Tarjeta de título generada titulada 'GPT-Live-1.1 vs Sesame Preview' con el subtítulo 'Una tarifa por uso frente a una suscripción', que muestra a la izquierda una tarjeta etiquetada GPT-Live-1.1 con $0.05 por minuto activo, $0.02 por minuto en espera y una API con cobro por uso, y a la derecha una tarjeta etiquetada Sesame Preview con $20 al mes para Plus, $100 al mes para Pro y solo una aplicación para consumidores.
Guides & Insights

GPT-Live-1.1 vs. Sesame Preview: una lista de precios frente a una suscripción

Autor

Elias Hawthorne

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

A estos dos se les compara constantemente, y la comparación suele ser un error. GPT-Live-1.1 y Sesame Preview mantienen una conversación, ambos gestionan las interrupciones y ambos se describen habitualmente como si sonaran menos a un menú telefónico que la generación anterior. Pero uno es una API de pago por uso y la otra es una aplicación de suscripción, y en cuanto te das cuenta de eso, la mayoría de las preguntas interesantes sobre ellos dejan de tener que ver con la calidad de voz.

GPT-Live-1.1 llegó a la API de O​penAI el 19 de noviembre de 2026, cinco semanas después de sustituir a GPT-Live-1 dentro de ChatGPT Voice. Sesame Preview se distribuye a los consumidores desde mayo de 2026 y está disponible en Android desde principios de agosto; en octubre añadió una lista de precios —Free, Plus por 20 $ al mes, Pro por 100 $ al mes— que se comercializa a través de la App Store y G​oogle Play. Ninguna de las dos empresas publica un benchmark que permita situar las dos voces en el mismo eje, y ningún laboratorio independiente ha realizado uno. Por lo tanto, todo lo que sigue trata sobre qué es cada producto, no sobre cuál suena mejor, porque la segunda pregunta actualmente no tiene una respuesta medible.

Dos productos, dos modelos de negocio

La forma más clara de ver la división es preguntarse qué estás comprando.

• Acceso — GPT-Live-1.1 es un ID de modelo en v1/live/sessions, invocable desde tu propia aplicación, mientras que Sesame Preview es una app para iOS y Android, sin API pública ni ID de modelo

• Precios — GPT-Live-1.1 factura por segundo: $0.05 por minuto de voz activa, $0.02 en espera, mientras que Sesame vende asignaciones mensuales: Gratis a $0 (30 minutos de conversación al día), Plus a $20 (2 horas al día), Pro a $100 (10 horas al día)

• ¿Quién paga? — GPT-Live-1.1 se factura a una cuenta de desarrollador, además de una factura de tokens aparte por el backend al que delega, mientras que Sesame se factura a un consumidor a través de las tiendas de aplicaciones

• Voces — GPT-Live-1.1 ofrece 21 voces con nombre en inglés, portugués, alemán, francés, hindi, japonés y coreano, además de creación de voces a partir de indicaciones, mientras que Sesame ofrece cuatro personajes: Maya, Miles, Simone y Charlie

• Personalización — GPT-Live-1.1 te permite escribir instrucciones de sesión, elegir un modo de delegación y establecer un tiempo de espera por inactividad, mientras que los agentes de Sesame tienen personalidades distintas entre las que eliges, en lugar de una superficie de configuración sobre la que escribir

• Pesos abiertos — GPT-Live-1.1 es de código cerrado, mientras que CSM-1B de Sesame es Apache 2.0 en Hugging Face, y no es el modelo que se usa en la aplicación

Generated two-column scoreboard titled 'GPT-Live-1.1 vs Sesame Preview — the scoreboard' with six matched rows: access (v1/live/sessions API vs iOS and Android app), pricing ($0.05 and $0.02 per minute vs $20 and $100 per month), who pays (developer account vs consumer through app stores), voices (21 named, prompt-to-voice vs four characters), customisation (instructions and delegation vs pick a character), and open weights (closed vs CSM-1B, not this model).

Esa última línea es la que la gente suele malinterpretar. Sesame sí tiene un modelo abierto, y no es Preview. CSM-1B es un modelo de voz conversacional de 1B de parámetros, publicado bajo Apache 2.0, construido sobre una base de arquitectura Llama con el códec Mimi de Kyutai, y es un sistema distinto y más pequeño que la voz de producción de la app. Cualquiera que te diga que está autohospedando Sesame Preview está autohospedando otra cosa. La brecha entre la demo y la descarga ha sido el hecho central de la oferta de Sesame desde la primera publicación de investigación en febrero de 2025, y no se ha cerrado.

El minuto de $0.05, con el precio correcto

La tarifa de GPT-Live-1.1 es fácil de malinterpretar en ambos sentidos, así que conviene ser exactos. Las sesiones de voz se facturan por duración a 0,05 USD por minuto activo, cobrados por segundo y sin redondear al minuto. Desde el 19 de noviembre de 2026, una sesión WebRTC se puede configurar para pausar la inferencia tras entre 5 y 60 segundos sin habla y facturar 0,02 USD por minuto mientras espera. El uso del modelo de backend y de herramientas se cobra por separado, según el medidor de tokens del modelo que designes como destino de la delegación. Crear una sesión WebRTC factura 15 segundos de duración de voz en la inicialización, que se acreditan contra la duración una vez que la sesión empieza a ejecutarse.

Tres horas de línea abierta continua cuestan, por tanto, $9.00 solo en el medidor de voz, antes de un solo token de backend. Ese es el número que hay que comparar con el nivel Plus de Sesame, que cobra $20 al mes por dos horas de conversación al día —aproximadamente 60 horas al mes, o unos $0.33 por hora, si se aprovecha la cuota al máximo—. Sobre una base puramente por hora, Sesame es drásticamente más barato, y es más barato por una razón que no tiene nada que ver con la generosidad: tú eres un consumidor hablando con un asistente dentro de una app, no una aplicación haciendo miles de llamadas concurrentes contra un endpoint de pago por uso.

La comparación solo se vuelve real cuando preguntas qué se te permite construir. El tiempo de conversación de Sesame es una asignación para una persona. Los minutos de GPT-Live-1.1 son un costo de bienes para un producto. Un equipo que evalúa el segundo no puede sustituir el primero, a ningún precio.

Screenshot of Sesame's plans page showing the Free, Plus at $20 and Pro at $100 tiers with their daily talk-time allowances and the one-time top-up prices.

Lo que ninguno de los dos productos te ofrece

Las limitaciones de Sesame las declara la empresa y merecen enumerarse sin suavizarlas. La app es el producto; no hay API, ni ID de modelo, ni límite de peticiones, ni nivel empresarial, ni un plan de monetización publicado más allá de las suscripciones. Las sesiones están limitadas por un tiempo diario de conversación —30 minutos en Free, dos horas en Plus y diez horas en Pro—, y los agentes conversan en lugar de ejecutar: no reservan, compran ni presentan nada en tu nombre como lo haría una API agéntica. La app está en iOS y Android, con gafas anunciadas para 2027. La dirección declarada de Sesame son las alianzas de investigación y el hardware.

Las limitaciones de GPT-Live-1.1 son igualmente concretas y van en sentido contrario. Es audio y texto de entrada, audio y texto de salida. No se admiten imágenes ni video. No realiza el razonamiento por sí mismo — delega en un modelo o agente de backend que configures, mediante delegación de Responses o delegación de cliente — y solo se puede acceder a él a través de v1/live/sessions. Chat Completions, Responses, Realtime, transcripción, traducción y generación de voz figuran todos como endpoints no admitidos para este modelo. Si quieres una sola llamada que devuelva texto, este no es el caso; es una capa de voz con un hueco en el medio donde va tu backend.

Ambos productos, en otras palabras, son más limitados de lo que su marketing sugiere. Sesame vende una voz sobre la que no se puede construir. OpenAI vende una voz que no puede pensar por sí misma.

Donde se detienen los números

Ninguna de las dos voces tiene una puntuación independiente, y vale la pena ser franco sobre lo completa que es esa brecha. El índice de voz a voz de Artificial Analysis, consultado el 20 de noviembre de 2026, incluye GPT-Live-1 dos veces —83,2 con un backend de clase Astra con esfuerzo de razonamiento medio y 80,1 con un backend de clase Sol con esfuerzo bajo— y no incluye GPT-Live-1.1, que lleva un día en la API. No incluye ningún modelo de Sesame en absoluto. No hay ninguna medición de terceros de ninguna de las dos voces actuales, así que cualquier afirmación de que una suena más natural que la otra es una impresión de escucha presentada como hallazgo.

Lo que sí existe para Sesame es un benchmark que ella misma creó. En agosto de 2026, la empresa lanzó TurnBench, un benchmark abierto para la toma de turnos en el diálogo hablado: 30 horas de conversación en inglés grabada en estudio y de doble canal, repartidas en 154 diálogos y 106 actores de voz, con triple anotación, que mide con qué precisión y con qué rapidez un sistema detecta los eventos de fin de turno y de interrupción. Es una contribución genuina —el campo había estado apoyándose en las grabaciones de Switchboard de principios de los años noventa— y la tabla de clasificación pública ordena 27 sistemas por recall, junto con la tasa de falsos positivos y la latencia mediana. Ni GPT-Live-1.1 ni ninguna voz de producción de Sesame aparece en ella. El benchmark mide el problema que ambos productos afirman resolver, y ninguno se ha presentado.

Ese es el estado de la evidencia: por un lado, una evaluación humana realizada por el proveedor y sin ninguna cifra adjunta; por el otro, un modelo de API con un día de vida y sin puntuación independiente; y una tabla de clasificación abierta que podría compararlos, pero que está vacía de ambos.

Qué cubre OrcaRouter y qué no cubre

OrcaRouter no ofrece ninguno de los dos productos. No hay ningún endpoint de voz full-duplex en el catálogo, así que si quieres GPT-Live-1.1 llamas directamente a la API de sesiones Live de OpenAI, y si quieres Sesame Preview descargas una app. Decir lo contrario sería mentir sobre lo que alojamos.

Lo que sí cubrimos es la parte de un despliegue de Live que es una llamada normal al modelo. GPT-Live-1.1 delega el razonamiento y el uso de herramientas a un backend, y la propia guía de O​penAI es empezar con gpt-6-luna y pasar a gpt-6-sol para trabajos más difíciles. Ambos están en OrcaRouter al precio de lista del proveedor sin recargo, junto con el resto de la familia GPT-6 y más de 200 modelos adicionales detrás de una sola clave, con conmutación por error automática entre proveedores y un DSL de enrutamiento para componer varios modelos en una sola llamada. Si el cerebro de tu agente de voz es la parte que quieres enrutar, cambiar o conmutar por error, esa es la capa con la que realmente podemos ayudar — y lo mismo ocurre con la parte de texto a voz, donde gpt-4o-mini-tts y los modelos TTS de G​oogle G​emini también están disponibles.

La decisión, dicha claramente

Si estás creando un producto, la elección no está reñida y no se trata de la calidad de la voz. GPT-Live-1.1 es invocable, se cobra por segundo y es configurable; Sesame Preview es una app de consumo con una cuota mensual y sin forma de acceso. Lanza con la primera y considera la segunda como evidencia de hacia dónde se dirige la voz conversacional, no como un componente.

Si eres una persona que elige un asistente, la comparación se invierte. El nivel de 20 dólares de Sesame compra aproximadamente 60 horas de conversación al mes, lo que equivale al precio de seis horas y cuarenta minutos en el medidor de voz de GPT-Live-1.1, e incluye personajes diseñados para hablar con ellos en lugar de una configuración de sesión pensada para escribirse. La API no es el mejor producto para esa tarea; simplemente es la única que te permite construir.

Generated cost card titled 'Twenty dollars, two meanings', with a left card labelled GPT-Live-1.1 voice meter showing 400 active minutes, or 6 hours 40 minutes at $0.05 a minute, and a right card labelled Sesame Preview Plus tier showing about 60 hours of talk time a month at 2 hours a day, with a single $20 label between them.

Lo que cambiaría la respuesta es un punto de acceso público de Sesame o una medición independiente de cualquiera de las dos voces. A 20 de noviembre de 2026, ninguno de los dos existe. Hasta que uno de los dos exista, lo útil que se puede decir sobre GPT-Live-1.1 frente a Sesame Preview es que en realidad no compiten, y que el mero hecho de que se los compare dice más de lo joven que es esta categoría que del trabajo de cualquiera de las dos empresas.