Kartu judul yang dihasilkan untuk Realtime 1 vs GPT Live 1 yang menampilkan $0.01 dibandingkan $0.05 per menit audio dan catatan bahwa perbandingan "terasa sangat dekat" belum diuji, plus logo OrcaRouter.
Engineering & Research

Realtime 1 vs GPT Live 1: Lima Sen Melawan Satu, dan Klaim yang Belum Bisa Dicek Siapa Pun

Penulis

jinhao.song

Tanggal Terbit

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

Lima sen per menit. Itulah yang dikenakan O​penAI untuk G​PT Live 1 — model suara full-duplex yang "dapat mendengarkan dan berbicara pada saat yang sama," ditagih per detik tanpa pembulatan ke atas, model backend dan penggunaan alat ditagih secara terpisah. MAI Realtime 1, yang diumumkan Microsoft pada 17 November 2026, adalah satu sen per menit sebelum tier penalarannya. Pada daftar tarif, selisihnya lima banding satu, dan seseorang yang pernah menggunakan keduanya memberi tahu internet bahwa Realtime 1 "terasa sangat dekat dengan model G​PT Live." Kalimat itu adalah hal paling menarik dalam perbandingan ini dan yang paling sulit diverifikasi, karena hanya ada satu cara untuk memastikannya dan belum ada pihak independen yang menjalankan tes yang akan memastikannya.

Jadi anggap ini sebagai dua pertanyaan, bukan satu. Apakah model seharga satu sen per menit lima kali lebih buruk? Dan apa yang sebenarnya diperoleh dari profil terukur G​PT Live 1 yang harus bisa disamai oleh model yang lebih murah? Yang kedua sudah ada jawabannya. Yang pertama belum, untuk saat ini.

Arsitekturnya tidak sama bentuknya

G​PT Live 1 tidak biasa dan dokumentasinya menyatakannya secara terang-terangan. Ini adalah model dupleks penuh — mendengarkan dan berbicara secara bersamaan, bukan bergantian giliran — dan model ini tidak mencoba melakukan penalaran sendiri. Model ini "menyerahkan penalaran dan pekerjaan alat ke agen backend," yang hanya dapat diakses melalui v1/live/sessions, tanpa dukungan endpoint Chat Completions, Responses, atau Realtime. Model ini menerima audio dan teks sebagai input maupun output, mendukung streaming dan pemanggilan fungsi, serta tidak menerima gambar atau video.

• G​PT Live 1 — front end dupleks penuh, penalaran didelegasikan ke agen backend apa pun yang Anda lampirkan. Batas sesi bersamaan 50 pada Build, 300 pada Launch, 500 pada Grow. Tidak ada tier gratis.

• MAI Realtime 1 — ucapan-ke-ucapan dengan jalur cepat dan lapisan penalaran internal. Microsoft menagih $1,00 per juta token input dan $5,00 per juta token output. Ditagih per menit audio di sisi percakapan. Pratinjau tidak ditagih hingga pratinjau publik.

Keduanya, pada praktiknya, adalah sistem dua bagian. Perbedaannya terletak pada siapa yang memiliki bagian kedua. Dengan G​PT Live 1, bagian itu secara eksplisit milik Anda: Anda memilih agen backend, Anda membayar tokennya secara terpisah, Anda melihat sambungannya. Dengan MAI Realtime 1, serah-terima terjadi di dalam produk dan halaman harga, dan keputusan perutean bukanlah sesuatu yang Anda konfigurasi.

Perbedaan desain tunggal itu menjelaskan sebagian besar selisih harga. OpenAI mengenakan $0.05 per menit untuk telinga dan mulut yang sangat baik. Microsoft mengenakan $0.01 untuk telinga dan mulut yang cukup baik plus dispatcher internal, dan memonetisasi proses berpikirnya melalui meter token.

Apa yang sebenarnya ditunjukkan oleh pengukuran GPT Live 1

GPT Live 1 ada dua kali di papan speech-to-speech Artificial Analysis, karena agen backend yang Anda pasang mengubah hasilnya:

• Indeks speech-to-speech — 83,2 dengan backend kelas Astra pada medium, 80,1 dengan backend kelas Sol pada low. Keduanya berada di atas 74,5 milik G​emini 3.8 Live dan jauh di atas 77,3 milik Eleven Realtime Max, sehingga menjadikan G​PT Live 1 sebagai model dengan indeks tertinggi dalam kumpulan perbandingan ini.

• Penalaran ucapan (Big Bench Audio) — masing-masing 90,1% dan 89,0%. Bukan yang teratas di papan peringkat — Eleven Realtime Max mencetak 98,8% — tetapi tetap sangat kompetitif.

• Dinamika percakapan — 94,9% dan 97,3%. Varian yang dikonfigurasi Sol adalah skor dinamika terbaik dalam kumpulan ini, yaitu angka yang sesuai dengan "terasa enak untuk diajak bicara."

• Penyelesaian tugas agentic (τ-Voice) — 74,5% dan 59,3%. Keduanya melampaui 30,1% milik G​emini 3.8 Live dengan selisih besar, seperti yang Anda harapkan dari model yang seluruh premis desainnya adalah menyerahkan pekerjaan kepada backend yang cakap.

• Arena Elo — 1027 dan 1037.

• Tingkat keberhasilan tugas — 87,4% dan 90,9%.

• Waktu hingga audio pertama — 1,34 dan 1,24 detik. Lebih lambat daripada 0,57 milik Eleven Realtime Max dan lebih lambat daripada 1,18 milik G​emini 3.8 Live, tetapi desain dupleks penuh berarti waktu tunggu yang dirasakan bukan hal yang sama dengan yang terukur; model yang memberi pengakuan sambil berpikir tidak terasa seperti berhenti.

• Biaya campuran — $5,83 dan $4,47 per jam berdasarkan normalisasi Artificial Analysis, dibandingkan kartu tarif $0,05 per menit yang setara $3,00 per jam hanya untuk jalur suara. Angka yang lebih tinggi mencakup pengeluaran token backend, yang merupakan cara jujur untuk memahami model yang mendelegasikan penalaran.

Dua hal dapat disimpulkan dari angka-angka itu. Pertama, konfigurasi sama pentingnya dengan model: GPT Live 1 yang sama mencetak skor 83,2 atau 80,1 tergantung backend mana yang Anda tuju, dan 74,5% atau 59,3% pada tugas agentik. Ulasan yang mengutip satu angka tanpa menyebutkan backend mana yang digunakan hampir tidak memberi tahu Anda apa pun. Kedua, pemimpin indeks di sini bukan pemimpin arena — Gemini 3.8 Live unggul dalam Elo, GPT Live 1 unggul dalam indeks. Keduanya mengukur hal yang berbeda, dan tidak satu pun merupakan proksi untuk beban kerja Anda.

A screenshot of Artificial Analysis's Speech to Speech AI Model & Provider Leaderboard page captured 18 November 2026, showing the page heading, the methodology summary covering reasoning quality, conversational dynamics, generation time and price, the Speech to Speech Index / Speed / Cost per Hour chart panels, and the Related Links rail; the individual model rows in the charts are not legible at this capture size.

Klaim yang layak diuji, dan berapa biaya pengujiannya

"Rasanya sangat mirip dengan model G​PT Live." Jika diterima apa adanya, itu adalah hal terkuat yang pernah dikatakan siapa pun tentang MAI Realtime 1, dan itu datang dari seseorang yang tidak memiliki metodologi yang dipublikasikan, tidak ada rekaman, dan tidak ada kumpulan tugas. Secara adil, ini juga persis seperti bagaimana sebagian besar kesan awal tentang model suara muncul — percakapan full-duplex sulit dinilai dan mudah dirasakan, yang justru menjadi alasan arena ini ada sejak awal.

Masalahnya adalah klaim itu hanya dapat diperiksa separuh. Microsoft menerbitkan satu angka akurasi untuk MAI Realtime 1 — 98,8% pada Big Bench Audio, di halaman model, dijalankan oleh vendor dan tidak direproduksi — bersama kartu P50 time-to-first-audio dan keterangan “P50 Latency on BigBench Audio”. Microsoft tidak menerbitkan skor τ-Voice, tidak ada distribusi latensi, dan tidak ada daftar bahasa. Artificial Analysis tidak mencantumkan MAI Realtime 1 per 18 November, sehingga tidak ada pembacaan independen atas 98,8% itu untuk dibandingkan dengan 90,1% milik GPT Live 1: yang satu adalah evaluasi milik vendor sendiri, yang lain milik pihak ketiga. Klaim komparatif Microsoft sendiri menyebut GPT Realtime 2.1, model yang berbeda dari GPT Live 1 dengan struktur harga yang sepenuhnya berbeda, dan bahkan perbandingan itu diterbitkan sebagai posisi frontier ketimbang sebagai angka.

Jadi versi yang berguna dari klaim itu adalah rencana pengujian, bukan sebuah putusan. Empat hal untuk dijalankan, semuanya murah selama pratinjau belum ditagihkan:

• Percakapan beruntun — dua puluh panggilan terekam yang sama melalui kedua model, dinilai secara buta. Ini satu-satunya cara menguji "terasa dekat," dan inilah uji yang dilewatkan klaim awal.

• Interupsi saat tumpang tindih — desain dupleks penuh G​PT Live 1 memungkinkannya berbicara dan mendengarkan sekaligus. Uji apakah Realtime 1 benar-benar menangani ucapan simultan atau hanya menangani interupsi yang bersih. Keduanya adalah kemampuan yang berbeda dan hanya salah satunya yang muncul dalam demo.

• Latensi eskalasi — saat Realtime 1 menyerahkan giliran ke mesin penalarannya, ukur jedanya. Klaim Microsoft adalah "tanpa jeda yang canggung," yang merupakan klaim latensi tanpa angka yang disertakan.

• Biaya per panggilan yang tuntas — bukan per menit. Model yang biayanya seperlima per menit tetapi butuh dua giliran tambahan untuk menyelesaikan satu permintaan bukan berarti harganya seperlima. Inilah angka yang menentukan pertarungan itu, dan tidak ada satu pun vendor yang mempublikasikannya.

Ke mana lima sen itu pergi

Jika tambahan empat sen per menit dari G​PT Live 1 tidak memberi Anda apa pun, ini bukanlah sebuah keputusan. Tetapi hal itu membeli sesuatu yang spesifik: skor agentik terukur sebesar 74,5% dibandingkan klaim yang tidak terukur, dan arsitektur full-duplex yang merupakan kapabilitas berbeda dari turn-taking, bukan versi yang lebih baik darinya.

Yang Anda keluarkan di luar tarif adalah kendali dan infrastruktur teknis. G​PT Live 1 mengharuskan Anda menyediakan dan membayar agen backend — itu pekerjaan nyata dan tagihan nyata, tetapi juga alasan konfigurasinya mengubah skornya. Anda memilih model penalaran; Anda melihat pengeluaran token; Anda menentukan apa yang dieskalasi. MAI Realtime 1 membuat keputusan itu di dalam produk dan mengenakan biaya $1.00 dan $5.00 per juta token untuk itu, tanpa memberi tahu Anda seberapa sering hal itu terjadi.

Pertukaran itu — visibilitas versus kenyamanan — adalah titik di mana sebuah gateway membuktikan perannya. Kedua model pada akhirnya memanggil model penalaran, G​PT Live 1 secara desain dan MAI Realtime 1 secara internal, dan lapisan penalaran itulah yang dirutekan oleh OrcaRouter: 200+ model di balik satu kunci dengan harga daftar penyedia dan markup 0%, sehingga backend yang menentukan konfigurasi G​PT Live 1 Anda dapat ditukar tanpa kontrak kedua, plus failover otomatis agar panggilan penalaran yang macet tidak berubah menjadi keheningan di tengah kalimat. Fusion model adalah tuas lain yang perlu diketahui di sini — bagi agen suara yang giliran sulitnya adalah yang mahal, panel yang menjawab bersama pada jalur eskalasi adalah cara membeli akurasi di tempat yang penting tanpa membayarnya di setiap giliran.

Untuk lebih tepatnya soal cakupan: baik GPT Live 1 maupun MAI Realtime 1 tidak ada dalam katalog OrcaRouter. GPT Live 1 adalah endpoint v1/live/sessions milik OpenAI sendiri; MAI Realtime 1 adalah pratinjau akses terbatas dari MAI Labs dan Foundry. Yang berada di balik keduanya adalah yang kami sediakan.

Detail integrasi yang menentukan jadwal Anda

GPT Live 1 memiliki integrasi yang lebih canggung dan dokumentasi yang lebih baik. Endpoint khusus v1/live/sessions berarti apa pun yang telah Anda bangun terhadap Realtime API tidak berlaku — ini adalah model sesi baru, dan fakta bahwa layanan ini tidak mendukung Chat Completions, Responses, atau Realtime adalah hal pertama dalam dokumentasinya karena suatu alasan. Batas laju menghitung sesi bersamaan, bukan token, jadi perencanaan kapasitas menjadi latihan yang sepenuhnya berbeda: 50 bersamaan di Build, 300 di Launch, 500 di Grow, tanpa tier gratis.

MAI Realtime 1 adalah kebalikannya: antarmuka yang kompatibel dengan O​penAI Realtime API, yang merupakan kalimat paling berguna dalam pengumuman Microsoft. Jika stack Anda sudah mendukung protokol itu, evaluasinya hanyalah string model dan URL dasar. Masalahnya terletak pada segala hal di sekitar antarmuka tersebut — tidak ada daftar bahasa, tidak ada distribusi latensi, tidak ada skor τ-Voice, tidak ada tanggal GA, dan demo dua menit di MAI Labs yang saat kami periksa menampilkan pesan "MAI Realtime tidak tersedia saat ini".

Jadi asimetri lini masa itu nyata. G​PT Live 1 dapat Anda integrasikan minggu ini dengan dokumentasi yang telah diterbitkan dan endpoint produksi. MAI Realtime 1 dapat Anda prototipekan dengan kompatibilitas yang Anda pahami, lalu menunggu pratinjau yang gratis justru karena belum selesai.

A screenshot of OpenAI's GPT-Live-1 documentation captured 18 November 2026, showing the model page headline, the $0.05 per minute billed-per-second pricing, the v1/live/sessions endpoint, and the note that reasoning and tool work are handed off to a backend agent.

Putusannya, dinyatakan sebagai taruhan

Pilih G​PT Live 1 jika pengalaman suara adalah produknya dan Anda menginginkan backend yang Anda kendalikan. Produk ini memiliki indeks speech-to-speech tertinggi di kelasnya, dinamika percakapan terbaik dengan backend kelas Sol, skor agentik yang mengungguli setiap model non-OpenAI dalam perbandingan kecuali Phonic 1 dan G​rok Voice 3.0, serta dokumentasi yang menjelaskan dengan tepat apa yang dilakukannya. Lima sen per menit adalah angka nyata dan dapat Anda proyeksikan.

Bertaruhlah pada MAI Realtime 1 jika faktor ekonomi menjadi kendala dan Anda memiliki waktu engineering untuk pengukuran alih-alih pengadaan. Satu sen per menit dengan pratinjau tanpa tagihan dan antarmuka yang kompatibel dengan OpenAI adalah cara termurah untuk mengetahui apakah desain dua tingkat Microsoft mengalahkan desain di sisi aplikasi Anda. Yang Anda terima adalah bahwa Anda sendiri yang harus menghasilkan distribusi latensi, angka τ-Voice, dan daftar bahasa, karena Microsoft tidak mempublikasikan satu pun dari itu — dan bahwa satu-satunya angka akurasi mereka, 98,8% pada Big Bench Audio, datang dari vendor tanpa dukungan apa pun.

Hal yang tidak boleh dilakukan adalah mengulang klaim "terasa sangat dekat" seolah-olah itu adalah hasil. Bisa jadi itu benar. Orang yang mengatakannya mungkin saja benar, dan jika demikian, perbandingan ini tidak lagi menarik karena model yang lebih murah akan menjadi pilihan yang lebih baik pada dimensi yang paling penting bagi pengguna. Namun, perasaan dari satu sore bukanlah tingkat penyelesaian tugas, dan angka yang bisa memastikannya — berapa proporsi panggilan nyata yang benar-benar diselesaikan masing-masing model — adalah satu-satunya angka yang belum diterbitkan oleh kedua vendor.

A generated two-column scoreboard titled 'MAI Realtime 1 vs GPT Live 1 — the scoreboard'. Left column MAI Realtime 1: voice price $0.01 plus tokens, speech index not published, agentic not published, dynamics not published, first audio P50 only. Right column GPT Live 1: $0.05 per minute, speech index 83.2 / 80.1, agentic 74.5% / 59.3%, dynamics 94.9% / 97.3%, first audio 1.34 s / 1.24 s. Footer reads 'GPT Live 1 per Artificial Analysis, two backends; MAI index and agentic scores unpublished.'

Dibandingkan dalam artikel ini1

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