Rime Prism לעומת Sesame Preview: כרטיס תעריפים מול מוניטין

אפשר לשמוע את Sesame Preview הערב בחינם. אי אפשר לקנות אותו. אפשר לקנות את Rime Prism ב-0.080 דולר לדקה, וכמעט אף אחד מחוץ ל-Rime לא פרסם קטע קולי שהותר לו למדוד. שני החצאים של המשפט הזה הם ההשוואה: אחד מהם הוא הקול המוערך ביותר ב-AI הצרכני שאיש ממפתחים לא יכול לפנות אליו, והשני הוא נקודת קצה ארגונית חדשה לגמרי שסטארט-אפ יכול להכניס לעץ טלפוני השבוע. Rime Prism הושק ב-28 באוקטובר 2026 כמודל הדיבור-לדיבור הראשון של Rime. Sesame Preview פועל כתצוגה מקדימה מחקרית חינמית מאז תחילת 2025, כשהקול הייצורי שמאחוריו עדיין לא שוחרר.

משווים ביניהם מפני ששניהם טוענים לריאליזם שיחתי, ומפני ששניהם תומכים רק באנגלית בעת ההשקה. הם אינם חלופות זה לזה. האחד הוא יישומון שאיתו מדברים, והאחר הוא נקודת קצה שעליה בונים, וההחלטה ביניהם היא פחות בחירה של קול ויותר בחירה אם אתם קונים מוצר או רכיב.

הפיצול שמכריע כמעט הכול

צוות שרוצה להשיק סוכן שואל שתי שאלות בסדר הזה: האם אני יכול לבצע קריאה אליו, ומה העלות לכל קריאה. Sesame Preview נכשל בשאלה הראשונה. אין API ציבורי למודל שמאחורי האפליקציה, אין מזהה מודל, אין נקודת קצה ואין מחיר מפורסם. ה-Sesame שאיתו אפשר לדבר הוא מוצר צרכני עם ארבעה עוזרים בעלי שמות, זיכרון מתמשך ומערך כלים הולך וגדל; המודל שמתחתיו אינו משהו שמפתח יכול לפנות אליו.

הדבר היחיד של Sesame שאפשר להפעיל הוא CSM-1B, צ'ק-פוינט במשקלים פתוחים שהחברה שחררה ב-2025 ברישיון Apache 2.0: כ-1B פרמטרים, חלון הקשר של 4K, אודיו מונו ב-24 kHz. זה לא הקול באפליקציה, וזה לא סוכן — הוא מותנה בהיסטוריית השיחה אבל לא יכול לנמק לגביה כפי שמודל שפה עושה. זהו רכיב דיבור, ורכיב בודד בלבד.

• זמינות — Rime Prism הוא API בתשלום עם מסלול חינמי; Sesame Preview היא אפליקציית צרכן חינמית ללא API לקול שלה שבשימוש בייצור.

• מחיר — Prism ‏$0.080 לדקת אודיו בשיחה ב-Flex, ‏$0.064 ב-Scale; Sesame אינה מפרסמת מחיר ואינה גובה דבר עבור האפליקציה.

• סיכון חיוב — Prism גובה תשלום בין אם השיחה עוברת היטב ובין אם לא; העלות של Sesame היא מה שעולה האפליקציה, שזה אפס — וזה לא מודל עסקי שאפשר לתכנן לפיו.

• בסיס ההשהיה — Prism: 0.57 שניות זמן עד לאודיו הראשון, כפי שנמדד על ידי הספק על τ-Voice; האפליקציה של Sesame טוענת לפחות מ־300 מ״ש, ומדידה של צד שלישי של פרסונת Maya הציבה את הזמן עד לבייט הראשון על 80 עד 130 מ״ש.

• ציון עצמאי — אף אחד מהמודלים אינו מופיע במדד Speech-to-Speech של Artificial Analysis.

• שפות — שניהם באנגלית בלבד בהשקה; Sesame מפרטת צרפתית, איטלקית, גרמנית, ספרדית, סינית, יפנית וקוריאנית כתמיכה מוקדמת.

• פריסה — Prism מציעה ענן, VPC ו-on-premises עם HIPAA BAA ו-SOC 2 Type II; Sesame מציעה אפליקציה.

Rime Prism, כנקודת קצה

Prism נמכר באותו אופן שבו נמכרת תוכנה ארגונית: שכבה חינמית עם זיכוי חודשי של $50 וללא כרטיס, Flex ב-$0.080 לדקה ללא התחייבות, Scale ב-$100 לחודש עם זיכוי של $100 וב-$0.064 לדקה, ו-Enterprise עם תעריפים לפי נפח והתחייבות שנתית. כל שכבה היא אותו מודל. Prism מעביר נתונים דרך WebSockets ומתחבר ל-LiveKit ול-Pipecat, וזה חשוב מפני ששם כבר נמצאים רוב סוכני הקול שנבנו בעצמם.

התכונות שמצדיקות את המחיר הן דווקא אלה שלאפליקציה צרכנית אין שום סיבה לבנות. Prism כותבת את תשובתה כטקסט לפני שהיא מדברת, כך שאפליקציה יכולה לקרוא את המשפט המדויק, להריץ עליו בדיקת מדיניות או מסנן PII, ולתת לאודיו להמשיך רק אם הוא עובר — בעוד המודל ממשיך להקשיב, כך שהבדיקה לא חייבת להפוך להפסקה נשמעת. קריאות לכלים פועלות במקביל לדיבור. כיוונון עדין על שיחות ורשומות כלים של הלקוח עצמו הוא מקרה העסקי המרכזי, כאשר ממשקי ה-API של SFT ו-RL בשירות עצמי עדיין נמצאים בבטא.

הנתונים של החברה עצמה מעמידים את הזמן עד לאודיו ראשון על 0.57 שניות ואת השלמת τ-Voice על 56.6%, עם 82.5% בתת-קבוצת הטלקום של הבנצ'מרק. מחקר מקרה של Revmo על כעשר שעות של שיחות הזמנה אמיתיות מצוטט כ-100% אישורי הזמנה לעומת 68% עבור מודל OpenAI שאינו מזוהה בשמו. מדובר במחקר לקוח שהוזמן, ללא מתודולוגיה מפורסמת, ויש לקרוא אותו כטענת ספק ולא כתוצאה.

Sesame Preview, כמוצר

ההבטחה של Sesame היא שעוזר קולי צריך להרגיש כמו אדם שאתם מכירים. ארבע הדמויות — מאיה, השותפה השנונה; מיילס, הנינוח; סימון, לצלילות מעמיקות; וצ'ארלי, כאוזן קשבת לא רשמית — כל אחת נושאת את הזיכרון שלה ואת אופן הדיבור שלה. האפליקציה מחפשת באינטרנט, מבצעת מחקרים ארוכים, שומרת הערות ותזכורות, מסכמת שיחות ותומכת במצב אנונימי. ב-6 באוקטובר 2026 השיקה Sesame גרסת CSM מעודכנת עם כושר הבעה והגייה משופרים, העניקה לסוכנים שלה גישה למחשב משלהם, והוסיפה מחברים ל-Gmail, Calendar ו-Drive, שרתי MCP חיצוניים דרך OAuth, יכולות שבנו משתמשים ומחולל תמונות בתוך האפליקציה.

מה שחסר לו הוא דרך להיכנס. האפליקציה חינמית, אינה מריצה פרסומות ואינה מוכרת נתונים — דבר נעים למשתמש ודבר בלתי פתור לקונה. כיצד Sesame מתכוונת להרוויח כסף, והאם מפתחים יקבלו אי פעם נקודת קצה, עדיין לא הוכרז. המשקפיים מתוארכים ל-2027 וליפן; כלי פיתוח הובטחו ל"המשך השנה" בלא פרטים.

המוניטין אמיתי, עם זאת. הקולות של Sesame הם אלו שאנשים שולחים זה לזה קליפים שלהם, והקונסנזוס של המבקרים היה חם באופן לא שגרתי במשך שנתיים רצופות. הבעיה היא שמוניטין אינו מפרט: לא פורסם נתון השהיה עבור מודל הייצור, לא קיים עבורו ציון האזנה עיוורת, והדבר היחיד שניתן להריץ באופן עצמאי הוא צ'קפוינט 1B, וזה דבר אחר.

היכולת היחידה ש-Sesame שללה

אם הסיבה שאתם רוצים את הקול של Sesame היא שהוא נשמע כמו אדם, הדבר שבאמת צריך לשכפל הוא לופ שיחתי, לא גוון קול. ולופ שיחתי עבור עסק כולל דרישות שאפליקציית צרכנים לעולם לא צריכה לעמוד בהן: נתיב ביקורת של מה שהסוכן עמד לומר, דרך לעצור בעדו מלומר זאת, קריאת כלי שמסתיימת לפני שהמתקשר שם לב, ופריסה שעוברת בדיקת ציות.

Prism בנוי סביב הדרישות הללו, וזו הסיבה שהוא עולה כסף. Sesame בנוי סביב ההפך: חוויה סגורה, אצורה ומסוננת, חינמית, שבה החברה שולטת בכל משתנה. שניהם מוצרים שניתן להצדיק. רק אחד מהם הוא רכיב שאפשר לחבר לקו תביעות.

שניהם קיימים רק באנגלית — מסיבות הפוכות

Prism הושק באנגלית בלבד עם סט קולות מוגבל, משום שזו מהדורה ראשונה וכיסוי קולי יקר לספק. Sesame שם את האנגלית במקום הראשון, משום שהמוצר שלו הוא סט של אישיויות דוברות אנגלית; צרפתית, איטלקית, גרמנית, ספרדית, סינית, יפנית וקוריאנית מסומנות כ״תמיכה מוקדמת״, וזו הבטחה שונה מ״נתמך״.

עבור מרכז שירות רב־לשוני זהו הקטע שמסיים את המאמר. אף אחד מהמודלים אינו מכסה היום תור המשלב שפות, וההשוואה שבאמת חשובה לאותו קונה היא מול שכבת TTS עם כיסוי שפות רחב בתוספת מודל טקסט מנותב, ולא מול אף אחד מאלה.

בעיית המדידה

אף אחד מהמודלים אינו מופיע במדד ה-Speech-to-Speech של Artificial Analysis, הלוח העצמאי היחיד שמדרג מודלים קוליים שיחתיים לפי השלמת משימות, העדפה בארנה והצלחת משימות. היעדרות זו אינה ביקורת על אף אחד מהמוצרים; היא הסיבה שדף זה נאלץ להישען על טענות היצרנים בשני המקרים.

הנתון של Prism עבור τ-Voice, 56.6%, הוא הרצה של Rime עצמה. בטבלה ש-Rime מפרסמת לצידו, GPT-Live-1 (Sol, low) מופיע עם 59.3% — גבוה מ-Prism — בעוד שהנוסח טוען ש-Prism מקדים את כל דגמי הזמן אמת של OpenAI ו-Google. פוסטי ההשקה גם חוזרים על "מתחת ל-300 ms" ו"מהיר פי 4", נתונים שלא מופיעים בטבלת הבנצ'מרק, שבה כתוב 0.57 s. ייתכן שאלה מדידות של דברים שונים; Rime אינה מפרטת של מה.

מעמדה של Sesame קשה עוד יותר, משום שאין מודל ייצור שאפשר למדוד. לזכותה ייאמר שהיא בנתה את הכלי שימדוד אחד כזה: TurnBench, שיצא ב-28 באוגוסט 2026, הוא מדד בקוד פתוח לחילופי תורות בדיאלוג דבור, שנבנה עם Carnegie Mellon, ‏Mundo AI ו-Oto, עם לוח תוצאות ציבורי ודירוג בשירות עצמי. זהו מדד של Sesame עצמה ולא מדד ניטרלי, אך תרומה של ממש, והמספר שעליו הוא בנוי הוא הנתון השימושי ביותר בכל ההשוואה הזאת: הפער האופייני בין תורות של בני אדם הוא כ-200 אלפיות השנייה, ואילו תכנון של מילה אחת אורך כ-600 אלפיות השנייה. לכן חילופי התורות, ולא איכות הקול, הם מה שמסגיר מכונה.

הראיה הבלתי־תלויה היחידה שמצורפת לקטלוג של Rime היא קו ה-TTS שלה, ובזירת ה-Text-to-Speech Arena ‏Coda מדורגת במקום ה-65 מתוך 99 באלול 1,054 ו-Mist V2 מדורגת במקום ה-92 ב-903. זה לא אומר דבר חד־משמעי על Prism, שקולותיה חדשים — אבל זה כן אומר ש"ל-Rime מעולם לא היה קול בדירוג גבוה בלוח בלתי־תלוי" היא אמירה נכונה שקונה צריך לשמוע לפני חתימה על חוזה עם Scale.

כמה עולה קו טלפון לכל כיוון

את Prism קל לתמחר. עשרת אלפים דקות של שיחות נכנסות עולות $800 ב-Flex או $640 ב-Scale, לפני כל הנחת Enterprise. שיחה של חמש דקות עולה $0.40. אם הסוכן צריך גם לסכם את השיחה לאחר מכן, זו עלות נוספת של מודל טקסט, והיא קטנה לעומת חשבון הקול.

אי אפשר לתמחר את Sesame, מפני שאין תעריף שעל פיו אפשר לתמחר אותו. האפליקציה לא עולה כסף ואינה ניתנת להטמעה; הצ'קפוינט הפתוח עולה 7 דולר למיליון תווים מהספק המארח היחיד שלו, ואירוח עצמי שלו משמעו להחזיק בעצמך במערך ההסקה, בקודק, בזיהוי התורות ובלוגיקת הסוכן. כל מי שמציין עלות לדקה עבור "Sesame" מציין את היעדר החיוב של האפליקציה, לא שירות.

זו האסימטריה המעשית: {{1}}Prism{{/1}} יקר וקריא, {{2}}Sesame{{/2}} חינמי ובלתי זמין. ישיבת תקציב יכולה להתווכח עם 0.080 דולר לדקה. היא לא יכולה לעשות דבר עם "אין נקודת קצה".

שלושה קונים, שלוש תשובות שונות

ארגון המפעיל שיחות תמיכה נכנסות צריך לבחון את Prism. נקודת ביקורת הטקסט, ה-BAA של HIPAA, האפשרות של התקנה מקומית והתעריף לדקה — כולם מכוונים בדיוק למשימה הזו, והסיכון שבהצהרות הספק הוא כזה שאפשר לחיות איתו, מפני שהתנאים המסחריים שגרתיים. הריצו פיילוט על זרימת שיחה אחת, מדדו את שיעור ההכלה בעצמכם, והתייחסו לחקר המקרה של Rime — 100% מול 68% — כהשערה שיש לבחון ולא כתחזית.

מפתח שרוצה שהצליל של Sesame יהיה בתוך מוצר לא צריך לחכות ל-API שטרם הוכרז. המסלול הריאלי הוא צ'קפוינט TTS בקוד פתוח בתוספת תזמור משלך — והתזמור הוא החלק שאפשר לשכור בזול. OrcaRouter מציב יותר מ-200 מודלים של טקסט מאחורי מפתח אחד במחיר המחירון של הספק עם תוספת של 0%, מוסיף מעבר אוטומטי לגיבוי כך שסוכן קולי לא ייפול כשאחד הספקים חווה דקה רעה, וחושף DSL לניתוב כך שפניות שגרתיות יכולות ללכת למודל קטן והסלמות למודל גדול. שכבת הקול ושכבת ההסקה לא חייבות לבוא מאותה חברה, ולרוב הבונים גם לא כדאי שהן יבואו ממנה.

צרכן, או כל מי שבונה עוזר אישי לעצמו, פשוט צריך להשתמש ב-Sesame. זה בחינם, זה טוב, והיעדר API אינו רלוונטי למי שאינו כותב קוד.

מה ישנה את התשובה

שלושה אירועים. פרסום API ומחירון מצד Sesame היה הופך את זה להשוואה אמיתית בין לילה, ומיד היה מעלה את השאלה אם איכות הקול שלה שורדת מכירה כרכיב. הופעתה של Prism במדד Speech-to-Speech Index הייתה מעניקה לה את המספר הבלתי-תלוי הראשון שאי-פעם היה לה, והייתה מכריעה אם השורה "מקדימה את OpenAI ו-Google" שורדת מפגש עם לוח ניטרלי. והיציאה של ממשקי ה-API לכוונון עדין של Prism משלב הבטא הייתה מפרידה בין הארגונים שכבר יכולים לקנות אותה מכל השאר.

עד שאחד מהדברים האלה יקרה, ההשוואה היא בין מוצר שאפשר לחוות לבין מוצר שאפשר לפרוס, והתשובה הלא נכונה היחידה היא להתייחס אליהם כשתי גרסאות של אותה רכישה. Sesame הוא הקול שהחזיר לאנשים את האכפתיות מבינה מלאכותית שיחתית. Prism הוא הניסיון הרציני הראשון למכור את התחושה הזו לפי דקה עם יומן ביקורת מצורף. אף אחד מהם אינו התחליף של האחר.