
Realtime 1 vs GPT Live 1: cinco centavos contra uno, y una afirmación que nadie puede comprobar todavía
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 87 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 182 tok/s
Cinco centavos por minuto. Eso es lo que OpenAI cobra por GPT Live 1 — el modelo de voz dúplex completo que «puede escuchar y hablar al mismo tiempo», facturado por segundo y sin redondear hacia arriba, con el modelo de backend y el uso de herramientas cobrados por separado. MAI Realtime 1, anunciado por Microsoft el 17 de noviembre de 2026, cuesta un centavo por minuto antes de su nivel de razonamiento. En la tabla de tarifas, la diferencia es de cinco a uno, y una persona que ha usado ambos le dijo a internet que Realtime 1 «se sintió muy cerca del modelo GPT Live». Esa frase es lo más interesante de esta comparación y lo menos verificable, porque hay exactamente una forma de resolverlo y ninguna parte independiente ha realizado la prueba que lo haría.
Así que trata esto como dos preguntas en lugar de una. ¿Un modelo de un centavo por minuto es cinco veces peor? ¿Y qué aporta realmente el perfil medido de GPT Live 1 que un modelo más barato tendría que igualar? La segunda tiene respuestas. La primera no, todavía.
Las arquitecturas no tienen la misma forma
GPT Live 1 es poco habitual, y su documentación lo dice sin rodeos. Es un modelo full-duplex —escucha y habla al mismo tiempo, en lugar de alternar turnos— y no intenta hacer el razonamiento por sí mismo. "Delega el razonamiento y el trabajo con herramientas a un agente de backend", accesible solo mediante v1/live/sessions, sin compatibilidad con los endpoints Chat Completions, Responses ni Realtime. Acepta entrada y salida de audio y texto, admite streaming y llamadas a funciones, y no acepta imágenes ni vídeo.
• GPT Live 1 — front end full-duplex, con el razonamiento delegado al agente de backend que conectes. Límites de sesiones concurrentes de 50 en Build, 300 en Launch y 500 en Grow. Sin nivel gratuito.
• MAI Realtime 1 — voz a voz con una ruta rápida y un nivel de razonamiento interno. Microsoft cobra $1.00 por millón de tokens de entrada y $5.00 por millón de tokens de salida. Se cobra por minuto de audio en el lado conversacional. Vista previa sin cobro hasta la vista previa pública.
Ambos son, en efecto, sistemas de dos partes. La diferencia es quién posee la segunda parte. Con GPT Live 1 es explícitamente tuya: tú eliges el agente de backend, pagas sus tokens por separado y ves la costura. Con MAI Realtime 1, el traspaso está dentro del producto y de la página de precios, y la decisión de enrutamiento no es algo que tú configures.
Esa única diferencia de diseño explica la mayor parte de la brecha de precios. OpenAI cobra 0,05 dólares por minuto por un oído y una boca muy buenos. Microsoft cobra 0,01 dólares por un oído y una boca decentes, más un despachador interno, y monetiza el pensamiento en el medidor de tokens.
Lo que realmente muestran las mediciones de GPT Live 1
GPT Live 1 aparece dos veces en la tabla de voz a voz de Artificial Analysis, porque el agente de backend que conectas cambia el resultado:
• Índice de voz a voz — 83,2 con un backend de clase Astra en configuración media, 80,1 con un backend de clase Sol en configuración baja. Ambos se sitúan por encima de los 74,5 de Gemini 3.8 Live y muy por encima de los 77,3 de Eleven Realtime Max, lo que convierte a GPT Live 1 en el modelo con el índice más alto de este conjunto de comparación.
• Razonamiento del habla (Big Bench Audio): 90,1 % y 89,0 %, respectivamente. No es la cima de la tabla —Eleven Realtime Max obtiene 98,8 %—, pero es sólidamente competitivo.
• Dinámica conversacional — 94,9 % y 97,3 %. La variante configurada con Sol es la mejor puntuación de dinámica del conjunto, que es el número que corresponde a «da gusto hablar con ella».
• Finalización de tareas agénticas (τ-Voice): 74,5 % y 59,3 %. Ambos superan ampliamente el 30,1 % de Gemini 3.8 Live, que es lo que cabría esperar de un modelo cuya premisa de diseño completa es delegar el trabajo en un backend capaz.
• Arena Elo — 1027 y 1037.
• Tasa de éxito de las tareas — 87,4 % y 90,9 %.
• Tiempo hasta el primer audio — 1,34 y 1,24 segundos. Más lento que los 0,57 de Eleven Realtime Max y más lento que los 1,18 de Gemini 3.8 Live, pero el diseño dúplex completo hace que la espera percibida no sea lo mismo que la medida; un modelo que da acuse de recibo mientras piensa no da la sensación de haberse pausado.
• Coste combinado — 5,83 $ y 4,47 $ por hora según la normalización de Artificial Analysis, frente a una tarifa de 0,05 $ por minuto que supone 3,00 $ la hora solo por la línea de voz. Las cifras más altas incluyen el gasto en tokens del backend, que es la forma honesta de leer un modelo que delega el razonamiento.
De esos números se desprenden dos cosas. Primero, la configuración importa tanto como el modelo: el mismo GPT Live 1 obtiene 83,2 o 80,1 según el backend al que lo dirijas, y 74,5 % o 59,3 % en tareas agénticas. Una reseña que cita una sola cifra sin decir qué backend utilizó casi no te ha dicho nada. Segundo, el líder del índice aquí no es el líder de la arena: Gemini 3.8 Live gana en Elo, GPT Live 1 gana en el índice. Miden cosas distintas, y ninguno de los dos es un proxy para tu carga de trabajo.

La afirmación que vale la pena poner a prueba, y lo que cuesta ponerla a prueba
"Se sintió muy cerca del modelo GPT Live". Si se toma al pie de la letra, eso es lo más contundente que alguien ha dicho sobre MAI Realtime 1, y viene de alguien sin metodología publicada, sin grabaciones y sin un conjunto de tareas. También es, justo es decirlo, exactamente la forma en que llegan la mayoría de las primeras impresiones de los modelos de voz: la conversación en dúplex completo es difícil de puntuar y fácil de sentir, que es precisamente por lo que existe la arena en primer lugar.
El problema es que la afirmación solo es comprobable a medias. Microsoft publica una cifra de precisión para MAI Realtime 1 —98,8 % en Big Bench Audio, en la página del modelo, ejecutada por el proveedor y no reproducida— junto con una tarjeta de P50 de tiempo hasta el primer audio y una leyenda «Latencia P50 en BigBench Audio». No publica ninguna puntuación de τ-Voice, ninguna distribución de latencia y ninguna lista de idiomas. Artificial Analysis no incluye MAI Realtime 1 a fecha de 18 de noviembre, así que no hay una lectura independiente de ese 98,8 % que poner junto al 90,1 % de GPT Live 1: una es una evaluación del propio proveedor y la otra, de un tercero. La propia afirmación comparativa de Microsoft nombra GPT Realtime 2.1, un modelo distinto de GPT Live 1 con una estructura de precios totalmente diferente, e incluso esa comparación se publica como una posición en la frontera en lugar de como cifras.
Así que la versión útil de la afirmación es un plan de pruebas, no un veredicto. Cuatro cosas que ejecutar, todas económicas mientras la vista previa no se facture:
• Conversación consecutiva — las mismas veinte llamadas grabadas con ambos modelos, puntuadas a ciegas. Esta es la única forma de probar si «se siente cercano», y es la prueba que la afirmación original omitió.
• Interrupción con solapamiento — el diseño full-duplex de GPT Live 1 le permite hablar y escuchar a la vez. Comprueba si Realtime 1 realmente gestiona el habla simultánea o solo gestiona interrupciones limpias. Son capacidades distintas y solo una de ellas se muestra en una demo.
• Latencia de escalado — en el momento en que Realtime 1 cede un turno a su motor de razonamiento, mida la pausa. La afirmación de Microsoft es "sin pausas incómodas", lo cual es una declaración de latencia sin ninguna cifra asociada.
• Coste por llamada completada, no por minuto. Un modelo que cuesta una quinta parte por minuto y necesita dos turnos más para resolver una solicitud no cuesta una quinta parte del precio. Este es el dato que decide el enfrentamiento y ninguno de los dos proveedores lo publica.
Adónde van los cinco centavos
Si los cuatro centavos por minuto adicionales de GPT Live 1 no te aportan nada, esto no es una decisión. Pero sí aportan algo concreto: una puntuación agéntica medida del 74,5 % frente a una afirmación no medida, y una arquitectura full-duplex que constituye una capacidad distinta de la alternancia de turnos, en lugar de una versión mejor de esta.
Lo que te cuesta más allá de la tarifa es el control y la infraestructura. GPT Live 1 requiere que proporciones y pagues por un agente de backend —lo cual es trabajo real y una factura real, pero también la razón por la que su configuración cambia sus puntuaciones—. Tú eliges el modelo de razonamiento; ves el gasto en tokens; tú decides qué se escala. MAI Realtime 1 toma esa decisión dentro del producto y cobra $1.00 y $5.00 por millón de tokens por ello, sin decirte con qué frecuencia sucede.
Ese equilibrio —visibilidad frente a conveniencia— es donde una puerta de enlace se gana su lugar. Ambos modelos acaban invocando modelos de razonamiento, GPT Live 1 por diseño y MAI Realtime 1 internamente, y esa capa de razonamiento es la que enruta OrcaRouter: más de 200 modelos detrás de una única clave al precio de lista del proveedor con 0% de margen, así que el backend que decide tu configuración de GPT Live 1 se puede intercambiar sin un segundo contrato, y con conmutación por error automática para que una llamada de razonamiento atascada no se convierta en silencio a mitad de frase. La fusión de modelos es la otra palanca que conviene conocer aquí —para un agente de voz cuyos turnos difíciles son los caros, un panel que responde en conjunto en la ruta escalada es una forma de comprar precisión donde importa sin pagarla en cada turno.
Para ser exactos sobre la cobertura: ni GPT Live 1 ni MAI Realtime 1 están en el catálogo de OrcaRouter. GPT Live 1 es el propio endpoint v1/live/sessions de OpenAI; MAI Realtime 1 es MAI Labs y la vista previa de acceso limitado de Foundry. Lo que hay detrás de ellos es lo que nosotros ofrecemos.
El detalle de integración que determina tu cronograma
GPT Live 1 tiene la integración más incómoda y la mejor documentación. Su endpoint dedicado v1/live/sessions implica que nada de lo que hayas creado con la Realtime API se reutiliza —este es un nuevo modelo de sesión—, y no es casualidad que lo primero que aparezca en su documentación sea que no admite Chat Completions, Responses ni Realtime. Los límites de frecuencia cuentan sesiones simultáneas, no tokens, así que la planificación de la capacidad es un ejercicio completamente distinto: 50 simultáneas en Build, 300 en Launch, 500 en Grow, sin nivel gratuito.
MAI Realtime 1 es lo contrario: una interfaz compatible con la API Realtime de OpenAI, que es la frase más útil de todo el anuncio de Microsoft. Si tu stack ya habla ese protocolo, la evaluación se reduce a una cadena de modelo y una URL base. La pega es todo lo que rodea a la interfaz: no hay lista de idiomas, ni distribución de latencia, ni puntuación de τ-Voice, ni fecha de disponibilidad general (GA), y una demo de dos minutos en MAI Labs que mostraba «MAI Realtime no está disponible en este momento» cuando lo comprobamos.
Así que la asimetría temporal es real. GPT Live 1 lo puedes integrar esta semana con documentación publicada y un endpoint de producción. MAI Realtime 1 puedes prototiparlo con una compatibilidad que entiendes y luego esperar una vista previa que es gratuita precisamente porque no está terminada.

El veredicto, expresado como una apuesta
Elige GPT Live 1 si la experiencia de voz es el producto y quieres un backend que controles. Tiene el índice de voz a voz más alto de su clase, la mejor dinámica conversacional con un backend de clase Sol, una puntuación agéntica que supera a todos los modelos que no son de OpenAI en la comparación excepto Phonic 1 y Grok Voice 3.0, y una documentación que te dice exactamente qué hace. Cinco centavos por minuto es una cifra real y puedes preverla.
Apuesta por MAI Realtime 1 si los costes son la limitación y tienes tiempo de ingeniería que dedicar a la medición en lugar de a las compras. Un centavo por minuto con una vista previa sin facturación y una interfaz compatible con OpenAI es la forma más económica posible de averiguar si el diseño de dos niveles de Microsoft supera al que tienes del lado de la aplicación. Lo que aceptas es que tú serás quien genere la distribución de latencia, la cifra de τ-Voice y la lista de idiomas, porque Microsoft no ha publicado ninguno de esos datos, y que su única cifra de precisión, 98,8 % en Big Bench Audio, llega del proveedor sin nada que la respalde.
Lo único que no hay que hacer es repetir la afirmación de que «se siente muy parecido» como si fuera un resultado. Puede que sea cierto. Quien lo dijo bien podría tener razón, y si la tiene, esta comparación deja de ser interesante porque el modelo más barato sería el mejor en el eje que más importa a los usuarios. Pero una sensación de una tarde no es una tasa de finalización de tareas, y el número que lo resolvería —qué fracción de las llamadas reales termina realmente cada modelo— es el único número que ninguno de los dos proveedores ha publicado.

Comparados en este artículo1
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
