
GPT-Live-1.1 vs. Sesame Preview: Eine Preisliste gegen ein Abonnement
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 187 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 414 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 138 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Diese beiden werden ständig verglichen, und der Vergleich ist meist ein Fehler. GPT-Live-1.1 und Sesame Preview führen beide ein Gespräch, gehen beide mit Unterbrechungen um und werden beide regelmäßig als weniger nach einem Telefonmenü klingend beschrieben als die Generation vor ihnen. Doch das eine ist eine nach Verbrauch abgerechnete API und das andere eine Abo-App, und sobald man das bemerkt, drehen sich die meisten interessanten Fragen zu ihnen überhaupt nicht mehr um die Sprachqualität.
GPT-Live-1.1 ist am 19. November 2026 auf der OpenAI API erschienen, fünf Wochen nachdem es GPT-Live-1 in ChatGPT Voice ersetzt hat. Sesame Preview wird seit Mai 2026 an Verbraucher ausgeliefert und ist seit Anfang August auf Android verfügbar; im Oktober kam eine Preisliste hinzu – Free, Plus für 20 US-Dollar pro Monat, Pro für 100 US-Dollar pro Monat –, verkauft über den App Store und Google Play. Keines der beiden Unternehmen veröffentlicht einen Benchmark, der es erlaubt, die beiden Stimmen auf derselben Achse zu vergleichen, und kein unabhängiges Labor hat einen solchen durchgeführt. Im Folgenden geht es daher darum, was jedes Produkt ist, nicht darum, welches besser klingt, denn auf die zweite Frage gibt es derzeit keine messbare Antwort.
Zwei Produkte, zwei Geschäftsmodelle
Am klarsten erkennt man die Aufteilung, wenn man fragt, was man kauft.
• Zugriff — GPT-Live-1.1 ist eine Modell-ID auf v1/live/sessions, aus Ihrer eigenen Anwendung aufrufbar, während Sesame Preview eine App für iOS und Android ohne öffentliche API und ohne Modell-ID ist
• Preise — GPT-Live-1.1 rechnet sekundengenau ab: 0,05 $ pro aktiver Sprachminute, 0,02 $ im Standby, während Sesame monatliche Kontingente verkauft: Free für 0 $ (30 Minuten Sprechzeit pro Tag), Plus für 20 $ (2 Stunden pro Tag), Pro für 100 $ (10 Stunden pro Tag)
• Wer zahlt — GPT-Live-1.1 wird einem Entwicklerkonto in Rechnung gestellt, plus eine separate Token-Rechnung für das Backend, an das es delegiert, während Sesame einem Verbraucher über die App-Stores in Rechnung gestellt wird
• Stimmen — GPT-Live-1.1 bietet 21 benannte Stimmen in Englisch, Portugiesisch, Deutsch, Französisch, Hindi, Japanisch und Koreanisch sowie Prompt-zu-Stimme-Erstellung, während Sesame vier Charaktere bietet — Maya, Miles, Simone und Charlie
• Anpassung — GPT-Live-1.1 ermöglicht es Ihnen, Sitzungsanweisungen zu schreiben, einen Delegationsmodus auszuwählen und eine Inaktivitätszeit festzulegen, während die Agenten von Sesame jeweils eigene Persönlichkeiten haben, zwischen denen Sie wählen, statt einer Konfigurationsoberfläche, gegen die Sie schreiben
• Offene Gewichte — GPT-Live-1.1 ist geschlossen, wohingegen Sesames CSM-1B auf Hugging Face unter Apache 2.0 steht und nicht das Modell in der App ist

Der letzte Satz ist der, bei dem die Leute danebenliegen. Sesame hat tatsächlich ein offenes Modell, und es ist nicht Preview. CSM-1B ist ein konversationelles Sprachmodell mit 1B Parametern, veröffentlicht unter Apache 2.0, aufgebaut auf einem Backbone der Llama-Architektur mit Kyutais Mimi-Codec, und es ist ein anderes und kleineres System als die Produktionsstimme in der App. Wer Ihnen erzählt, er hoste Sesame Preview selbst, hostet etwas anderes selbst. Die Kluft zwischen der Demo und dem Download ist seit dem ersten Forschungsbeitrag im Februar 2025 das zentrale Merkmal von Sesames Angebot, und sie hat sich nicht geschlossen.
Die 0,05-Dollar-Minute, richtig bepreist
Der Tarif von GPT-Live-1.1 lässt sich leicht in beide Richtungen falsch lesen, daher lohnt es sich, präzise zu sein. Sprachsitzungen werden nach Dauer zu 0,05 USD pro aktiver Minute abgerechnet, im Sekundentakt und ohne Aufrunden auf die nächste volle Minute. Seit dem 19. November 2026 kann eine WebRTC-Sitzung so konfiguriert werden, dass die Inferenz nach 5 bis 60 Sekunden ohne Sprache pausiert und während der Wartezeit 0,02 USD pro Minute berechnet werden. Die Nutzung von Backend-Modell und Tools wird separat über den Token-Zähler des Modells abgerechnet, das Sie als Delegationsziel angeben. Das Erstellen einer WebRTC-Sitzung berechnet bei der Initialisierung 15 Sekunden Sprachdauer, die mit der Dauer verrechnet werden, sobald die Sitzung läuft.
Drei Stunden durchgehend offene Leitung kosten also allein auf dem Sprachzähler {{1}}$9.00{{/1}}, bevor auch nur ein einziges Backend-Token anfällt. Das ist die Zahl, die man Sesames Plus-Tarif gegenüberstellen muss, der 20 Dollar pro Monat für zwei Stunden Gesprächszeit pro Tag berechnet – rund 60 Stunden im Monat oder etwa 0,33 Dollar pro Stunde, wenn man das Kontingent voll ausschöpft. Auf reiner Stundenbasis ist Sesame dramatisch günstiger, und das aus einem Grund, der nichts mit Großzügigkeit zu tun hat: Man ist ein einzelner Verbraucher, der in einer App mit einem einzelnen Assistenten spricht, nicht eine Anwendung, die Tausende gleichzeitige Aufrufe gegen einen abgerechneten Endpunkt absetzt.
Der Vergleich wird erst dann real, wenn man fragt, was man bauen darf. Sesames Gesprächszeit ist ein Kontingent für eine Person. Die Minuten von GPT-Live-1.1 sind Wareneinsatz für ein Produkt. Ein Team, das das Zweite bewertet, kann das Erste nicht ersetzen – zu keinem Preis.

Was Ihnen keines der beiden Produkte bietet
Sesames Einschränkungen werden vom Unternehmen genannt und sollten ohne Beschönigung aufgeführt werden. Die App ist das Produkt; es gibt keine API, keine Modell-ID, kein Rate Limit, keine Enterprise-Stufe und keinen veröffentlichten Monetarisierungsplan über die Abonnements hinaus. Sitzungen sind durch ein tägliches Sprechzeitkontingent begrenzt – 30 Minuten bei Free, zwei Stunden bei Plus, zehn Stunden bei Pro – und die Agenten sprechen, statt auszuführen: Sie buchen, kaufen oder reichen nichts in Ihrem Namen ein, wie es eine agentische API tun würde. Die App ist für iOS und Android verfügbar; eine Brille wurde für 2027 angekündigt. Sesames erklärte Ausrichtung sind Forschungspartnerschaften und Hardware.
Die Einschränkungen von GPT-Live-1.1 sind ebenso konkret und laufen in die andere Richtung. Es nimmt Audio und Text entgegen und gibt Audio und Text aus. Bilder und Video werden nicht unterstützt. Das eigentliche Schlussfolgern übernimmt es nicht – es delegiert an ein Backend-Modell oder einen Agenten, den du konfigurierst, über Responses-Delegation oder Client-Delegation – und es ist ausschließlich über v1/live/sessions erreichbar. Chat Completions, Responses, Realtime, Transkription, Übersetzung und Sprachgenerierung sind für dieses Modell alle als nicht unterstützte Endpunkte aufgeführt. Wenn du einen einzigen Aufruf willst, der Text zurückgibt, dann ist es das nicht; es ist eine Sprachschicht mit einem Loch in der Mitte, in das dein Backend kommt.
Mit anderen Worten: Beide Produkte sind enger gefasst, als ihr Marketing suggeriert. Sesame verkauft eine Stimme, auf der man nicht aufbauen kann. OpenAI verkauft eine Stimme, die nicht eigenständig denken kann.
Wo die Zahlen aufhören
Keine der beiden Stimmen hat eine unabhängige Punktzahl, und es lohnt sich, deutlich zu sagen, wie vollständig diese Lücke ist. Der Speech-to-Speech-Index von Artificial Analysis, gelesen mit Stand vom 20. November 2026, führt GPT-Live-1 zweimal auf – 83,2 mit einem Backend der Astra-Klasse bei mittlerem Reasoning-Aufwand und 80,1 mit einem Backend der Sol-Klasse bei niedrigem – und führt GPT-Live-1.1 nicht auf, das seit einem Tag in der API ist. Er führt überhaupt kein Sesame-Modell auf. Es gibt keine Drittanbieter-Messung für eine der beiden aktuellen Stimmen, daher ist jede Behauptung, die eine klinge natürlicher als die andere, ein Hör-Eindruck, der als Befund präsentiert wird.
Was für Sesame existiert, ist ein Benchmark, den es selbst entwickelt hat. Im August 2026 veröffentlichte das Unternehmen TurnBench, einen offenen Benchmark für Turn-Taking in gesprochenem Dialog: 30 Stunden studioaufgezeichnete, zweikanalige englische Konversation über 154 Dialoge und 106 Sprecherinnen und Sprecher, dreifach annotiert, der misst, wie genau und wie schnell ein System End-of-Turn- und Unterbrechungsereignisse erkennt. Es ist ein echter Beitrag – die Branche hatte sich auf Switchboard-Aufnahmen aus den frühen 1990er-Jahren gestützt – und die öffentliche Bestenliste ordnet 27 Systeme nach Recall ein, mit Falsch-Positiv-Rate und medianer Latenz daneben. Weder GPT-Live-1.1 noch eine Sesame-Produktionsstimme taucht dort auf. Der Benchmark misst das Problem, das beide Produkte zu lösen behaupten, und keines von beiden hat etwas eingereicht.
Das ist der Stand der Beweislage: eine vom Anbieter durchgeführte menschliche Evaluation auf der einen Seite, ohne angegebene Zahl; ein erst einen Tag altes API-Modell auf der anderen Seite, ohne unabhängige Bewertung; und ein offenes Leaderboard, das beide vergleichen könnte, bleibt leer, was beide angeht.
Was OrcaRouter abdeckt und nicht abdeckt
OrcaRouter stellt keines der beiden Produkte bereit. Im Katalog gibt es keinen Vollduplex-Sprach-Endpunkt. Wenn du also GPT-Live-1.1 möchtest, rufst du OpenAIs Live-Sessions-API direkt auf, und wenn du Sesame Preview möchtest, lädst du eine App herunter. Etwas anderes zu behaupten, wäre eine Lüge darüber, was wir hosten.
Was wir abdecken, ist der Teil eines Live-Deployments, der ein normaler Modellaufruf ist. GPT-Live-1.1 delegiert Reasoning und Tool-Nutzung an ein Backend, und laut der eigenen Empfehlung von OpenAI sollte man mit gpt-6-luna beginnen und für schwierigere Aufgaben zu gpt-6-sol wechseln. Beide sind auf OrcaRouter zum Listenpreis des Anbieters ohne Aufschlag verfügbar, zusammen mit dem Rest der GPT-6-Familie und mehr als 200 weiteren Modellen hinter einem Schlüssel, mit automatischem Failover über Anbieter hinweg und einer Routing-DSL, um mehrere Modelle zu einem einzigen Aufruf zusammenzusetzen. Wenn das Gehirn Ihres Voice-Agents der Teil ist, den Sie routen, wechseln oder failovern möchten, ist das die Ebene, bei der wir tatsächlich helfen können — und dasselbe gilt für die Text-to-Speech-Seite, wo gpt-4o-mini-tts und Googles Gemini-TTS-Modelle ebenfalls verfügbar sind.
Die Entscheidung, klar gesagt
Wenn Sie ein Produkt entwickeln, ist die Entscheidung eindeutig, und es geht nicht um Sprachqualität. GPT-Live-1.1 ist über eine API aufrufbar, wird sekundengenau abgerechnet und ist konfigurierbar; Sesame Preview ist eine Consumer-App mit monatlichem Kontingent und ohne Integrationsmöglichkeit. Setzen Sie auf Ersteres und betrachten Sie Letzteres als Beleg dafür, wohin sich dialogorientierte Sprachtechnologie entwickelt, nicht als Komponente.
Wenn Sie als Person einen Assistenten auswählen, kehrt sich der Vergleich um. Sesames 20-Dollar-Tarif bietet ungefähr 60 Stunden Gesprächszeit pro Monat, was etwa dem Preis von sechs Stunden vierzig Minuten auf dem Voice-Meter von GPT-Live-1.1 entspricht, und er kommt mit Charakteren, die darauf ausgelegt sind, mit ihnen zu sprechen, statt mit einer Sitzungskonfiguration, die darauf ausgelegt ist, geschrieben zu werden. Die API ist für diese Aufgabe nicht das bessere Produkt; sie ist einfach die einzige, mit der Sie etwas bauen können.

Was die Antwort ändern würde, wäre ein öffentlicher Sesame-Endpunkt oder eine unabhängige Messung einer der beiden Stimmen. Keines von beidem existiert mit Stand 20. November 2026. Bis es eines davon gibt, lässt sich zu GPT-Live-1.1 im Vergleich zu Sesame Preview Sinnvolles nur sagen, dass sie nicht wirklich konkurrieren — und dass die Tatsache, dass sie überhaupt verglichen werden, mehr darüber aussagt, wie jung diese Kategorie ist, als über die Arbeit eines der beiden Unternehmen.
