Simba 3.5 مقابل Sesame Preview: أحدهما يُباع حسب الحرف، والآخر حسب المقعد
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 226 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 98 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 83 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 177 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 52 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 131 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 64 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 96 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 42 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 · 185 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 186 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 · 122 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 · 312 tok/s
هذه مقارنة تبدو كالموازنة بين التفاح والبرتقال إلى أن تضع لها سعرًا، وعندها تصبح مسألة حسابية. SpeechifyAI Simba 3.5 هو نموذج تحويل نص إلى كلام تشتريه بالمليون حرف وتستدعيه من شفرتك البرمجية. Sesame Preview هو وكيل صوتي استهلاكي تشتريه شهريًا، لكل شخص، داخل تطبيق. كلاهما قابل للشراء — فقد نشرت Sesame قائمة بطبقات Free وPlus وPro وتوقفت عن كونها عرضًا تجريبيًا مجانيًا — وكلاهما ينتج صوتًا بشريًا اصطناعيًا. أحدهما مكوّن والآخر منتج، والطريقة الصادقة الوحيدة للاختيار بينهما هي تحديد أي هذين الأمرين تحتاجه مشكلتك فعلاً.
شركة Sesame تنشر بالفعل نموذجًا: CSM-1B، بأوزان مفتوحة على Hugging Face بموجب Apache 2.0. لكنه ليس الصوت الذي تسمعه في التطبيق. يشغّل التطبيق نظامًا إنتاجيًا بلا API، ولا معرّف نموذج، ولا درجة مستقلة في ساحة تقييم، كما أن الإصدار البحثي لم يتغيّر منذ 2025. هذه الفجوة هي أهم حقيقة منفردة في هذا المقال، وهي السبب في أن المنتجين ليسا بديلين لبعضهما.
تكلفة كل واحد منها، محوّلة إلى الوحدة نفسها
عدم تطابق الوحدات هو النقطة التي تتوقف عندها معظم الكتابات التحليلية، فلنبدأ من هناك. يحتسب Simba 3.5 الفاتورة لكل حرف من النص المُدخل. أما Sesame فيحتسب لكل مقعد شهريًا مع بدل وقت محادثة. لا يتحول أي من السعرين إلى الآخر تحولًا نظيفًا، لكن كليهما يتحول إلى سؤال «كم يكلف هذا مؤسستي في الشهر»، وهذه المقارنة ليست متقاربة.
• Simba 3.5، القائمة من 22 نوفمبر — 15.00 دولارًا لكل مليون حرف على Starter، و12.00 دولارًا على Pro، و10.00 دولارات على Scale
• Simba 3.5، حتى 21 نوفمبر — 10.00 دولارات، و8.00 دولارات، و6.00 دولارات لكل مليون حرف، أسعار الطرازات الأقدم
• Sesame Free — $0، 30 دقيقة من وقت التحدث يوميًا
• Sesame Plus — 20 دولارًا شهريًا، وساعتان من وقت التحدث يوميًا، وأربعة أضعاف مخصص الرصيد الأسبوعي في Free
• سيزام برو — 100 دولار شهريًا، عشر ساعات من وقت التحدث يوميًا، عشرون ضعفًا لأرصدة Free الأسبوعية
• إضافات Sesame — 5 دولارات لساعة إضافية واحدة من وقت التحدث، و20 دولارًا لخمس ساعات؛ أرصدة بسعر 5 دولارات لكل ألف و20 دولارًا لكل خمسة آلاف، وهي حزم لا تنتهي صلاحيتها
عشرة ملايين حرف من Simba 3.5 على خطة Scale مقابل 100 دولار، وتُنتج ما يقارب مئتي ساعة من الكلام النهائي. أما Sesame Pro فتبلغ 100 دولار شهريًا وتوفر عشر ساعات من وقت التحدث يوميًا لشخص واحد. هذان منتجان مختلفان يظهران في بند الفاتورة نفسه، ومن الصعب حقًا الجزم بأن أحدهما أفضل قيمة، لأن أحدهما ينتج أصلًا والآخر يدير محادثة.
الرقم الجدير بالملاحظة في Sesame هو سعر الاستهلاك الزائد وليس الاشتراك. وقت المحادثة الإضافي بسعر 5 دولارات للساعة يعادل نحو 0.083 دولار للدقيقة، وهو مكلف بالنسبة لمحادثة ورخيص بالنسبة لمنتج قررت تقديمه للعملاء. الباقات لا تنتهي صلاحيتها أبدًا وتُستهلك بعد مخصص الخطة، لذا فإن الساعة الحدية هي الرقم الذي ينبغي نمذجته، وليس الفئة الرئيسية المعلنة.
ما هو Simba 3.5، على وجه الدقة
أُطلق Simba 3.5 في 21 أكتوبر 2026 بصفته الطراز الموصى به من Speechify، ليحل محل Simba 3.2 كخيار الإنجليزية المعتمد للمضي قدمًا، ويوسّع التغطية من ست لغات إلى 48 ضمن معرّف طراز واحد. كل صوت في الكتالوج يتحدث اللغات الـ48 كلها، بما في ذلك صوت مستنسخ في خطة مدفوعة، بمعرّف الصوت نفسه. الإستونية والكانتونية مستبعدتان صراحةً. تُنقل معرفات الأصوات وصيغ الإخراج وعلامات الكلام ومجموعة SSML الفرعية المطبقة من 3.2، لذا فإن الترحيل تغيير من سطر واحد في حقل الطراز دون رفع إصدار API.
على Artificial Analysis، يحتل المرتبة الأولى في Controlled Voice بـ1,192 والخامسة في Provider Voice بـ1,294، من 1,783 و1,732 عينة على التوالي. لوحة Controlled Voice هي ذات المعنى لهذه المقارنة: فهي تستنسخ الأصوات المرجعية الثمانية نفسها لكل مشارك، لذا فإن النموذج الذي يحقق نتيجة جيدة هناك يتعامل مع صوت لم يسمعه من قبل. وهذا تحديدًا ما يتطلبه سير عمل الصوت المستنسخ.
أرقام Speechify الخاصة، التي لم يُعِد إنتاجها أي طرف خارج الشركة: تفضيل أعمى بنسبة 63% على Simba 3.2 مع فاصل زمني مُعلن بنسبة 95% من 60% إلى 67%، و72 مللي ثانية للوصول إلى أول صوت عند الشريحة المئوية 95 من طلبات البث، وإنتاجية تعادل 1.8 مرة إنتاجية Simba 3.2 لكل نسخة خدمة. وتأتي هذه إلى جانب أرقام الساحة بوصفها ادعاءات من البائع لا قياسات مستقلة، وينبغي قراءتها على هذا النحو.
ما هو Sesame Preview بالضبط
Sesame Preview تطبيق وكيل يعتمد على الصوت أولاً، وهو في معاينة عامة منذ مايو 2026، ويضم شخصيات ذات أسماء، وذاكرة تستمر بين الجلسات، والقدرة على التصرف وإنجاز المهام — البحث والملاحظات والتذكيرات — مع ملخص في نهاية المكالمة. يعمل على iOS وAndroid، ويبيع الفئات الثلاث أعلاه عبر متاجر التطبيقات بدلاً من الويب، ويُبقي Research Preview مجانيًا في المتصفح متاحًا للمستخدمين خارج البلدان التي يتوفر فيها التطبيق، بحد أقصى يومي قدره 30 دقيقة مماثل لسقف الخطة المجانية.
هندستها موجهة نحو تناوب الأدوار بدلًا من التوليد الصوتي، وقد نشرت الشركة عملًا حقيقيًا في هذا الشأن. يقيس TurnBench، الذي صدر في 28 أغسطس 2026 مع ورقة بحثية على arXiv، توقيت المحادثة عبر ثلاثين ساعة من تسجيلات استوديو ثنائية القناة — 154 حوارًا، و106 ممثلين صوتيين في 53 زوجًا، سُجلت في مقصورات منفصلة عازلة للصوت — ويقيّم كشف نهاية الدور والمقاطعة مقابل نوعين من الحالات شبه المطابقة. تضم لوحة الصدارة الحالية 25 نظامًا مصنفًا. لا يوجد أي منها نموذج تحويل نص إلى كلام، لأن المهمة مختلفة.
والأمر الحاسم: لا توجد نقطة نهاية لنموذج Sesame. لا معرّف، ولا بطاقة تسعير، ولا معامل صوت مرجعي. لا يستطيع المطوّر استدعاء Sesame Preview من الشيفرة، تمامًا كما لا يستطيع استدعاء مكالمة هاتفية. العنصر الوحيد القابل للتحميل من Sesame هو CSM-1B، وSesame صريحة في أن CSM «لا يمكنه نمذجة سوى محتوى النص والكلام في المحادثة — لا بنية المحادثة نفسها».
اللاتماثل الذي يحسم الأمر
يمكن لـ Simba 3.5 تنفيذ نسخة ضيقة وجزئية مما يفعله Sesame. يمكنك بثّه، والبث بالإضافة إلى نموذج جيد للتعرّف على الكلام هو الطريقة التي يُبنى بها عدد كبير جدًا من وكلاء الصوت في بيئات الإنتاج اليوم. ما لا يستطيع فعله هو تقرير متى يتوقف عن الكلام، أو الاستماع أثناء تحدّثه، أو استقبال مقاطعة — فهذه خصائص التنسيق المحيط به، وستكون أنت من يبنيها.
لا يستطيع Sesame أداء أي نسخة مما يفعله Simba 3.5 للمطوّر. لا يمكنك وضع صوته في واجهة مستخدم منتجك بتكلفة لكل حرف، أو إنتاج كتاب صوتي به، أو توطين كتالوج به. يمكنك التحدث إليه، ويمكن لمستخدميك التحدث إليه، وهذا هو كامل النطاق.
إذن يتقلص القرار إلى سؤال عمّا تطلقه. إذا كان الصوت داخل شيء تبنيه أنت، فإن Simba 3.5 هو المرشح وSesame ليس في القائمة. أما إذا كان ما تريده هو التجربة المكتملة — شخصية تجري محادثة وتنجز المهام — فأنت تشتري تطبيق Sesame، ويُجاب عن سؤال جودة الصوت نيابةً عنك من شركة لم تفتحه للقياس.
بالنسبة لحالة التوطين، الفجوة كلية.
يتحدث Simba 3.5 ثمانيًا وأربعين لغة. يتعامل Sesame Preview مع الإنجليزية، وخططه لا تبالي باللغة لأن المنتج إنجليزي. وبالنسبة لأي عبء عمل لا يكون نصه بالإنجليزية، تنتهي هذه المقارنة عند الفقرة الأولى من أوراق المواصفات.
ثمة فارق دقيق يستحق الإبقاء عليه. إذ تأتي لغات Speechify الـ48 بتحفّظ يصرّح به المورّد بوضوح: يحتفظ الصوت بلكنة التسجيل المصدر، لذا يبدو صوت أمريكي مستنسَخ يتحدث اليابانية كأمريكي يتحدث اليابانية. وإرشاد الشركة نفسه هو التوليد باستخدام صوت مختار من فريقها يكون أصليًا لكل منطقة لغوية، ولهذا تعرض نقطة نهاية voices الآن staff_pick_rank. الدعم عبر اللغات متاح؛ أما الدعم عبر اللغات الخالي من اللكنة فليس هو الادعاء.
إجابة Sesame بشأن اللهجة مختلفة في جوهرها: للشخصية صوت، وهذا الصوت لا ينتقل لأن المحادثة تجري بلغة واحدة. ذلك ليس قيدًا في منتج استهلاكي، لكنه عائق قاطع في الكتالوج.
أين يتلاءم OrcaRouter، وأين لا يتلاءم
لا يوفّر OrcaRouter أيًا من المنتجين. يتم الوصول إلى Simba 3.5 عبر واجهة برمجة التطبيقات الخاصة بـ Speechify؛ ويتم الوصول إلى Sesame Preview عبر متجر تطبيقات. لا ينبغي قراءة أي شيء هنا على أنه ادعاء بخلاف ذلك.
إن مسار "ما نقوم به" هو كتالوج التوليف الأصغر الذي ستستخدمه كعنصر تحكم عند اختبار قرار صوتي: openai/tts-1 بسعر 15.00 دولارًا لكل مليون حرف وopenai/tts-1-hd بسعر 30.00 دولارًا، وكلاهما بسعر قائمة المزوّد دون إضافة أي هامش ربح. وإذا كنت توازن بين Simba 3.5 وأي شيء آخر — بما في ذلك الصوت من OpenAI الذي تستخدمه بالفعل — فإن توليد النص نفسه عبر كليهما باستخدام مفتاح واحد تجربة أقل تكلفة من دورة مشتريات، ويعني التجاوز التلقائي عند الفشل أن عطلًا لدى المزوّد لا يجرّ طابور التوليد الخاص بك معه.
في حالة المحادثة، لا توجد إجابة من الموجّه، وسيكون من المخادع الادعاء بخلاف ذلك. Sesame Preview ليس نقطة نهاية. إذا كنت تحتاج إلى تبادل الأدوار في منتج تقوم ببنائه، فإن المقارنة التي تريدها فعلاً هي Simba 3.5 بالإضافة إلى التنسيق الخاص بك مقابل واجهة برمجة تطبيقات للكلام إلى الكلام في الوقت الفعلي من مورّد يبيع واحدة — وهذا مقال مختلف.
أي واحد إذن؟
اختر Simba 3.5 إذا كنت تبني ما يلي: تحتاج إلى نقطة نهاية، وفاتورة لكل حرف يمكنك التنبؤ بها، وقائمة لغات قابلة للعد، وأصوات مستنسخة تظل صالحة في 48 إعدادًا لغويًا، ودرجة صوت مُتحكَّم فيه تتصدر اللوحة ومحققة على أصوات مرجعية لم يخترها المورّد. كما أنها بعد ثلاثة أسابيع من جدول أسعار تغيّر مرة واحدة، مع ترحيل معرّف النموذج — حيث تُقدَّم simba-multilingual وsimba-english عبر Simba 3.5 — المقرر في 21 نوفمبر، لذا ثبّت معرّف نموذجك عمدًا بدلًا من الاعتماد على الافتراضي.
اختر Sesame Preview إذا كنت: تريد وكيلًا محادثيًا يتمتع بالذاكرة وتنفيذ المهام، وترتاح إلى أن صوته غير خاضع لأي تقييم من هيئة مستقلة، وأن عشر ساعات من وقت التحدث يوميًا مقابل 100 دولار سعرٌ يمكنك ربطه بقيمة العمل الذي يقوم به. إنه منتج نهائي وليس مادة خام، والمنتجات النهائية تُسعَّر وفقًا لذلك.
الخطأ الذي تستدعيه هذه المقارنة هو التعامل معهما كمنافسين لأن كليهما يبدو وكأنه أشخاص. فهما يُباعان بوحدات مختلفة، ويُستهلكان بطرق مختلفة، ولا يمكن استدعاء أحدهما من الشفرة إطلاقًا. هذا ليس تعادلًا يحتاج إلى حسم — بل هو مفترق طرق، ومعظم الفرق تعرف بالفعل على أي جانب منه تقف.
