج هو الرافعة الأخرى الجديرة بالمعرفة هنا — بالنسبة لوكيل صوتي تكون أدواره الصعبة هي المكلفة، فإن لوحة تجيب معًا على المسار المُصعَّد وسيلة لشراء الدقة حيث تهم، دون دفع ثمنها في كل دور.

لنكون دقيقين بشأن التغطية: لا يوجد G​PT Live 1 ولا MAI Realtime 1 في كتالوج OrcaRouter. G​PT Live 1 هو نقطة النهاية v1/live/sessions الخاصة بـ O​penAI؛ أما MAI Realtime 1 فهو MAI Labs ومعاينة Foundry محدودة الوصول. ما يقف خلفهما هو ما نوفّره.

تفصيل التكامل الذي يحدد جدولك الزمني

يتميز GPT Live 1 بتكامل أكثر صعوبة وتوثيق أفضل. تعني نقطة النهاية المخصصة v1/live/sessions أنه لا شيء مما بنيته بالاعتماد على Realtime API ينتقل معك — فهذا نموذج جلسات جديد، وكونه لا يدعم Chat Completions أو Responses أو Realtime هو أول ما يرد في توثيقه ليس دون سبب. تُحتسب حدود المعدل بعدد الجلسات المتزامنة، لا بعدد الرموز المميزة، لذا فإن تخطيط السعة تمرين مختلف تمامًا: 50 جلسة متزامنة على Build، و300 على Launch، و500 على Grow، ولا توجد فئة مجانية.

MAI Realtime 1 هو النقيض: واجهة متوافقة مع OpenAI Realtime API، وهي الجملة الأكثر فائدة على الإطلاق في إعلان Microsoft. إذا كانت بنيتك التقنية تتحدث ذلك البروتوكول بالفعل، فإن التقييم لا يتطلب سوى سلسلة طراز وعنوان URL أساسي. المشكلة تكمن في كل ما يحيط بالواجهة — لا قائمة لغات، ولا توزيع زمن استجابة، ولا نتيجة τ-Voice، ولا تاريخ وصول عام (GA)، وعرض تجريبي مدته دقيقتان في MAI Labs كان يعرض "MAI Realtime غير متاح الآن" عندما تحققنا.

إذن، عدم التماثل في الجدول الزمني حقيقي. فمع GPT Live 1 يمكنك التكامل هذا الأسبوع بالاستناد إلى وثائق منشورة ونقطة نهاية إنتاجية. أما MAI Realtime 1 فيمكنك بناء نموذج أولي اعتمادًا على توافق تفهمه، ثم الانتظار للحصول على معاينة مجانية تحديدًا لأنها غير مكتملة.

A screenshot of OpenAI's GPT-Live-1 documentation captured 18 November 2026, showing the model page headline, the $0.05 per minute billed-per-second pricing, the v1/live/sessions endpoint, and the note that reasoning and tool work are handed off to a backend agent.

الحكم، مصوغًا على سبيل الرهان

اختر GPT Live 1 إذا كانت تجربة الصوت هي المنتج وكنت تريد بنية خلفية تتحكم بها. فهو يملك أعلى مؤشر كلام إلى كلام في فئته، وأفضل ديناميكيات حوارية مع بنية خلفية من فئة Sol، ودرجة قدرات وكيلية تتفوق على كل نموذج غير تابع لـOpenAI في المقارنة باستثناء Phonic 1 وGrok Voice 3.0، ووثائق تخبرك بالضبط بما يفعله. خمسة سنتات في الدقيقة رقم حقيقي ويمكنك التنبؤ به.

راهن على MAI Realtime 1 إذا كانت الاعتبارات الاقتصادية هي القيد، وكان لديك وقت هندسي تنفقه على القياس بدلًا من الشراء. سنت واحد في الدقيقة مع معاينة غير مفوترة وواجهة متوافقة مع OpenAI هو أرخص طريقة ممكنة لمعرفة ما إذا كان تصميم Microsoft ثنائي الطبقات يتفوق على تصميمك على جانب التطبيق. ما تقبله هو أنك ستكون من ينتج توزيع زمن الاستجابة، ورقم τ-Voice، وقائمة اللغات، لأن Microsoft لم تنشر أيًا منها — وأن رقم الدقة الوحيد لديها، 98.8% على Big Bench Audio، يأتي من البائع دون أي شيء يسنده.

الشيء الوحيد الذي لا ينبغي فعله هو تكرار ادعاء "يبدو قريبًا جدًا" وكأنه نتيجة. قد يكون صحيحًا. وقد يكون الشخص الذي قاله محقًا، وإن كان كذلك، فإن هذه المواجهة تكفّ عن أن تكون مثيرة للاهتمام لأن النموذج الأرخص سيكون الأفضل على المحور الأهم للمستخدمين. لكن انطباعًا من بعد ظهر واحد ليس معدل إنجاز المهام، والرقم الذي يحسم الأمر — ما نسبة المكالمات الحقيقية التي يُنهيها كل نموذج فعليًا — هو الرقم الوحيد الذي لم ينشره أيٌّ من المورّدين.

A generated two-column scoreboard titled 'MAI Realtime 1 vs GPT Live 1 — the scoreboard'. Left column MAI Realtime 1: voice price $0.01 plus tokens, speech index not published, agentic not published, dynamics not published, first audio P50 only. Right column GPT Live 1: $0.05 per minute, speech index 83.2 / 80.1, agentic 74.5% / 59.3%, dynamics 94.9% / 97.3%, first audio 1.34 s / 1.24 s. Footer reads 'GPT Live 1 per Artificial Analysis, two backends; MAI index and agentic scores unpublished.'

مقارنات في هذه المقالة2

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا