
Realtime 1 לעומת Realtime Venus: לשכור סוכן קולי או להחזיק אחד בעלות של GPU
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 90 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 97 tok/s
- orcaחדשOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 87 tok/s
- OrcaחדשOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaחדשOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 לכל 1M טוקנים · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 182 tok/s
כל מה שבהשוואה הזו מסתכם במשפט אחד בקובץ רישיון. Realtime Venus היא Apache 2.0 — מודל 9B שאתם מורידים, מריצים על ה-A100 שלכם, ולא משלמים עליו שוב לפי דקה. MAI Realtime 1, שהוכרז על ידי Microsoft ב-17 בנובמבר 2026, הוא API מתארח במחיר של $0.01 לדקת אודיו, עם שכבת חשיבה בתמחור לפי טוקנים מאחוריו ותצוגה מקדימה של Foundry שלא גובה דבר עד לתצוגה המקדימה הציבורית. לאחד מהם יש מחיר לקריאה. ולאחר יש מחיר לשעת GPU. השוואה ביניהם לפי כרטיסי תעריפים היא טעות קטגורית, וזו הסיבה שכמעט כל כתיבה על קול מתארח מול משקלים פתוחים טועה באותו מקום.
השאלה הנכונה היא כמה עולה להפעיל כל אחד מהם בהיקף השימוש שלך ומה כל אחד מהם באמת מסוגל לעשות — ושם ההשוואה מתהפכת: הנתונים של המודל הפתוח מגיעים עם מאמר שמתאר את מערך ההרצה, ואילו אלה של המודל המתארח מגיעים מעמוד מודל שעליו נתון דיוק בודד. ההיפוך הזה הוא הסיפור.
מה כל אחד הוא בפועל
Realtime Venus מגיע מ-inclusionAI ומתועד ב-arXiv 2609.13814, כאשר הקרדיט ניתן לצוות Venus של Ant Group ולאוניברסיטת צינגהואה, והמאמר מתוארך לספטמבר 2026. הוא מופץ כשני צ'ק-פוינטים: Realtime-Venus-Omni, מודל אודיו-ויזואלי בעל 9B פרמטרים שהותאם מ-MiniCPM-o 4.5, אשר צופה ומקשיב ברציפות, מחליט מתי לדבר, ומפיק טקסט ודיבור על ציר זמן אחד; ו-Realtime-Venus-Audio, מודל אודיו בלבד בעל 9B פרמטרים על אותו שלד סטרימינג. שניהם משתמשים ב-Whisper-Medium כמקודד אודיו, ב-Qwen3-8B כשלד השפה, בטוקני דיבור S3 בדידים עם מפענח flow-matching זורם, בהקשר של 40,960 טוקנים, במשקולות BF16, ובאנגלית ובסינית כשפותיהם.
MAI Realtime 1 הוא מודל הדיבור-לדיבור הראשון של Microsoft, מערכת מתארחת דו-שכבתית: מסלול שיחתי מהיר במחיר סנט לדקה, ומנוע הסקה במחיר 1.00 דולר למיליון טוקני קלט ו-5.00 דולר למיליון טוקני פלט, שאליו מנותבות פניות קשות יותר. אין פרטי ארכיטקטורה, אין מספר פרמטרים, אין רשימת שפות. נתון הדיוק המפורסם היחיד שלו הוא 98.8% ב-Big Bench Audio, בעמוד המודל שלו עצמו, הופק על ידי הספק ולא שוחזר — וזה תמונת מראה של המצב שלהלן, שבו מעבדה קטנה יותר פרסמה את שיטת ההערכה שלה במאמר שכל אחד יכול לקרוא.
• משקלים — Realtime Venus Apache 2.0, ניתנים להורדה, שני צ'ק-פוינטים של 9B; MAI Realtime 1 סגור, גישת תצוגה מקדימה באמצעות הרשמה.
• שפות — Realtime Venus באנגלית ובסינית, במפורש; MAI Realtime 1 לא מופיע ברשימה.
• הקשר — Realtime Venus 40,960 טוקנים; MAI Realtime 1 טרם פורסם.
• חומרה — Realtime Venus זקוקה ל-A100 עבור הדגמת דופלקס בזמן אמת; MAI Realtime 1 לא זקוק לשום דבר מלבד מפתח.
• מודאליות — Realtime Venus Omni קולט וידאו ואודיו בזרימה; MAI Realtime 1 הוא דיבור-לדיבור.
• מבנה התמחור — Realtime Venus לפי שעת GPU, לתמיד; MAI Realtime 1 לפי דקת אודיו בתוספת אסימוני הסקה.
המספרים ש־Realtime Venus פרסמה, ומה משמעותם
המאמר מפרט באופן יוצא דופן את התנהגות הדופלקס המלא, שהוא החלק שרוב מודלי הקול מותירים מעורפל:
• תגובה להפרעות — 75% מהפרעות המשתמש נענו, ב-Full-Duplex-Bench v1.5.
• המשך לאחר תגובות קשב — 97%.
• המשך כאשר הדיבור מופנה למקום אחר — 88%.
• המשך תחת דיבור רקע — 86%.
• הטענה של המחברים — ש"הם עולים על Gemini 3.1 Live ועל GPT-4o בכל שלושת מדדי ההמשכיות." שימו לב ליעדי ההשוואה: Gemini 3.1 Live, שאותו Google מסמנת כעת כ-Legacy לטובת 3.8 Live, ו-GPT-4o. אף אחד מהם אינו החזית הנוכחית, כך שההישג אמיתי אך הרף בן דור.
בהבנה, Realtime-Venus-Audio מוביל בקבוצת ההשוואה שלו ב-MMAU עם 78.0%, ב-MMAU-Pro עם 63.2%, ב-Llama Questions עם 83.8%, וב-Speech CMMLU עם 67.8%, ומשתווה לציון הגבוה ביותר ב-VoiceBench AlpacaEval העומד על 4.81. Realtime-Venus-Omni הוא הטוב ביותר מבין המודלים המקוונים שנבחנו בשש מתוך שמונה מדדי וידאו, כולל StreamingBench עם 70.2%, OVO-Bench עם 64.7% ו-Daily-Omni עם 81.3%.
כל אלה הם ההערכות של המחברים עצמם במאמר שלהם. הן ראיות חזקות יותר מדף שיווקי — לפחות מתוארים מערך הבדיקה וקבוצת ההשוואה — וראיות חלשות יותר מלוח בלתי תלוי. Artificial Analysis אינה כוללת את Realtime Venus נכון ל-18 בנובמבר, ולכן אף צד שלישי לא הריץ אותן מחדש.
המספר היחיד שחסר בסיכום ברמת התקציר של המאמר הוא זה שחשוב לסוכן תמיכה: ציון השלמת משימות אג'נטיות של τ-Voice. Realtime Venus בנויה סביב רעיון אחר — מנגנון <delegate> שדוחף משימות חיצוניות אסינכרוניות לסביבת הרצה נפרדת של Harness, כך שהשיחה ממשיכה לרוץ בזמן שהעבודה מתרחשת ברקע. זה קרוב ארכיטקטונית למה ש-MAI Realtime 1 עושה באופן פנימי עם שכבת החשיבה שלו, ולמה ש-GPT Live 1 עושה בכך שהוא מעביר לסוכן backend. שלושה מוצרים שונים, תכנון מתכנס אחד: דברו מהר, האצילו את החשיבה. אף אחד לא פרסם השוואה ראש-בראש על חלק ההאצלה.

החשבון שמחיר לפי דקה מסתיר
כאן ההשוואה מפסיקה להיות עניין של תעריפים. MAI Realtime 1 בסנט לדקה שווה 0.60 דולר לשעת אודיו. כרטיס A100 בודד שמריץ את Realtime Venus עולה באזור של 1.50 עד 2.50 דולר לשעה בתמחור ענן סטנדרטי — נקרא לזה 2 דולר לשם הדיון, ונשים לב שזהו מחיר שוק, ולא משהו שאף אחד מהספקים מפרסם.
• נקודת איזון — בערך שלוש עד ארבע שיחות בו-זמניות ממלאות A100 אחד בקצבים האלה. מתחת לכך, השכרה זולה יותר. מעל לכך, בעלות זולה יותר.
• המלכוד בצד המארח — {{1}}שכבת ההיגיון של MAI Realtime 1{{/1}} מחויבת לפי טוקן בנוסף לתעריף הדקה, כך שהעלות האמיתית שלה לשעה גבוהה מ-{{2}}$0.60{{/2}} ואינה ידועה.
• המלכוד בצד האחסון העצמי — המקביליות לכל A100 עבור מודל דופלקס 9B גם היא אינה מפורסמת. הדמו דורש "לפחות NVIDIA A100 אחת", מה שאומר שהוא רץ, אבל לא אומר דבר על מספר הזרמים שהוא מחזיק.
אז שני הצדדים של נקודת האיזון הם הערכות. מה שאינו הערכה הוא צורת העקומה: עלות אירוח גדלה באופן ליניארי ולנצח; לעלות בהרצה עצמית יש רצפה קבועה ואז היא מתכופפת. פיילוט של מאה שיחות ביום צריך לשכור. מוקד עם מאתיים קווים במקביל לא צריך, אלא אם המודל המאוחסן טוב מהותית יותר — ובהתמודדות הזו, המודל הפתוח הוא זה שטענות הדיוק שלו מגיעות עם מסגרת בדיקה מפורסמת.
קיימת גם אסימטריה תפעולית שלעולם אינה מופיעה בכרטיס תעריפים. אירוח עצמי של מודל דופלקס 9B משמעו בעלות על קיבולת GPU, התנעות קרות, טעינת מודלים ומצב הכשל שבו צומת נופל והשיחות נופלות. אירוח מנוהל משמעו לא להיות בעלים של דבר מזה, ולקבל את ההשהיה, הזמינות ולוח הפסקת התמיכה של הספק. צוותים ממעיטים בעקביות בערך הראשון ומעריכים יתר על המידה את השני, בדרך כלל מפני שהראשון בלתי נראה בגיליון אלקטרוני.
כאשר למודל המתארח אין תשובה עם משקלים פתוחים
שלושה דברים, והם לא קטנים.
תשתית ארגונית: MAI Realtime 1 מגיע אל Dynamics 365 Contact Center ואל Dragon Copilot עבור סימולציות לאימון אחיות, כאשר Agoda ו-Reservations.ai בוחנות אותו. אלו הן אינטגרציות לתוך מערכות שמודל באירוח עצמי אינו יכול להגיע אליהן מבלי שתבנה בעצמך את המחברים.
תאימות: הוא מדבר את OpenAI Realtime API, כך שמערך קולי קיים צריך מחרוזת מודל ולא שכתוב. Realtime Venus מגיעה כחבילת Python — AutoModel.from_pretrained, as_duplex(), streaming_prefill() ו-streaming_generate() בזרימה לפי שנייה, FFmpeg ו-CUDA על המארח. זהו פרויקט הנדסי אמיתי.
והיקף התמלול: ההכרזה הנלווית של מיקרוסופט, Dragon Copilot Transcribe על MAI Transcribe 2, מכסה הכתבה קלינית בהיקף ששום דבר במאמר של Venus לא מתייחס אליו — 10 מיליון מפגשי מטופלים בחודש, מחצית משיעור השגיאות הרב-לשוני, לפי מיקרוסופט עצמה. אם המוצר שלך הוא קליני, האקוסיסטם הזה הוא הטיעון, לא התעריף לדקה.
היכן שלמשקלים הפתוחים אין תשובה מתארחת
וידאו. Realtime-Venus-Omni הוא מודל אודיו-חזותי בזרימה — הוא צופה ומאזין, ובנצ'מרקים של Omni הם בנצ'מרקים של וידאו. MAI Realtime 1 הוא דיבור. אם האינטראקציה כוללת מצלמה, שיתוף מסך או מטופל שמחווה לעבר משהו, ההשוואה אינה קרובה, כי המודל המתארח אינו מנסה לעשות זאת.
גם זיכרון לווידאו ארוך: כרטיס Venus טוען ליכולת זיכרון על פני וידאו ארוך ללא אימון נוסף, באמצעות מתג use_memory(). דבר בהכרזה של Microsoft אינו מתייחס לזיכרון לאורך סשן.
והרישיון. Apache 2.0 אומר שאפשר לכוונן אותו, לשלב אותו בתוך מוצר, להפעיל אותו בתחום שיפוט שאין ל-Microsoft בו אזור, ולשמור את האודיו על החומרה שלך. בפריסה קלינית או במגזר הציבורי שבה הנתונים לא יכולים לצאת מהבניין, זו אינה העדפה — זו הדרישה, וכל הנחה לפי דקה אינה מהווה תחליף לכך.

ההיברידי שרוב הצוותים צריכים למעשה לבנות
ההתכנסות שצוינה קודם היא התשובה המעשית. כל שלושת המוצרים האלה — Realtime Venus, MAI Realtime 1, GPT Live 1 — מפרידים בין השיחה לבין העבודה: Venus באמצעות <delegate> ו-Harness runtime, Microsoft באמצעות שכבת חשיבה פנימית, OpenAI באמצעות סוכן backend המחובר באופן מפורש. בכל מקרה החלק הקשה הוא מודל שני שמבצע את החשיבה, ובכל מקרה השכבה הזו היא המקום שבו העלות וההשהיה מתרכזות.
מה שאומר שההחלטה ביניהם היא למעשה החלטה לגבי הפרונט-אנד, והבקאנד יכול להיות זהה בשני המקרים. OrcaRouter בנוי עבור השכבה השנייה הזו: יותר מ-200 מודלים במפתח אחד במחיר המחירון של הספק עם 0% תוספת, כך שלא משנה איזה פרונט-אנד תבחרו, מודלי החשיבה שמאחוריו ניתנים להחלפה ושינוי מחיר של ספק נכנס לתוקף באותו יום. מעבר אוטומטי לגיבוי הוא מה שהופך משימה שהואצלה למשהו בטוח להרצה בפרודקשן — קריאה ברקע שנכשלת בשקט היא הבטחה לקורא שלעולם אינה מתקיימת, וניסיון חוזר מנותב בין ספקים הוא ההבדל בין משימה שמסתיימת לבין אחת שפשוט לא. שפת ה-DSL לניתוב היא הדרך שבה מדיניות ההאצלה הופכת לכלל: אילו כוונות עוברות הסלמה, לאיזה מודל, ובאיזה תקציב.
אף אחד משני מודלי הקול האלה אינו בקטלוג שלנו — {{1}}Realtime Venus{{/1}} הוא משקולות Apache 2.0 שאתם מארחים בעצמכם, ו{{2}}MAI Realtime 1{{/2}} הוא תצוגה מקדימה בגישה מוגבלת של MAI Labs ו-Foundry. מה שאנחנו מנתבים הוא כל מה שהם מאצילים אלינו.

בחירה, באופן קונקרטי
התחל עם Realtime Venus אם אחד מהבאים נכון: הנתונים לא יכולים לצאת מהתשתית שלך, האינטראקציה כוללת וידאו, אתה צריך בדיוק אנגלית וסינית ולא שום דבר אחר, יש לך כבר קיבולת GPU, או שהנפח שלך גבוה מספיק שחיוב ליניארי לפי דקה הוא לא המודל המתאים. קבל בתמורה שאתה מריץ סטאק ברמת מחקר עם API של Python, מאמר בתור התיעוד שלך, ואין בנצ'מרק עצמאי לאימות המספרים של המחברים.
התחל עם MAI Realtime 1 אם האינטראקציה היא דיבור בלבד, הווליום צנוע, האינטגרציה כבר בצורת OpenAI-Realtime, וסנט לדקה הוא המספר שהופך את הפרויקט לבר-קיימא בכלל. קבל בתמורה שאתה כמעט לא יכול למדוד ממנו דבר: נתון דיוק אחד שמדווח על ידי הספק, השהיה P50 ללא התפלגות, ללא ציון τ-Voice, ללא רשימת שפות, ודמו לא-מסחרי באורך שתי דקות שדיווח על עצמו כלא זמין כשבדקנו.
ועקבו אחרי הדבר ששניהם מהמרים עליו בשקט. Realtime Venus, MAI Realtime 1 ו-GPT Live 1 הגיעו כולם למסקנה שמודל קולי לא צריך לחשוב לעומק בזמן שמישהו ממתין. ההבדל ביניהם הוא רק לאן הולכת החשיבה. מי שיפרסם ראשון שיעור השלמת משימות עבור המחצית המואצלת יכריע בהתמודדות שתעריפי הדקה לעולם לא יוכלו להכריע.
