Rime Prism مقابل Sesame Preview: بطاقة أسعار في مواجهة سمعة

يمكنك سماع Sesame Preview الليلة مجانًا. لا يمكنك شراءه. يمكنك شراء Rime Prism مقابل 0.080 دولار للدقيقة، ولم ينشر تقريبًا أي شخص خارج Rime مقطعًا سُمح له بقياسه. كلا شقّي تلك الجملة هما المقارنة: أحدهما الصوت الأكثر تقديرًا في الذكاء الاصطناعي الاستهلاكي الذي لا يستطيع أي مطوّر الاتصال به، والآخر نقطة وصول مؤسسية جديدة تمامًا يمكن لشركة ناشئة أن تضعها في شجرة هاتفية هذا الأسبوع. أُطلقت Rime Prism في 28 أكتوبر 2026 بوصفها أول نموذج كلام-إلى-كلام من Rime. ويعمل Sesame Preview كمعاينة بحثية مجانية منذ أوائل 2025، ولا يزال الصوت الإنتاجي الكامن وراءه غير مُصدَر.

يُقارَن بينهما لأن كليهما يطرح ادعاءً بشأن واقعية المحادثة، ولأن كليهما مقتصر على الإنجليزية فقط عند الإطلاق. وهما ليسا بديلين. أحدهما تطبيق تتحدث إليه، والآخر نقطة نهاية تبني عليها، والاختيار بينهما ليس اختيارًا للصوت بقدر ما هو اختيار لما إذا كنت تشتري منتجًا أم مكوّنًا.

الانقسام الذي يحدد كل شيء تقريبًا

الفريق الذي يريد إطلاق وكيل يسأل سؤالين بهذا الترتيب: هل يمكنني استدعاؤه؟ وكم تكلفة كل استدعاء؟ يفشل Sesame Preview في السؤال الأول. فلا توجد واجهة API عامة للنموذج الذي يقف خلف التطبيق، ولا معرّف نموذج، ولا نقطة نهاية، ولا سعر منشور. إن Sesame التي يمكنك التحدث إليها هي منتج استهلاكي بأربعة مساعدين مسمّين، وذاكرة دائمة، ومجموعة متنامية من الأدوات؛ أما النموذج الكامن تحتها فليس شيئًا يمكن للمطوّر التعامل معه.

الشيء الوحيد من Sesame الذي يمكن لأي أحد استدعاؤه هو CSM-1B، نقطة التحقق مفتوحة الأوزان التي أصدرتها الشركة في 2025 تحت Apache 2.0: نحو مليار معامل، وسياق 4K، وصوت أحادي 24 kHz. هذا ليس الصوت الموجود في التطبيق، وليس وكيلاً — فهو يعتمد على سجل المحادثة كشرط لكنه لا يستطيع الاستدلال عليه بالطريقة التي يفعلها نموذج لغوي. إنه مكوّن كلامي، ومكوّن واحد فقط.

• الإتاحة — Rime Prism هي واجهة برمجة تطبيقات مدفوعة مع فئة مجانية؛ Sesame Preview تطبيق استهلاكي مجاني بدون واجهة برمجة تطبيقات لصوته الإنتاجي.

• السعر — Prism: 0.080 دولار لكل دقيقة صوت في المكالمات على Flex، و0.064 على Scale؛ أما Sesame فلا تنشر أي سعر ولا تفرض أي رسوم على التطبيق.

• مخاطر الفوترة — يتقاضى Prism رسومه سواء سار الاتصال على ما يرام أم لا؛ أما تكلفة Sesame فهي ما يكلّفه التطبيق، وهي صفر وليست نموذج عمل يمكن التخطيط على أساسه.

• أساس زمن الاستجابة — زمن Prism للوصول إلى أول صوت 0.57 ثانية، مقيس من المورّد على τ-Voice؛ ويؤكد تطبيق Sesame أنه أقل من 300 مللي ثانية، فيما وضع قياس طرف ثالث لشخصية Maya زمن الوصول إلى أول بايت عند 80 إلى 130 مللي ثانية.

• درجة مستقلة — لا يظهر أيٌّ من النموذجين في مؤشر Speech-to-Speech Index الخاص بـ Artificial Analysis.

• اللغات — كلاهما يدعم الإنجليزية فقط عند الإطلاق؛ وتُدرج Sesame الفرنسية والإيطالية والألمانية والإسبانية والصينية واليابانية والكورية ضمن الدعم المبكر.

• النشر — تقدم Prism خيارات السحابة وVPC والاستضافة المحلية مع اتفاقية BAA الخاصة بـHIPAA وشهادة SOC 2 Type II؛ بينما تقدم Sesame تطبيقًا.

Rime Prism، كنقطة نهاية

يُباع Prism بالطريقة نفسها التي تُباع بها برمجيات المؤسسات: باقة مجانية برصيد شهري قدره $50 ودون بطاقة، وFlex بسعر $0.080/min دون التزام، وScale بسعر $100 شهريًا مع رصيد $100 و$0.064/min، وEnterprise بأسعار حسب الحجم والتزام سنوي. كل الباقات تستخدم النموذج نفسه. يبث Prism عبر WebSockets ويتكامل مع LiveKit وPipecat، وهذا مهم لأن هاتين المنصتين هما حيث يوجد معظم وكلاء الصوت المبنيين ذاتيًا بالفعل.

الميزات التي تبرّر هذا السعر هي تلك التي لا يجد تطبيق موجّه للمستهلكين أي سبب لبنائها. يكتب Prism ردّه نصًّا قبل النطق به، ما يتيح للتطبيق قراءة الجملة كما هي بالضبط، وإجراء فحص للسياسات أو مرشّح للبيانات الشخصية عليها، ثم السماح بمرور الصوت فقط إذا اجتازت الفحص — بينما يواصل النموذج الاستماع، فلا يتحوّل الفحص بالضرورة إلى توقف مسموع. تُنفَّذ استدعاءات الأدوات بالتوازي مع الكلام. والضبط الدقيق على مكالمات العميل وآثار أدواته هو حالة الأعمال الأساسية، ولا تزال واجهات SFT وRL ذاتية الخدمة في المرحلة التجريبية.

تضع أرقام الشركة نفسها الزمن حتى أول صوت عند 0.57 ثانية، ونسبة إتمام τ-Voice عند 56.6%، مع 82.5% على المجموعة الفرعية للاتصالات في المعيار. وتُستشهد دراسة حالة من Revmo على نحو عشر ساعات من مكالمات الطلبات الحقيقية بنسبة 100% في تأكيدات الطلبات مقابل 68% لنموذج OpenAI غير مسمى. وهي دراسة عميل مموّلة دون منهجية منشورة، وينبغي قراءتها على أنها ادعاء مورّد لا نتيجة.

Sesame Preview، كمنتج

فكرة Sesame الأساسية هي أن المساعد الصوتي ينبغي أن يبدو وكأنه شخص تعرفه. وتضم الشخصيات الأربع — مايا المتعاونة الظريفة، ومايلز المرتاح، وسيمون للتحليلات المعمّقة، وتشارلي كمستشار استماع غير رسمي — لكلٍّ منها ذاكرتها الخاصة وطريقتها الخاصة في الحديث. ويبحث التطبيق في الويب، ويجري أبحاثًا مطوّلة، ويحتفظ بالملاحظات والتذكيرات، ويلخّص المكالمات، ويدعم وضع التصفح المتخفي. وفي 6 أكتوبر 2026، أطلقت Sesame نسخة محدّثة من CSM بقدرة أكبر على التعبير والنطق، ومنحت وكلاءها إمكانية الوصول إلى حاسوب خاص بكل منها، وأضافت وصلات Gmail وCalendar وDrive، وخوادم MCP خارجية عبر OAuth، ومهارات يبنيها المستخدمون، ومولّد صور داخل التطبيق.

ما لا تمتلكه هو وسيلة للدخول. التطبيق مجاني، ولا يعرض إعلانات، ولا يبيع البيانات، وهو أمر مريح للمستخدم ومسألة لم تُحل بعد بالنسبة للمشتري. لا يزال غير معلن كيف تعتزم Sesame كسب المال، وما إذا كان المطورون سيحصلون يوماً ما على نقطة نهاية. من المقرر إطلاق النظارة في عام 2027 في اليابان؛ وقد وُعدت أدوات المطورين بـ«في وقت لاحق من هذا العام» من دون تفاصيل محددة.

السمعة حقيقية، مع ذلك. فأصوات Sesame هي التي يتبادل الناس مقاطعها، وقد كان إجماع المراجعين دافئًا على نحو غير معتاد لسنتين متتاليتين. المشكلة أن السمعة ليست مواصفات: فلم يُنشر أي رقم لزمن الاستجابة للنموذج الإنتاجي، ولا توجد نتيجة استماع أعمى له، والجزء الوحيد القابل للتشغيل بشكل مستقل هو نقطة الحفظ 1B، وهو أمر مختلف.

القدرة الوحيدة التي استبعدتها Sesame

إذا كان سبب رغبتك في صوت Sesame هو أنه يبدو كصوت إنسان، فإن ما تحتاج فعلاً إلى محاكاته هو حلقة حوارية، لا نبرة صوت. والحلقة الحوارية الخاصة بالأعمال لها متطلبات لا يتعين على تطبيق استهلاكي تلبيتها أبداً: سجل تدقيق لما كان الوكيل على وشك قوله، ووسيلة لمنعه من قوله، واستدعاء أداة يكتمل قبل أن يلاحظ المتصل ذلك، ونشر يجتاز مراجعة امتثال.

صُمم Prism حول تلك المتطلبات، ولهذا فهو يكلّف مالًا. أما Sesame فصُمم حول العكس: تجربة مغلقة ومنسّقة ومجانية تتحكم فيها الشركة في كل متغير. كلا المنتجين دفاعي عن نفسه. غير أن واحدًا منهما فقط هو مكوّن يمكن ربطه بخط المطالبات.

كلاهما بالإنجليزية فقط — لأسباب متعاكسة

أُطلق Prism باللغة الإنجليزية فقط مع مجموعة محدودة من الأصوات لأنه إصدار أولي، ولأن توفير تغطية صوتية مكلف عند الإطلاق. أما Sesame فهو إنجليزي أولًا لأن منتجه عبارة عن مجموعة من الشخصيات الناطقة بالإنجليزية؛ وتُصنَّف الفرنسية والإيطالية والألمانية والإسبانية والصينية واليابانية والكورية على أنها دعم مبكر، وهو وعد مختلف عن "مدعوم".

بالنسبة إلى مركز اتصال متعدد اللغات، هذا هو القسم الذي يختتم المقال. لا يغطّي أيّ من النموذجين اليوم قائمة انتظار مختلطة اللغات، والمقارنة التي تهمّ ذلك المشتري فعلاً هي مع طبقة TTS ذات تغطية لغوية واسعة إضافةً إلى نموذج نصي موجّه، وليست مع أيّ من هذين.

مشكلة القياس

لا يظهر أي من الطرازين في مؤشر Speech-to-Speech Index التابع لـ Artificial Analysis، وهو اللوحة المستقلة الوحيدة التي تصنّف نماذج الصوت التفاعلية وفق إتمام المهام، وتفضيل الساحة، ونجاح المهام. ولا يُعدّ هذا الغياب انتقادًا لأي من المنتجين؛ بل هو السبب الذي يجعل هذه الصفحة مضطرة إلى الاعتماد على ادعاءات المورّدين لكليهما.

رقم Prism البالغ 56.6% في τ-Voice هو تشغيل Rime الخاص بها. اقرأ الجدول الذي تنشره Rime بجانبه، ويظهر فيه GPT-Live-1 (Sol, low) عند 59.3% — أعلى من Prism — بينما يدّعي النص التسويقي أن Prism متقدمة على كل نموذج فوري من OpenAI وGoogle. كما تكرر منشورات الإطلاق «أقل من 300 ms» و«أسرع 4×»، وهما رقمين لا يظهران في جدول المعايير، الذي يقول 0.57 s. قد تكون تلك قياسات لأشياء مختلفة؛ ولا توضح Rime أيها.

موقف Sesame أصعب حتى الآن، لأنه لا يوجد نموذج إنتاجي يمكن قياسه. ومن حسن ما يُحسب لها أنها بنت الأداة التي من شأنها قياس واحد: TurnBench، الذي صدر في 28 أغسطس 2026، هو معيار مفتوح المصدر لتناوب الأدوار في الحوار المنطوق، طُوّر مع Carnegie Mellon وMundo AI وOto، مع لوحة صدارة عامة وتقييم يمكن للمستخدمين إجراؤه بأنفسهم. إنه معيار Sesame الخاص وليس معيارًا محايدًا، لكنه إسهام حقيقي، والرقم الذي بُني عليه هو الرقم الأكثر فائدة في هذه المقارنة بأكملها: الفجوة النموذجية بين أدوار البشر نحو 200 مللي ثانية، بينما يستغرق التخطيط لكلمة واحدة نحو 600 مللي ثانية. ولهذا فإن تناوب الأدوار، لا جودة الصوت، هو ما يفضح الآلة.

الدليل المستقل الوحيد المرفق بكتالوج Rime هو خط TTS الخاص به، وفي Text-to-Speech Arena تحتل Coda المرتبة 65 من أصل 99 عند Elo 1,054، وتحت Mist V2 المرتبة 92 عند 903. لا يقول ذلك شيئًا حاسمًا عن Prism، الذي تعدّ أصواته جديدة — لكنه يعني أن «لم يكن لدى Rime يومًا صوت ضمن الصدارة على لوحة مستقلة» عبارة صحيحة ينبغي للمشتري أن يسمعها قبل توقيع عقد Scale.

ما تكلفة خط الهاتف في كل اتجاه

يُعد تسعير Prism سهلًا. عشرة آلاف دقيقة من المكالمات الواردة تكلف 800 دولار على Flex أو 640 دولارًا على Scale، قبل أي خصم من Enterprise. مكالمة مدتها خمس دقائق تكلف 0.40 دولار. وإذا احتاج الوكيل أيضًا إلى تلخيص المكالمة بعد ذلك، فهذه تكلفة نموذج نصي إضافية، وهي صغيرة مقارنة بفاتورة الصوت.

يستحيل تسعير Sesame، لأنه لا توجد تعرفة لتسعيره. فالتطبيق لا يكلف شيئًا ولا يمكن تضمينه؛ أما الـ checkpoint المفتوح فيكلف 7 دولارات لكل مليون حرف من مزود الاستضافة الوحيد الخاص به، واستضافته ذاتيًا تعني أن تمتلك بنفسك حزمة الاستدلال، والبرنامج الترميزي، وكشف أدوار المحادثة، ومنطق الوكيل. وأي شخص يقتبس تكلفة لكل دقيقة لـ"Sesame" إنما يقتبس غياب فاتورة التطبيق، لا خدمة.

هذا هو التفاوت العملي: Prism مكلف وواضح، أما Sesame فمجاني وغير متاح. يمكن لاجتماع ميزانية أن يجادل بشأن $0.080 في الدقيقة. لكنه لا يستطيع أن يفعل شيئًا حيال «لا توجد نقطة نهاية».

ثلاثة مشترين، ثلاثة إجابات مختلفة

يجب أن ينظر أي مؤسسة تدير مكالمات دعم واردة إلى Prism. فنقطة التحقق النصية، واتفاقية HIPAA BAA، وخيار النشر داخل المقر، وسعر الدقيقة كلها موجّهة إلى هذه المهمة تحديدًا، ومخاطر مزاعم البائع قابلة للتعامل معها لأن الشروط التجارية عادية. جرّبه على مسار مكالمات واحد، وقس معدل الاحتواء بنفسك، وتعامل مع دراسة حالة Rime التي تقارن 100% مقابل 68% كفرضية ينبغي اختبارها لا كتوقع.

المطوّر الذي يريد صوت Sesame داخل منتج ما لا ينبغي أن ينتظر واجهة برمجة تطبيقات لم يُعلن عنها. المسار الواقعي هو نقطة حفظ TTS مفتوحة بالإضافة إلى التنسيق الخاص بك — والتنسيق هو الجزء الذي يمكنك استئجاره بتكلفة زهيدة. تضع OrcaRouter أكثر من 200 نموذج نصي خلف مفتاح واحد بسعر قائمة المزوّد بهامش ربح 0%، وتضيف تجاوزًا تلقائيًا للفشل حتى لا يتعطل وكيل الصوت عندما يمر أحد المزوّدين بلحظة سيئة، وتتيح DSL للتوجيه بحيث يمكن توجيه الأدوار الروتينية إلى نموذج صغير والتصعيدات إلى نموذج كبير. لا يلزم أن تأتي طبقة الصوت وطبقة الاستدلال من الشركة نفسها، وبالنسبة لمعظم المطورين لا ينبغي أن تأتي كذلك.

ينبغي للمستهلك، أو لأي شخص يبني مساعدًا شخصيًا لنفسه، أن يستخدم Sesame فقط. فهي مجانية، وهي جيدة، وغياب واجهة برمجة التطبيقات (API) لا يهم شخصًا لا يكتب الشيفرة.

ما الذي سيغيّر الإجابة؟

ثلاثة أحداث. {{1}}نشر Sesame واجهة برمجة تطبيقات وبطاقة أسعار{{/1}} سيحوّل هذا إلى مقارنة حقيقية بين عشية وضحاها، وسيثير على الفور مسألة ما إذا كانت جودة صوتها تصمد عند بيعها كمكوّن. {{2}}ظهور Prism في مؤشر Speech-to-Speech Index{{/2}} سيمنحها أول رقم مستقل تحصل عليه على الإطلاق، وسيحسم ما إذا كانت عبارة "متقدمة على OpenAI وGoogle" تصمد أمام هيئة محايدة. و{{3}}خروج واجهات برمجة التطبيقات للضبط الدقيق لدى Prism من المرحلة التجريبية{{/3}} سيفصل المؤسسات التي تستطيع شراءها بالفعل عن جميع الآخرين.

حتى يحدث أحد تلك الأمور، ستكون المقارنة بين منتج يمكنك تجربته ومنتج يمكنك نشره، والإجابة الخاطئة الوحيدة هي التعامل معهما كنسختين من عملية الشراء نفسها. إن Sesame هو الصوت الذي جعل الناس يهتمون بالذكاء الاصطناعي الحواري من جديد. أما Prism فهو أول محاولة جدية لبيع ذلك الشعور بالدقيقة مع سجل تدقيق مرفق. ولا يُعد أي منهما بديلاً للآخر.