
GPT-Live-1.1 vs Sesame Preview : une grille tarifaire contre un abonnement
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 187 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 414 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 138 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Ces deux-là sont constamment comparés, et cette comparaison est généralement une erreur. GPT-Live-1.1 et Sesame Preview tiennent tous deux une conversation, gèrent tous deux les interruptions et sont tous deux régulièrement décrits comme faisant moins penser à un serveur vocal interactif que la génération précédente. Mais l’un est une API facturée à l’usage et l’autre une application par abonnement, et une fois que l’on remarque cela, la plupart des questions intéressantes à leur sujet cessent complètement de porter sur la qualité vocale.
GPT-Live-1.1 est arrivé sur l’API OpenAI le 19 novembre 2026, cinq semaines après avoir remplacé GPT-Live-1 dans ChatGPT Voice. Sesame Preview est proposé aux consommateurs depuis mai 2026 et est disponible sur Android depuis début août ; en octobre, il a ajouté une grille tarifaire — Free, Plus à 20 $ par mois, Pro à 100 $ par mois — proposée via l’App Store et Google Play. Aucune des deux entreprises ne publie de benchmark permettant de placer les deux voix sur le même axe, et aucun laboratoire indépendant n’en a réalisé. Tout ce qui suit porte donc sur ce qu’est chaque produit, et non sur lequel sonne le mieux, car la seconde question n’a actuellement pas de réponse mesurable.
Deux produits, deux modèles économiques
La façon la plus claire de voir la scission est de demander ce que vous achetez.
• Accès — GPT-Live-1.1 est un identifiant de modèle sur v1/live/sessions, appelable depuis votre propre application, tandis que Sesame Preview est une application pour iOS et Android, sans API publique ni identifiant de modèle
• Tarification — GPT-Live-1.1 facture à la seconde : 0,05 $ par minute de voix active, 0,02 $ en veille, tandis que Sesame vend des forfaits mensuels : Gratuit à 0 $ (30 minutes de conversation par jour), Plus à 20 $ (2 heures par jour), Pro à 100 $ (10 heures par jour)
• Qui paie — GPT-Live-1.1 est facturé à un compte développeur, plus une facture de jetons distincte pour le backend auquel il délègue, tandis que Sesame est facturé à un consommateur via les app stores
• Voix — GPT-Live-1.1 expose 21 voix nommées en anglais, portugais, allemand, français, hindi, japonais et coréen, ainsi que la création de voix à partir d’une invite, tandis que Sesame propose quatre personnages — Maya, Miles, Simone et Charlie
• Personnalisation — GPT-Live-1.1 vous permet d'écrire des instructions de session, de choisir un mode de délégation et de définir un délai d'inactivité, tandis que les agents de Sesame ont des personnalités distinctes entre lesquelles vous choisissez, plutôt qu'une surface de configuration sur laquelle vous écrivez
• Poids ouverts — GPT-Live-1.1 est fermé, tandis que CSM-1B de Sesame est sous Apache 2.0 sur Hugging Face, et ce n'est pas le modèle utilisé dans l'application

Cette dernière phrase est celle que les gens comprennent mal. Sesame a bien un modèle ouvert, et ce n’est pas Preview. CSM-1B est un modèle de parole conversationnelle de 1 milliard de paramètres publié sous Apache 2.0, construit sur une architecture dorsale de type Llama avec le codec Mimi de Kyutai, et c’est un système différent et plus petit que la voix de production dans l’application. Quiconque vous dit qu’il auto-héberge Sesame Preview auto-héberge autre chose. L’écart entre la démo et le téléchargement a été le fait central de l’offre de Sesame depuis le premier article de recherche en février 2025, et il ne s’est pas refermé.
La minute à 0,05 $, au juste prix
Le tarif de GPT-Live-1.1 est facile à mal interpréter dans les deux sens, il vaut donc mieux être précis. Les sessions vocales sont facturées à la durée, à 0,05 $ par minute active, facturées à la seconde, sans arrondi à la minute supérieure. Depuis le 19 novembre 2026, une session WebRTC peut être configurée pour suspendre l’inférence après 5 à 60 secondes sans parole et être facturée 0,02 $ par minute pendant l’attente. L’utilisation du modèle backend et des outils est facturée séparément, sur le compteur de jetons du modèle que vous désignez comme cible de délégation. La création d’une session WebRTC facture 15 secondes de durée vocale à l’initialisation, créditées ensuite sur la durée une fois la session en cours d’exécution.
Trois heures de ligne ouverte en continu coûtent donc 9,00 $ au seul compteur vocal, avant même un seul jeton de backend. C’est le chiffre à comparer à l’offre Plus de Sesame, qui facture 20 $ par mois pour deux heures de temps de parole par jour — environ 60 heures par mois, soit environ 0,33 $ de l’heure, si vous utilisez pleinement l’allocation. Sur une base purement horaire, Sesame est nettement moins cher, et il l’est pour une raison qui n’a rien à voir avec la générosité : vous êtes un consommateur qui parle à un assistant dans une application, pas une application qui effectue des milliers d’appels simultanés vers un point de terminaison facturé à l’usage.
La comparaison ne devient réelle que lorsque vous demandez ce que vous êtes autorisé à construire. Le temps de parole de Sesame est une allocation pour une personne. Les minutes de GPT-Live-1.1 sont un coût de production pour un produit. Une équipe qui évalue le second ne peut pas substituer le premier, à aucun prix.

Ce qu'aucun des deux produits ne vous offre
Les limites de Sesame sont énoncées par l’entreprise et méritent d’être listées sans adoucir. L’application est le produit ; il n’y a pas d’API, pas d’ID de modèle, pas de limite de débit, pas d’offre entreprise et pas de plan de monétisation publié au-delà des abonnements. Les sessions sont plafonnées par une allocation quotidienne de temps de parole — 30 minutes en Free, deux heures en Plus, dix heures en Pro — et les agents parlent plutôt qu’ils n’exécutent : ils ne réservent, n’achètent ni ne déposent quoi que ce soit en votre nom comme le ferait une API agentique. L’application est disponible sur iOS et Android, avec des lunettes annoncées pour 2027. La direction annoncée par Sesame est celle de partenariats de recherche et du matériel.
Les limites de GPT-Live-1.1 sont tout aussi concrètes et vont dans l'autre sens. Il prend l'audio et le texte en entrée, et produit de l'audio et du texte en sortie. Les images et la vidéo ne sont pas prises en charge. Il n'effectue pas lui-même le raisonnement — il délègue à un modèle ou à un agent backend que vous configurez, via la délégation Responses ou la délégation client — et il n'est accessible que via v1/live/sessions. Chat Completions, Responses, Realtime, la transcription, la traduction et la génération vocale sont tous répertoriés comme des points de terminaison non pris en charge pour ce modèle. Si vous voulez un seul appel qui renvoie du texte, ce n'est pas ce modèle-ci ; c'est une couche vocale avec un trou au milieu, à l'endroit où vient se brancher votre backend.
En d’autres termes, les deux produits sont plus limités que ne le laisse entendre leur marketing. Sesame vend une voix sur laquelle on ne peut pas construire. OpenAI vend une voix qui ne peut pas penser par elle-même.
Là où les nombres s’arrêtent
Aucune des deux voix ne dispose d’un score indépendant, et il faut être franc sur le caractère total de cette lacune. L’indice parole-à-parole d’Artificial Analysis, consulté le 20 novembre 2026, référence GPT-Live-1 deux fois — 83,2 avec un backend de classe Astra à effort de raisonnement moyen et 80,1 avec un backend de classe Sol à faible effort de raisonnement — et ne référence pas GPT-Live-1.1, qui existe depuis un jour sur l’API. Il ne référence aucun modèle Sesame. Il n’existe aucune mesure réalisée par un tiers pour l’une ou l’autre des voix actuelles, de sorte que toute affirmation selon laquelle l’une sonne plus naturel que l’autre est une impression d’écoute présentée comme un résultat.
Ce qui existe bel et bien pour Sesame, c'est un benchmark qu'elle a mis au point. En août 2026, l'entreprise a publié TurnBench, un benchmark ouvert pour l'alternance des tours de parole dans le dialogue parlé : 30 heures de conversations en anglais enregistrées en studio, en double canal, réparties sur 154 dialogues et 106 acteurs vocaux, triple-annotées, mesurant avec quelle précision et quelle rapidité un système détecte les événements de fin de tour et d'interruption. Il s'agit d'une véritable contribution — le domaine s'appuyait jusqu'ici sur les enregistrements Switchboard du début des années 1990 — et le classement public classe 27 systèmes selon le rappel, en indiquant en parallèle le taux de faux positifs et la latence médiane. Ni GPT-Live-1.1 ni aucune voix de production de Sesame n'y figure. Le benchmark mesure le problème que les deux produits prétendent résoudre, et aucun des deux n'a soumis de résultats.
Voilà où en sont les preuves : d’un côté, une évaluation humaine menée par un fournisseur, sans aucun chiffre associé ; de l’autre, un modèle API vieux d’un jour, sans score indépendant ; et un classement ouvert qui pourrait les comparer, vide de l’un comme de l’autre.
Ce qu’OrcaRouter couvre et ne couvre pas
OrcaRouter ne propose aucun des deux produits. Il n’existe aucun point de terminaison vocal full-duplex dans le catalogue ; donc, si vous voulez GPT-Live-1.1, vous appelez directement l’API Live sessions d’OpenAI, et si vous voulez Sesame Preview, vous téléchargez une application. Affirmer le contraire serait un mensonge sur ce que nous hébergeons.
Ce que nous couvrons, c’est la partie d’un déploiement Live qui correspond à un appel de modèle normal. GPT-Live-1.1 délègue le raisonnement et l’utilisation d’outils à un backend, et les recommandations d’OpenAI elles-mêmes sont de commencer avec gpt-6-luna et de passer à gpt-6-sol pour les tâches plus difficiles. Les deux sont disponibles sur OrcaRouter au prix catalogue du fournisseur, sans majoration, aux côtés du reste de la famille GPT-6 et de plus de 200 autres modèles derrière une seule clé, avec basculement automatique entre fournisseurs et un DSL de routage pour composer plusieurs modèles en un seul appel. Si le cerveau de votre agent vocal est la partie que vous souhaitez router, changer ou basculer, c’est la couche pour laquelle nous pouvons réellement vous aider — et il en va de même pour le côté synthèse vocale, où gpt-4o-mini-tts et les modèles Gemini TTS de Google sont également disponibles.
La décision, clairement énoncée
Si vous développez un produit, le choix ne se discute pas et il ne porte pas sur la qualité de la voix. GPT-Live-1.1 est invoquable, facturé à la seconde et configurable ; Sesame Preview est une application grand public avec un quota mensuel et aucun moyen d’y accéder. Développez sur le premier, et considérez le second comme une indication de la direction que prend la voix conversationnelle plutôt que comme un composant.
Si vous êtes une personne qui choisit un assistant, la comparaison s’inverse. L’offre à 20 $ de Sesame donne droit à environ 60 heures de temps de conversation par mois, soit à peu près le prix de six heures quarante minutes sur le compteur vocal de GPT-Live-1.1, et elle s’accompagne de personnages conçus pour qu’on leur parle plutôt que d’une configuration de session conçue pour être écrite. L’API n’est pas le meilleur produit pour ce travail ; c’est simplement la seule qui vous permet de construire.

Ce qui changerait la réponse, ce serait un endpoint Sesame public ou une mesure indépendante de l’une ou l’autre des voix. Ni l’un ni l’autre n’existe au 20 novembre 2026. Tant qu’il n’en existe pas, la chose utile à dire à propos de GPT-Live-1.1 face à Sesame Preview, c’est qu’ils ne sont pas vraiment en concurrence — et que le fait même qu’on les compare en dit plus sur la jeunesse de cette catégorie que sur le travail de l’une ou l’autre entreprise.
