GPT-Live-1 מול Voxtral 3: המחיר שאינו המחיר

Voxtral 3 מפרסם סוכן קולי שלם ב-0.04 דולר לדקה. GPT-Live-1 מפרסם ב-0.05 דולר לדקה ואז מחייב אותך שוב על החשיבה. לפי המספרים המוצהרים, Mistral זולה ב-20% וכוללת יותר — תמלול דיבור לטקסט, המרת טקסט לדיבור ומודל חשיבה בתעריף אחד — ואילו הנתון של OpenAI מכסה רק את שכבת הקול. הקריאה הזו נכונה מבחינה טכנית ומטעה מבחינה מעשית, מפני ששני התעריפים לא קונים את אותו הדבר.

שניהם יצאו לאור בתוך שישה שבועות זה מזה: GPT-Live-1 ל-API ב-10 בספטמבר 2026, ו-Voxtral 3 בתצוגה מקדימה ציבורית ב-20 באוקטובר. שניהם מכוונים לאותו לקוח — מישהו שבונה סוכן טלפוני שצריך לנהל שיחה. הם מגיעים לשם בדרכים הפוכות, וההבדל בעלות שורד רק אם לא מפריעים להם אף פעם.

מה באמת נמצא בתוך כל דקה

התחל במה שהמונים כוללים, כי זה המקום שבו ההשוואה משתנה.

• Voxtral 3 סוכן מלא — $0.04 לדקה עם Mistral Small 4 כמנוע החשיבה, $0.08 עם מודל חזק יותר. זה מכסה תמלול, סינתזה ומודל השפה.

• GPT-Live-1 — 0.05 דולר לדקה עבור קול בלבד, בחיוב לפי שנייה. חשיבה בצד השרת, קריאות לכלים וחיפוש באינטרנט מחויבים בנפרד בתעריפי מודל רגילים.

• Voxtral 3 TTS בלבד — $13 למיליון תווים, בערך $0.70 לשעת דיבור בקצב רגיל.

• קלט אודיו של GPT-Live-1 — נמדד בעלות של $5.83 לשעת קלט אודיו בתצורת החשיבה הגבוהה שלו, ו-$4.47 בתצורה הנמוכה, לפי מערך 40 השאלות הקבוע של Artificial Analysis.

אז ההשוואה הכנה של מחיר לדקה בשיחה בת עשר דקות היא 0.40 דולר עבור Voxtral 3 כשהכול כלול, לעומת 0.50 דולר בתוספת backend עבור GPT-Live-1 — אפשר לקרוא לזה 0.50 עד 0.55 דולר בהתאם לכמה הסוכן צריך לחשוב. Mistral מנצחת בחישוב הזה, והיא מנצחת בו בכך שהיא כוללת רכיב ש-OpenAI משאירה מחוץ לחישוב.

אלא אם השיחה היא בעיקרה שקט. התעריף של Voxtral לסוכן קולי נמדד כמו סשן; זה של GPT-Live-1 בהחלט כן. אף אחד מהספקים לא מפרסם פטור עבור שקט, וכל פריסה שמשאירה מתקשרים בהמתנה צריכה להניח ששני המונים ממשיכים לפעול. ההבדל הזה לא מיטיב עם אף צד, אבל הוא כן אומר שתעריפי הכותרת הם המקום הלא נכון לבצע בהם אופטימיזציה.

צנרת מול דופלקס, שוב

Voxtral 3 הוא סטאק, לא מודל: מודלי תמלול (Mini Transcribe 3 עם 4B פרמטרים, Small, וגרסת realtime), מודל סינתזה, ו-Voice Agent SDK מבוסס LiveKit שמחבר את כולם יחד עם מודל שפה באמצע. הצהרת ההשהיה של Mistral עצמה היא כ-90 מילישניות עד לאודיו הראשון, וזה ממש מהיר עבור שלב הסינתזה.

סינתזה מהירה אינה אותו דבר כמו חילופי תורות טובים. גם במערכת מדורגת (cascade) עדיין צריך להחליט מתי האדם סיים לדבר, וההחלטה הזו מתקבלת על ידי גלאי פעילות קול או מודל זיהוי תורות שיושב לפני הצינור. כשהם מנחשים לא נכון, הסוכן או מדבר מעל המתקשר או ממתין רגע אחד יותר מדי, וזה לא יתוקן על ידי שום כמות של סינתזה ב-90ms.

GPT-Live-1 היא רשת אחת ששומעת ומדברת בו-זמנית, ומחליטה פעמים רבות בכל שנייה אם לפנות את התור. זו היכולת שאתם משלמים עליה את הסנט הנוסף, והיא אינה תכונה שאפשר להרכיב מחלקים. זו גם הסיבה שלמודל של OpenAI אין סעיפי תמלול או סינתזה: אין מה לפרט לסעיפים.

המבחן המעשי אינו השהיה אלא שיעור הקטיעות. אם האנשים המתקשרים אליך מדברים במשפטים שלמים וממתינים לתורם, פייפליין הוא בסדר וזול יותר. אם הם אומרים "לא, רגע, התכוונתי לאחר" באמצע, אתה קונה התנהגות דופלקס בין אם הודית בכך ובין אם לא.

שפות, דיאלקטים והיכן שהנתונים נמצאים

Mistral משיקה את Voxtral 3 עם יותר מ-35 שפות ויותר מ-50 דיאלקטים, כוונון רגש וסגנון, שיבוט zero-shot וכן מסלול התאמה "Pro Voice" שדורש כ-30 דקות של אודיו ייחוס. התיעוד של GPT-Live-1 אינו מתייחס לכיסוי דיאלקטים ומציע קולות מודל קבועים ללא שיבוט.

אם המוצר שלך הוא אירופי — צרפתי, גרמני, איטלקי, ספרדי, הולנדי — Voxtral 3 הוא ההצעה המקיפה יותר, והמיצוב האירופי של Mistral הוא טיעון ממשי בשיחות רכש ש-OpenAI אינה נותנת לו מענה ישיר באותה מידה. זו עובדה עסקית ולא מדד ביצועים, ועבור קונים רבים היא מכריעה את העסקה עוד לפני שמדברים על השהיה.

אם המוצר שלך הוא תמיכה או הזמנות בשפה האנגלית בשוק יחיד, רוחב השפות הוא מלאי שלא תעשה בו שימוש, והתנהגות הדופלקס היא הדבר שתבחין בו בכל שיחה.

מלכודת המשקלים הפתוחים

כדאי להדגיש את זה כי זה מכשיל אנשים: Voxtral 3 עצמו הוא API סגור. המודל שניתן להוריד במשפחה הזו הוא צ'קפוינט TTS 4B ישן יותר ממרץ 2026, ששוחרר תחת CC BY-NC 4.0 — לא מסחרי — מודל אחר וישן יותר עם ציון זירה נמוך יותר. פריסה עצמית ארגונית של Voxtral 3 היא הסדר במשא ומתן, לא קישור להורדה.

אז אף אחד מהמודלים בהשוואה הזו לא מספק לך משקלים. ל-GPT-Live-1 אין כאלה מלכתחילה, מתוך תכנון. ל-Voxtral 3 אין כאלה בשל מדיניות. אם בעלות על המודל היא דרישה, שניהם מחוץ לתמונה, והשיחה עוברת ל-Fish Audio Drama 3 או ל-Ming-3.0-TTS במקום.

מה מודדות מועצות המנהלים, ומה הן לא מודדות

Voxtral 3 TTS נמצא ב-1223 Elo ב-Provider Voice Arena של Artificial Analysis, נמדד ב-29 באוקטובר 2026 — במקום הארבעה עשר מבין המתחרים, ב-13 דולר למיליון תווים. זו תוצאת סינתזה מוצקה: מאחורי Eleven v4 עם 1334, ולפני כמה מודלים יקרים יותר.

GPT-Live-1 אינו מופיע בלוח הזה, וכל מי שמציב את ציון מדד הדיבור-לדיבור שלו, 83.2, לצד 1223 של Voxtral, משווה מדד שיחה משוקלל עם Elo של העדפה עיוורת. בלוחות שבהם מערכות שיח כן מופיעות, GPT-Live-1 משיג 1037 עד 1041 Elo ב-Speech Agent Arena, עם 87.4% עד 90.9% הצלחת משימה. מערך הסוכנים של Voxtral 3 טרם צבר מספיק שיחות בארנה כדי להיכלל ברשימה.

היעדר זה הוא העובדה השימושית ביותר בפרק הזה. אין השוואה ראש בראש עצמאית בין השניים, מה שאומר שכל השוואה שתקראו — כולל זו — נשענת על תעריפים וארכיטקטורה שפורסמו, ולא על ניסוי מבוקר. כל מי שאומר לכם שאחד מהם נשמע טבעי יותר באופן מדיד בטלפון מצטט ספק.

היכן נוחת ויכוח הניתוב

אף אחד מהמודלים אינו מוגש על ידי OrcaRouter. Voxtral 3 הוא ה-API של Mistral; GPT-Live-1 הוא של OpenAI. מה שכן ניתן לניתוב הוא מנגנון החשיבה שכל אחד מהם מאציל אליו — וכאן שתי הארכיטקטורות מתפצלות באופן שמשפיע על אופן בניית הסטאק.

Voxtral 3 מאפשר לך לבחור את מודל ההיסק בתוך תעריף הסוכן שלו: Small 4 ב-$0.04, משהו חזק יותר ב-$0.08. GPT-Live-1 משאיר את ה-backend פתוח לחלוטין, מה שאומר שאתה יכול לכוון אותו לכל מודל טקסט שתבחר — כולל GPT-6 Astra, GPT-5.6 Terraאו בשכבה זולה יותר, מאחורי מפתח אחד, כאשר ה-DSL לניתוב מאפשר לך לקבע מודלים שונים לסוגי משימות שונים בתוך אותה פריסה.

הגמישות הזו שווה כסף אמיתי בעומס עבודה מעורב: מודל זול מטפל באימות כתובת, ומודל מוביל מטפל בחיוב השנוי במחלוקת — בלי חוזה שני או אינטגרציה שנייה. מחירי המחירון של הספק מועברים הלאה במרווח של 0%, כך שהפחתה בשכבת ההיסק מגיעה לחשבון שלך ביום שהיא נוחתת ולא בחידוש החוזה הבא.

ההחלטה

בחר ב-Voxtral 3 אם אתה בונה באירופה, זקוק לשפות וניבים רבים, רוצה חשבונית אחת שמכסה מתמלול ועד סינתזה, והמתקשרים שלך מנומסים במידה סבירה בכל הנוגע להמתנה לתור. זה זול יותר לדקה בסך הכול, זו המערכת השלמה יותר, וציון הסינתזה 1223 הוא מכובד.

בחר ב-GPT-Live-1 אם הקטיעות הן המוצר — קליטה, מיון, שיגור, כל דבר שבו המתקשר מתקן את עצמו והסוכן צריך לשמוע את זה קורה. תשלם יותר לדקה, תהיה לך פחות בעלות, ותקבל את ההתנהגות היחידה שצינור לא יכול לקנות בשום מחיר.

המלכודת שיש להימנע ממנה היא להשוות בין שני התעריפים המוצגים בכותרת ולסיק ש־$0.04 עדיף על $0.05. המספרים האלה לא מודדים את אותה דקה: האחד כולל מתמלל, סינתיסייזר ורכיב הסקה; האחר כולל אוזן. קנו את זה שתוכנו מתאים למשימה, ואחר כך התווכחו על המחיר.