Kartu judul yang dihasilkan berjudul 'GPT-Live-1.1 vs SeedRealtime' dengan subjudul 'Yang satu menjual menit, yang satu menjual ketiadaan', menampilkan kartu kiri berlabel GPT-Live-1.1 dengan $0.05 per menit aktif, $0.02 per menit siaga, dan API publik, serta kartu kanan berlabel SeedRealtime tanpa API publik, tanpa bobot terbuka, dan hanya tersedia di dalam Doubao.
Guides & Insights

GPT-Live-1.1 vs SeedRealtime: Satu Menjual Menit, Satu Tak Menjual Apa Pun

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Letakkan GPT-Live-1.1 dan SeedRealtime berdampingan, dan perbandingannya langsung tidak lagi tentang kualitas. GPT-Live-1.1 adalah model suara dupleks penuh yang bisa Anda panggil hari ini, sewa per detik, dan masukkan ke dalam produk; model ini muncul di API O​penAI pada 19 November 2026, lima minggu setelah menggantikan GPT-Live-1 di dalam ChatGPT Voice. SeedRealtime, yang diumumkan tim Seed milik ByteDance pada 5 Agustus 2026, adalah arsitektur yang lebih menarik secara teoretis — model dupleks penuh audio-visual native yang mengamati dan mendengarkan serta berbicara dalam satu sistem — dan ini bukan sesuatu yang bisa Anda panggil. Tidak ada API publik, tidak ada bobot terbuka di Hugging Face, tidak ada jumlah parameter, tidak ada laporan teknis yang berisi angka.

Jadi cara membingkai yang jujur bukanlah "mana yang lebih baik." Melainkan: salah satunya adalah produk dengan daftar harga, dan yang lainnya adalah demonstrasi kemampuan yang secara eksplisit menolak dirilis oleh yang pertama. Kedua pernyataan itu benar sekaligus, dan mana yang penting sepenuhnya bergantung pada apakah Anda sedang membangun sesuatu.

Permukaan input tidak memiliki bentuk yang sama

GPT-Live-1.1 mendengar. Itulah keseluruhan cerita tentang input-nya. Halaman model mencantumkan audio dan teks sebagai modalitas input serta audio dan teks sebagai output, dan tidak ada yang lain — tanpa gambar, tanpa video, tanpa dokumen. Apa yang dilakukannya dengan pendengaran itu benar-benar tidak biasa: model ini bersifat full duplex, artinya ia mendengarkan sambil berbicara alih-alih bergantian giliran, dan ia memutuskan berkali-kali dalam satu detik apakah akan terus mendengarkan, berhenti sejenak, menyela, atau menyerahkan pekerjaan ke backend. Satu-satunya perubahan kemampuan yang dinyatakan pada kenaikan versi ini ada di lapisan ini: dibandingkan dengan GPT-Live-1, ia "mentranskripsikan ucapan dengan lebih akurat dan mempertahankan aksen serta suara yang lebih konsisten di berbagai bahasa." Tidak ada angka yang disertakan pada klaim tersebut.

SeedRealtime mendengar dan melihat, dalam satu model alih-alih pipeline. Postingan peluncuran ByteDance menjelaskan arsitektur terpadu yang memadukan audio, video, dan teks, menjalankan persepsi, pemahaman, pengambilan keputusan, dan ekspresi secara paralel pada aliran berkelanjutan. Konsekuensi konkret yang dicantumkannya adalah hal-hal yang secara struktural tidak dapat dicapai oleh model suara yang hanya berbasis teks: menyelesaikan homofon dengan melihat pemandangan, memahami apa yang dimaksud "ini" dari gestur dan tatapan, serta berbicara tanpa diminta saat objek target muncul dalam bingkai. Demonstrasinya spesifik — mengaitkan nama dengan wajah di meja makan yang bising, menerjemahkan menu berbahasa Mandarin saja untuk pengunjung asing, menyadari biji kopi utuh masuk ke portafilter dan mengatakannya sebelum ekstraksi, menahan tampilan pameran museum sampai karya yang diminta pengguna tiba lalu mengingatkannya.

• Input — GPT-Live-1.1 hanya audio dan teks vs SeedRealtime audio, video, dan teks yang digabungkan dalam satu model

• Pergantian giliran — GPT-Live-1.1 memutuskan secara internal dengan frekuensi tinggi, sedangkan SeedRealtime memindahkan pergantian giliran ke dalam model dan menghapus detektor aktivitas suara eksternal

• Perilaku proaktif — GPT-Live-1.1 merespons, mendelegasikan, dan memanggil alat vs SeedRealtime digambarkan sebagai berbicara tanpa diminta saat sesuatu muncul dalam pandangan

• Di mana ia berjalan — GPT-Live-1.1 pada v1/live/sessions dengan tarif per menit yang dipublikasikan vs SeedRealtime di dalam aplikasi Doubao milik ByteDance

• Bukti — GPT-Live-1.1 memiliki skor pihak ketiga untuk pendahulunya di Artificial Analysis, sedangkan SeedRealtime memiliki evaluasi manusia end-to-end tanpa ukuran sampel dan tanpa angka

Generated two-column scoreboard titled 'GPT-Live-1.1 vs SeedRealtime — the scoreboard' with six matched rows: inputs (audio and text vs audio, video and text fused), turn-taking (decided inside the model vs moved into the model), proactive behaviour, where each runs (v1/live/sessions vs inside Doubao only), evidence (index scores for GPT-Live-1 only vs a vendor human evaluation with no figure), and price ($0.05/$0.02 per minute vs no developer product).

Apa yang sebenarnya Anda bayarkan, dan kepada siapa

GPT-Live-1.1 menagih sesi suara berdasarkan durasi, per detik, sebesar $0.05 per menit aktif. Sejak 19 November 2026, sesi WebRTC juga dapat dikonfigurasi untuk menjeda inferensi selama tidak ada aktivitas dan menagih $0.02 per menit saat menunggu, lalu melanjutkan saat seseorang berbicara. Penggunaan model dan alat backend — pekerjaan penalaran dan alat yang didelegasikan oleh lapisan suara — ditagih secara terpisah pada meter token model mana pun yang Anda tentukan. Membuat sesi WebRTC menagih 15 detik durasi suara saat inisialisasi, yang dikreditkan kembali terhadap durasi setelah sesi berjalan.

Harga SeedRealtime bagi pengembang bukanlah sebuah angka, karena tidak ada produk untuk pengembang. Layanan ini tersedia di dalam Doubao, asisten konsumen, yang menurut ByteDance telah "diluncurkan sepenuhnya" sejak peluncuran Agustus. Itu adalah penerapan nyata dalam skala nyata, dan itu bukan API. Apakah platform model-as-a-service ByteDance akan menyediakannya, dan pada tarif berapa, tidak disebutkan dalam postingan peluncuran atau di situs Seed sebagaimana dibaca pada 20 November 2026.

Asimetri itu memiliki konsekuensi biaya di luar yang sudah jelas. Model yang Anda sewa per detik dapat dianggarkan, dibandingkan, dan dimatikan. Model di dalam aplikasi konsumen milik orang lain tidak dapat melakukan semua itu, sehingga perbandingan antara keduanya tidak memiliki nilai tukar. Anda tidak memilih antara $0.05 per menit dan sesuatu yang lebih murah; Anda memilih antara pos anggaran dan demo.

Di mana bukti mulai menipis

GPT-Live-1.1 sendiri tidak memiliki skor independen. Indeks speech-to-speech Artificial Analysis, yang dibaca pada 20 November 2026, mencantumkan GPT-Live-1 dua kali — 83,2 dengan backend kelas Astra pada upaya sedang dan 80,1 dengan backend kelas Sol pada upaya rendah — dan belum memuat 1.1. Itu adalah model API yang baru berumur sehari, jadi kesenjangannya wajar, bukan hal yang mencelakakan, tetapi itu berarti peningkatan konsistensi aksen, minggu ini, hanyalah klaim vendor. Yang ditunjukkan indeks ini adalah bahwa konfigurasi mengubah angka sama besarnya dengan versi: model yang sama mencetak 83,2 atau 80,1 tergantung backend yang dipasang. Ulasan apa pun yang mengutip satu angka GPT-Live tanpa menyebut backend-nya memberi tahu Anda sangat sedikit.

Bukti SeedRealtime lebih tipis dengan cara yang berbeda. ByteDance menerbitkan satu hasil utama — evaluasi manusia end-to-end yang di dalamnya model tersebut "mengurangi masalah tempo percakapan audio-visual hingga setengahnya" dibandingkan dengan sistem bertingkat ASR-plus-vision-plus-TTS, dengan lebih sedikit pemutusan di tengah kalimat, lebih sedikit balasan lambat setelah jeda, dan lebih sedikit pemicu palsu dari obrolan latar belakang. Tidak ada ukuran sampel, tidak ada metodologi, tidak ada interval kepercayaan, dan tidak ada angka latensi. Juga tidak ada jumlah parameter dan tidak ada laporan teknis. Itu bukan bukti model yang lemah — demonstrasinya cukup spesifik untuk menunjukkan sistem yang nyata — tetapi itu adalah klaim yang tidak dapat Anda periksa, dan tidak muncul di papan peringkat independen mana pun.

Screenshot of the ByteDance Seed blog post announcing SeedRealtime, showing the 2026-08-05 publication date, the Audio category label, and the three stated breakthroughs of the model.

Perhatikan apa artinya ini secara khusus bagi perbandingan: kedua model tidak berada pada skala yang sama. Yang satu memiliki angka pihak ketiga untuk versi sebelumnya dan tarif yang dipublikasikan; yang lain hanya memiliki pernyataan vendor dan tidak ada cara untuk membelinya. Memeringkatkan keduanya satu terhadap yang lain berarti menciptakan pengukuran yang tidak ada.

Mengapa kesenjangan API menjadi inti seluruh argumen

Menggoda untuk menganggap "no API" sebagai keadaan sementara yang akan terselesaikan dengan sendirinya dan karena itu sebagai detail. Untuk keputusan build, yang terjadi justru sebaliknya: itu satu-satunya fakta yang sepenuhnya menentukan jawabannya.

Jika Anda merilis produk suara pada kuartal berikutnya, SeedRealtime tidak ada dalam daftar opsi Anda, dan sebesar apa pun ambisi arsitektural tidak akan mengubah itu. GPT-Live-1.1 ada dalam daftar, dengan konfigurasi sesi yang terdokumentasi, tarif yang dipublikasikan, mode siaga yang membuat koneksi menganggur menjadi murah, dan model delegasi yang memungkinkan Anda mempertahankan penalaran di backend yang Anda kendalikan. Satu hal yang tidak akan dilakukannya adalah melihat kamera pengguna Anda.

Keterbatasan terakhir itu layak dinilai secara jujur, karena di situlah kebutuhan sebuah tim benar-benar terbelah. Saluran dukungan, asisten di dalam mobil, tutor bahasa, agen penjadwalan — tidak satu pun membutuhkan video, dan semuanya diuntungkan oleh model yang menangani interupsi dan delegasi dengan baik pada biaya yang diketahui. Agen yang mengamati perbaikan, membaca menu, atau mengikuti demonstrasi membutuhkan modalitas yang dimiliki SeedRealtime dan tidak dimiliki GPT-Live-1.1, dan untuk beban kerja itu, jawabannya hari ini adalah menunggu, atau membangun kaskade yang oleh ByteDance justru diperdebatkan untuk dihindari.

Generated decision card titled 'Which voice workload fits which model', with a left column headed 'GPT-Live-1.1 can take this today' listing support lines, in-car assistants, language tutors and scheduling agents, and a right column headed 'This needs a camera' listing repair guidance, menu reading and demonstration following, captioned 'SeedRealtime shows these; no public API yet.'

Di mana router cocok adalah bagian delegasinya. OrcaRouter tidak menyediakan GPT-Live-1.1 atau SeedRealtime — keduanya bukan model chat, dan katalognya tidak memuat endpoint suara full-duplex. Ia menyediakan backend yang menjadi tujuan lapisan suara menyerahkan pekerjaan: gpt-6-luna, gpt-6-sol dan sisa keluarga GPT-6 tersedia di balik satu kunci dengan harga daftar penyedia tanpa markup, dengan failover otomatis antar penyedia dan DSL routing untuk menggabungkan beberapa model menjadi satu panggilan. Jika sesi Live Anda mendelegasikan ke backend, backend itulah bagian yang bisa Anda rutekan hari ini.

Apa yang harus dipantau, dan apa yang harus dilakukan sekarang

Dua hal akan mengubah perbandingan ini, dan keduanya belum terjadi. Endpoint SeedRealtime publik — di platform ByteDance sendiri atau di mana pun — akan mengubah demonstrasi menjadi opsi dalam semalam, dan akan segera memunculkan pertanyaan apakah konteks visual layak untuk pekerjaan integrasi. Pengukuran independen GPT-Live-1.1 pada indeks speech-to-speech akan memberi tahu Anda apakah klaim aksen multibahasa itu nyata, dan apakah angka 83.2 yang dicatat GPT-Live-1 dengan backend Astra tetap berlaku.

Sampai saat itu, keputusannya luar biasa jelas. Jika Anda perlu merilis voice, GPT-Live-1.1 dapat dipanggil, sudah memiliki harga, dan — dengan standby — lebih murah untuk dibiarkan tetap terhubung daripada seminggu yang lalu. Jika Anda membutuhkan model yang bisa melihat, sebanyak apa pun kemampuan di pihak ByteDance tidak akan berubah menjadi kunci API, dan hal yang bertanggung jawab adalah mengatakan demikian alih-alih memeringkat produk terhadap pratinjau.

Dibandingkan dalam artikel ini1

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari