Phonic 1 vs GPT Live 1: Demo 1,1 Detik, Stiker 5 Sen, dan Tagihan yang Tak Ada yang Mengukur

Fakta yang paling sering diulang tentang Phonic 1 adalah perbandingan demo: dalam pengujian Phonic sendiri, agennya merespons 1,1 detik setelah penelepon berhenti berbicara, dibandingkan dengan 15,7 detik untuk produk OpenAI, yaitu GPT Live 1. Angka itu spektakuler, dijalankan oleh vendor, dan merupakan hal yang paling tidak berguna dalam perbandingan ini. Hal yang paling berguna justru hampir kebalikannya — harga terpampang lima sen per menit untuk GPT Live 1 yang tampak mengalahkan harga tujuh sen Phonic, sampai Anda menambahkan meter kedua yang dipasang OpenAI padanya. Di antara kedua fakta itu terdapat perbandingan yang benar-benar penting, dan perbandingan itu punya satu jawaban jelas: pada papan peringkat speech-to-speech Artificial Analysis, Phonic 1 (High) mencetak 87,1 dan GPT-Live-1 dalam konfigurasi Astra-medium-nya mencetak 83,2, selisih 3,9 poin yang hampir seluruhnya terkonsentrasi pada satu komponen.

Kedua model adalah sistem percakapan dupleks penuh yang memanggil alat saat panggilan berlangsung, keduanya diluncurkan ke pasar yang belum memiliki model suara serius yang mampu memanggil alat delapan belas bulan sebelumnya, dan keduanya memisahkan penalaran mereka dari lapisan ucapan dengan cara tertentu. Kesamaan terakhir itulah yang membuat perbandingan biaya begitu mudah keliru, dan di situlah tulisan ini menghabiskan sebagian besar waktunya.

Demo, dibongkar

Demonstrasi 1,1 detik versus 15,7 detik dari Phonic adalah observasi nyata atas perilaku nyata, dan itu juga merupakan perbandingan dengan dua hal yang tidak diketahui. Yang pertama adalah konfigurasi: latensi GPT-Live-1 sangat bergantung pada model backend mana yang didelegasikannya, dan Artificial Analysis mengukur waktu hingga audio pertama sebesar 1,34 dtk untuk konfigurasi Astra-medium dan 1,24 dtk untuk Sol-low — yang keduanya bukan lima belas detik. Angka 15,7 detik menyiratkan要么 backend yang berada di bawah beban penalaran berat, либо tugas yang rantai alatnya panjang. Hal kedua yang tidak diketahui adalah tugasnya: kedua angka tersebut menggambarkan percakapan yang berbeda, dan tidak ada protokol yang dipublikasikan di balik pasangan itu.

Klaim struktural di balik demo tersebut memang masuk akal, tetapi di sini layak dipisahkan dari angka itu. Phonic 1 memicu panggilan alat saat penelepon masih berbicara; materi vendornya menyatakan hal itu secara eksplisit dan API-nya mengekspos alat sinkron yang ketat yang dideklarasikan secara inline selama sesi. GPT-Live-1 bersifat full-duplex dalam arti mendengarkan saat berbicara, dan mendelegasikan pekerjaan alat melintasi batas asinkron ke model backend terpisah. Kedua desain memindahkan pekerjaan dari jalur kritis, melalui mekanisme yang berbeda. Mana yang menang pada trafik Anda adalah pengukuran yang Anda lakukan, bukan demo yang Anda tonton.

GPT-Live-1 adalah konfigurasi, bukan skor

Setiap angka publik tentang GPT-Live-1 perlu disertai keterangan, karena skor model berubah bergantung pada backend-nya. Pada papan yang sama:

• GPT-Live-1 (Astra, medium) — indeks speech-to-speech 83,2, penalaran 90, dinamika 94,9, agentik 74,5, preferensi arena 1.027, keberhasilan tugas 87,4%, waktu hingga audio pertama 1,34 dtk.

• GPT-Live-1 (Sol, low) — indeks 80,1, penalaran 89, dinamika 97,3, agentik 59,3, arena 1.037, keberhasilan tugas 90,9%, waktu hingga audio pertama 1,24 dtk.

• Phonic 1 (High) — indeks 87,1, penalaran 99, dinamika tidak dilaporkan, agentik 79,9, arena 1.012, keberhasilan tugas 92,3%, waktu hingga audio pertama 0,61 dtk.

Tiga hal muncul dari itu. Pertama, konfigurasi Sol dengan upaya lebih rendah mendapat skor lebih baik pada dinamika, keberhasilan tugas, dan preferensi arena daripada konfigurasi Astra dengan upaya lebih tinggi, serta lebih buruk pada penalaran dan agensi — yang merupakan pertukaran yang sama dengan yang ditunjukkan Gemini extended-thinking milik Google, dan itu berarti "skor GPT-Live-1" adalah frasa tanpa makna tanpa konfigurasi yang disertakan.

Kedua, kesenjangan agentic antara Phonic 1 dan konfigurasi GPT-Live-1 terbaik adalah 5,4 poin. Angka itu lebih kecil daripada yang tersirat dalam materi peluncuran Phonic — keunggulan 8,3 poin yang diklaimnya adalah terhadap Grok Voice 3.0, bukan OpenAI — dan cukup kecil sehingga komposisi tugas yang berbeda bisa saja menutup kesenjangan itu.

Ketiga, GPT-Live-1 memimpin dalam preferensi arena pada kedua konfigurasi, masing-masing sebesar 15 dan 25 Elo, dan memimpin Phonic dalam dinamika percakapan dengan angka yang belum dipublikasikan oleh Phonic. Pada sumbu yang akan digambarkan oleh penelepon sebagai "terdengar seperti manusia", OpenAI lebih unggul dan kesenjangannya tidak diukur di kedua sisi.

Stiker lima sen dan meter kedua

GPT-Live-1 dihargai $0,05 per menit suara, ditagih per detik tanpa pembulatan ke atas, serta biaya inisiasi sesi lima belas detik yang dikreditkan kembali. Phonic 1 $0,07 per menit percakapan, $0,065 pada tier Pro. Berdasarkan kedua perbandingan itu, OpenAI 29% lebih murah dan perkara selesai.

Tidak, hal ini belum tuntas, karena biaya per menit GPT-Live-1 hanya mencakup lapisan suara. Penalaran backend, pemanggilan alat, dan pencarian web ditagih secara terpisah dengan tarif token standar model backend — panduan OpenAI sendiri menyarankan model kecil untuk giliran dengan volume tinggi dan model frontier untuk penalaran kompleks. Artificial Analysis mengukur total dunia nyata sebesar $4,47 hingga $5,83 per jam audio masukan, tergantung pada konfigurasi penalaran, dibandingkan dengan $4,20 untuk Phonic 1.

Lapisan suara — GPT-Live-1 $0,05/menit vs Phonic 1 $0,07/menit, $0,065 Pro.

• Apa lagi yang ditagihkan — GPT-Live-1 menambahkan token model backend, panggilan alat, dan pencarian web; Phonic 1 menyatakan satu tarif tetap per menit tanpa pass-through LLM.

• Biaya input per jam yang terukur — GPT-Live-1 $4,47–$5,83 vs Phonic 1 $4,20, menurut Artificial Analysis.

• Prediktabilitas biaya — total GPT-Live-1 bergantung pada cara Anda merutekan backend; total Phonic 1 tidak.

Inversi itulah inti dari argumen biaya, dan arahnya berlawanan dengan harga yang tertera. Tim yang menjaga biaya giliran backend-nya tetap murah dapat dengan nyaman mengalahkan $4.20 per jam pada GPT-Live-1; tim yang mengirim setiap giliran ke model terdepan akan berada di atasnya. Tarif tetap Phonic adalah harga tetap untuk beban kerja yang bervariasi, yang bisa bernilai atau kemahalan tergantung pada campuran yang benar-benar Anda jalankan.

Bagian backend adalah tempat OrcaRouter cocok tanpa berpura-pura menjadi sesuatu yang bukan dirinya. Baik Phonic 1 maupun GPT Live 1 tidak ada dalam katalog kami — masing-masing tersedia melalui API vendornya sendiri — tetapi model yang menjawab giliran sulit GPT-Live-1 adalah model teks biasa, dan itulah 200+ model yang kami rutekan dengan satu kunci pada markup 0% di atas harga daftar penyedia. Kedua backend yang disebut OpenAI, GPT-5.6 Luna dan GPT-6 Astra, memiliki halaman model di sini. Aturan perutean dapat menahan giliran mudah di backend murah dan mengeskalasi hanya giliran yang membutuhkannya, dengan failover otomatis jika penyedia goyah di tengah panggilan — yang justru merupakan kontrol yang mengubah tagihan variabel GPT-Live-1 menjadi tagihan yang terbatas.

Apa yang dimiliki OpenAI yang tidak dimiliki Phonic

Kesenjangan kematangan bukan poin pemasaran, melainkan poin produksi. GPT-Live-1 telah hadir di ChatGPT sejak 8 Juli 2026, di API sejak 10 September, dan menerima pembaruan inkremental, GPT-Live-1.1, pada 15 Oktober. Model ini telah berjalan pada skala yang belum pernah dicapai model berusia seminggu, dan kisah transportasinya mencerminkan hal itu: Live Sessions melalui WebRTC, WebSocket, atau SIP, dengan penanganan telepon yang ditangani sendiri, bukan diserahkan kepada integrator.

Adopsi adalah sinyal lainnya. Perplexity memindahkan mode suaranya ke GPT-Live-1 pada 28 Oktober 2026, dan Yelp serta Speak disebut sebagai mitra awal. Itu bukan bukti kualitas, tetapi itu adalah bukti bahwa model tersebut mampu bertahan saat bersentuhan dengan trafik konsumen.

• Transport — GPT-Live-1 menawarkan WebRTC, WebSocket, dan SIP; Phonic 1 menawarkan endpoint WebSocket, dengan webhook, soket yang dibiarkan terbuka, atau LiveKit sebagai gaya integrasi.

• Konkurensi — GPT-Live-1 mempublikasikan batas sesi bersamaan bertingkat (sekitar 25–50 pada Tier 1, hingga 500 pada tingkat tertinggi) dan tidak memiliki tier gratis; Phonic 1 tidak mempublikasikan batas sesi dalam materi publiknya.

• Batasan — GPT-Live-1 tidak menerima input gambar atau video dan tidak menawarkan output terstruktur pada lapisan suara; Phonic 1 bersifat audio-native dengan panggilan alat sebagai permukaan terstruktur.

• Penyebaran — {{1}}Phonic 1{{/1}} menawarkan {{2}}cloud, single-tenant, VPC peering, dan self-host{{/2}} dengan ketersediaan {{3}}SOC 2 Type II dan HIPAA BAA{{/3}}; {{4}}GPT-Live-1{{/4}} adalah {{5}}API yang dihosting OpenAI{{/5}}.

Apa yang dimiliki Phonic 1 yang tidak dimiliki OpenAI

Kecepatan, pada tolok ukur yang mengukurnya secara identik: 0,61 detik untuk audio pertama, berbanding 1,34 detik dan 1,24 detik. Itulah satu-satunya selisih terukur dalam perbandingan ini yang cukup besar untuk dapat dirasakan oleh penelepon, bukan sekadar disimpulkan dari grafik, dan hal ini konsisten dengan klaim Phonic soal ucapan masuk ke ucapan keluar di bawah 600 md.

Agency, secara lebih sempit: 79,9% dibandingkan dengan 74,5% pada konfigurasi OpenAI yang lebih baik. Dan satu tagihan, yang lebih merupakan sifat pengadaan daripada kemampuan — tetapi bagi perusahaan yang selama ini menjalankan spreadsheet dengan baris voice, baris backend, dan baris tools di dalamnya, menggabungkan tiga meter menjadi satu bernilai sesuatu yang nyata.

Waktu hingga audio pertama — Phonic 1 0,61 dtk vs GPT-Live-1 1,34 dtk (Astra, medium) dan 1,24 dtk (Sol, low), menurut Artificial Analysis.

• Kinerja agentik — Phonic 1 79.9 vs 74.5 (Astra, sedang) dan 59.3 (Sol, rendah).

• Preferensi Arena — GPT-Live-1 1,027 dan 1,037 vs Phonic 1 1,012.

• Keberhasilan tugas — Phonic 1 92,3% vs 87,4% (Astra) dan 90,9% (Sol).

Klaim kinerja OpenAI sendiri layak mendapat pelabelan tersendiri, karena belum ada satu pun yang direproduksi secara independen: 80,1% pada Full Duplex Bench v1.5 dibandingkan 45,4% untuk GPT-Realtime-2.1, latensi pergantian giliran bicara 0,798 detik dibandingkan 1,41 detik, dan sekitar 87% keberhasilan pemanggilan alat. Itu adalah angka dari vendor. Angka-angka itu masuk akal dan belum diverifikasi, dan kalimat yang sama harus ditulis tentang perbandingan 15,7 detik milik Phonic.

Keputusan itu, dinyatakan sebagai taruhan

Pilih GPT Live 1 jika panggilan Anda lebih bersifat percakapan daripada transaksional, jika Anda ingin transport dan telepon ditangani, dan jika Anda bersedia memiliki routing backend yang membuat tagihannya kompetitif. Defisit agentic 5,4 poin itu nyata tetapi tidak fatal bagi agen yang sebagian besar menjawab pertanyaan dan kadang melakukan pencarian — dan rangkaian multi-konfigurasi OpenAI yang lebih besar, dari suara dengan upaya minimal hingga backend terdepan, memberi Anda lebih banyak kendali daripada yang saat ini dipublikasikan Phonic.

Pilihlah Phonic 1 jika panggilan harus menyelesaikan transaksi, jika sepertiga detik hingga audio pertama mengubah tingkat panggilan yang ditinggalkan Anda, dan jika tarif tetap per menit lebih bernilai bagi Anda daripada penghematan teoretis dari backend yang disetel dengan baik. Terimalah bahwa Anda membeli model berusia seminggu dengan satu dewan independen, tanpa batas sesi yang dipublikasikan, dan tanpa riwayat penerapan berskala konsumen.

Yang bisa menyelesaikannya bukanlah publikasi apa pun dari vendor mana pun. Melainkan dua minggu panggilan Anda sendiri, dibagi antara keduanya, dengan tingkat penyelesaian untuk tugas yang sama diukur secara berdampingan. Keunggulan agentik Phonic sebesar 5,4 poin persis sebesar celah yang dapat dibalikkan oleh satu domain tugas — yang merupakan argumen untuk mengukur, bukan untuk memilih pemimpin papan peringkat.