
Realtime 1 vs Realtime Venus: Sewa Agen Suara atau Miliki Sendiri dengan Biaya Satu GPU
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 87 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 130 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 135 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 182 tok/s
Segala hal tentang pertarungan ini bermuara pada satu kalimat di file lisensi. Realtime Venus adalah Apache 2.0 — model 9B yang Anda unduh, jalankan di A100 milik Anda sendiri, dan tidak pernah lagi membayar per menit. MAI Realtime 1, yang diumumkan Microsoft pada 17 November 2026, adalah API hosted dengan harga $0.01 per menit audio dengan tier penalaran berharga token di belakangnya dan preview Foundry yang tidak menagih apa pun hingga public preview. Salah satunya memiliki harga per panggilan. Yang lain memiliki harga per jam GPU. Membandingkannya berdasarkan kartu tarif adalah kesalahan kategori, itulah sebabnya hampir setiap tulisan tentang suara hosted versus bobot terbuka salah di titik yang sama.
Pertanyaan yang tepat adalah berapa biaya untuk mengoperasikan masing-masing pada volume Anda dan apa yang benar-benar dapat dilakukan masing-masing — dan di situlah perbandingannya terbalik: angka-angka model terbuka disertai makalah yang menjelaskan harness-nya, sedangkan angka model yang dihosting berasal dari halaman model yang hanya mencantumkan satu angka akurasi. Pembalikan itulah inti ceritanya.
Apa sebenarnya masing-masing itu
Realtime Venus berasal dari inclusionAI dan didokumentasikan dalam arXiv 2609.13814, dikreditkan kepada Venus Team milik Ant Group dan Universitas Tsinghua, dengan makalah bertanggal September 2026. Model ini dirilis sebagai dua checkpoint: Realtime-Venus-Omni, model audio-visual 9B yang diadaptasi dari MiniCPM-o 4.5 yang menonton dan mendengarkan secara terus-menerus, memutuskan kapan harus berbicara, dan mengeluarkan teks serta ucapan pada satu timeline; dan Realtime-Venus-Audio, model khusus audio 9B pada backbone streaming yang sama. Keduanya menggunakan Whisper-Medium sebagai encoder audio, Qwen3-8B sebagai backbone bahasa, token ucapan S3 diskret dengan decoder flow-matching streaming, konteks 40.960 token, bobot BF16, serta bahasa Inggris dan Mandarin sebagai bahasa mereka.
MAI Realtime 1 adalah model speech-to-speech pertama Microsoft, sistem dua tingkat yang dihosting: jalur percakapan cepat seharga satu sen per menit, dan mesin penalaran seharga $1.00 per juta token input dan $5.00 per juta token output, yang menjadi tujuan bagi giliran-giliran yang lebih sulit. Tidak ada detail arsitektur, tidak ada jumlah parameter, tidak ada daftar bahasa. Satu-satunya angka akurasi yang dipublikasikan adalah 98,8% pada Big Bench Audio, di halaman modelnya sendiri, dijalankan vendor dan belum direproduksi — yang merupakan cerminan kebalikan dari situasi di bawah ini, di mana laboratorium yang lebih kecil menempatkan metode evaluasinya dalam makalah yang bisa dibaca siapa saja.
• Bobot — Realtime Venus Apache 2.0, dapat diunduh, dua checkpoint 9B; MAI Realtime 1 tertutup, akses pratinjau melalui pendaftaran.
• Bahasa — Realtime Venus bahasa Inggris dan Tionghoa, secara eksplisit; MAI Realtime 1 tidak dicantumkan.
• Konteks — Realtime Venus 40.960 token; MAI Realtime 1 belum diterbitkan.
• Perangkat Keras — Realtime Venus memerlukan A100 untuk demo dupleks waktu nyata; MAI Realtime 1 tidak memerlukan apa pun selain kunci.
• Modalitas — Realtime Venus Omni menerima video dan audio streaming; MAI Realtime 1 berbasis ucapan-ke-ucapan.
• Bentuk harga — Realtime Venus per jam GPU, selamanya; MAI Realtime 1 per menit audio ditambah token penalaran.
Angka-angka yang diterbitkan Realtime Venus, dan apa artinya
Makalah ini luar biasa spesifik tentang perilaku full-duplex, yaitu bagian yang paling sering dibiarkan kabur oleh sebagian besar model suara:
• Respons interupsi — 75% interupsi pengguna dijawab, pada Full-Duplex-Bench v1.5.
• Kelanjutan setelah backchannel — 97%.
• Kelanjutan saat pembicaraan diarahkan ke tempat lain — 88%.
• Kelanjutan dengan suara latar — 86%.
• Klaim penulis — bahwa ini "melampaui Gemini 3.1 Live dan GPT-4o pada ketiga metrik kelanjutan." Perhatikan target perbandingannya: Gemini 3.1 Live, yang kini ditandai Google sebagai legacy demi 3.8 Live, dan GPT-4o. Keduanya bukan frontier saat ini, jadi kemenangannya nyata, tetapi tolok ukurnya sudah berumur satu generasi.
Dalam hal pemahaman, Realtime-Venus-Audio memimpin kelompok pembandingnya pada MMAU sebesar 78,0%, MMAU-Pro sebesar 63,2%, Llama Questions sebesar 83,8%, dan Speech CMMLU sebesar 67,8%, serta menyamai skor tertinggi VoiceBench AlpacaEval pada 4,81. Realtime-Venus-Omni adalah yang terbaik di antara model online yang dievaluasi pada enam dari delapan tolok ukur video, termasuk StreamingBench sebesar 70,2%, OVO-Bench sebesar 64,7%, dan Daily-Omni sebesar 81,3%.
Semua itu adalah evaluasi para penulis sendiri dalam makalah mereka. Bukti tersebut lebih kuat daripada halaman pemasaran — harness dan kumpulan pembanding setidaknya dijelaskan — dan lebih lemah daripada panel independen. Artificial Analysis tidak mencantumkan Realtime Venus per 18 November, jadi belum ada pihak ketiga yang menjalankan ulang evaluasi tersebut.
Satu angka yang hilang dari ringkasan tingkat abstrak makalah itu adalah angka yang penting bagi agen dukungan: skor penyelesaian tugas agentik τ-Voice. Realtime Venus dibangun berdasarkan gagasan berbeda — mekanisme <delegate> yang mendorong tugas eksternal asinkron ke runtime Harness terpisah, sehingga percakapan tetap berjalan saat pekerjaan dilakukan di latar belakang. Secara arsitektural, itu mirip dengan yang dilakukan MAI Realtime 1 secara internal melalui tier penalarannya, dan dengan yang dilakukan GPT Live 1 dengan menyerahkan tugas ke agen backend. Tiga produk berbeda, satu desain konvergen: bicara cepat, delegasikan pemikiran. Belum ada yang menerbitkan perbandingan langsung untuk sisi delegasinya.

Aritmetika yang tersembunyi di balik harga per menit
Di sinilah perbandingan tidak lagi soal tarif. MAI Realtime 1 dengan satu sen per menit berarti $0,60 per jam audio. Satu A100 yang menjalankan Realtime Venus biayanya sekitar $1,50 hingga $2,50 per jam pada harga cloud komoditas — anggap saja $2 untuk memudahkan perbandingan, dan perlu dicatat bahwa ini adalah harga pasar, bukan sesuatu yang diterbitkan oleh salah satu vendor.
• Titik impas — kira-kira tiga hingga empat percakapan bersamaan memenuhi satu A100 pada tarif tersebut. Di bawah itu, menyewa lebih murah. Di atas itu, memiliki lebih murah.
Masalahnya di sisi hosted — tier penalaran MAI Realtime 1 ditagih per token di atas tarif per menit, jadi biaya sebenarnya per jam berada di atas $0.60 dan tidak diketahui.
• Jebakannya di sisi self-hosted — konkurensi per A100 untuk model dupleks 9B juga tidak dipublikasikan. Demo membutuhkan "setidaknya satu NVIDIA A100," yang memberi tahu Anda bahwa itu berjalan dan tidak memberi tahu berapa banyak stream yang dapat dipertahankannya.
Jadi kedua sisi titik impas adalah estimasi. Yang bukan estimasi adalah bentuk kurvanya: biaya hosted meningkat secara linear dan selamanya; biaya self-hosted memiliki lantai tetap lalu membelok. Pilot seratus panggilan sehari sebaiknya menyewa. Pusat kontak yang menjalankan dua ratus saluran bersamaan sebaiknya tidak, kecuali model hosted secara material lebih baik — dan dalam perbandingan ini, model terbuka adalah yang klaim akurasinya disertai harness yang dipublikasikan.
Ada juga asimetri operasional yang tidak pernah muncul di kartu tarif. Menjalankan sendiri model duplex 9B berarti memiliki kapasitas GPU, cold start, pemuatan model, dan mode kegagalan ketika sebuah node mati dan panggilan terputus. Hosted berarti tidak memiliki semua itu dan menerima latensi, ketersediaan, serta jadwal deprecation dari vendor. Tim secara konsisten meremehkan yang pertama dan melebih-lebihkan yang kedua, biasanya karena yang pertama tidak terlihat di spreadsheet.
Ketika model yang dihosting tidak memiliki jawaban open-weight
Tiga hal, dan itu bukan hal kecil.
Konektivitas enterprise: MAI Realtime 1 akan hadir di Dynamics 365 Contact Center dan Dragon Copilot untuk simulasi pelatihan perawat, dengan Agoda dan Reservations.ai sedang menguji. Itu adalah integrasi ke sistem yang tidak dapat dijangkau oleh model self-hosted tanpa Anda membangun konektornya sendiri.
Kompatibilitas: ia mendukung OpenAI Realtime API, jadi tumpukan suara yang ada memerlukan string model, bukan penulisan ulang. Realtime Venus tersedia sebagai paket Python — AutoModel.from_pretrained, as_duplex(), streaming_prefill() per detik dan streaming_generate(), FFmpeg dan CUDA di host. Itu adalah proyek rekayasa yang nyata.
Dan cakupan transkripsi: pengumuman pendamping Microsoft, Dragon Copilot Transcribe pada MAI Transcribe 2, mencakup dikte klinis pada skala yang tidak dibahas dalam makalah Venus — 10 juta pertemuan pasien per bulan, separuh tingkat kesalahan multibahasa, menurut pengakuan Microsoft sendiri. Jika produk Anda bersifat klinis, ekosistem itulah argumennya, bukan tarif per menit.
Ketika bobot terbuka tidak memiliki jawaban yang dihosting
Video. Realtime-Venus-Omni adalah model audio-visual streaming — ia menonton dan mendengarkan, dan benchmark Omni adalah benchmark video. MAI Realtime 1 adalah ucapan. Jika interaksi melibatkan kamera, berbagi layar, atau pasien memberi isyarat ke sesuatu, perbandingannya tidak seimbang karena model yang dihosting tidak mencoba melakukannya.
Memori video panjang juga: kartu Venus mengklaim adanya memori pada video panjang tanpa pelatihan tambahan, melalui sakelar use_memory(). Tidak ada satu pun dalam pengumuman Microsoft yang membahas memori lintas sesi.
Dan lisensinya. Apache 2.0 berarti Anda dapat melakukan fine-tuning, memasukkannya ke dalam produk, menjalankannya di yurisdiksi yang tidak memiliki region Microsoft, dan menyimpan audio di perangkat keras Anda sendiri. Untuk penerapan klinis atau sektor publik yang datanya tidak boleh keluar dari gedung, itu bukan preferensi — itu persyaratan, dan tidak ada diskon per menit sebesar apa pun yang dapat menggantikannya.

Hibrida yang sebenarnya harus dibangun oleh sebagian besar tim
Konvergensi yang disebutkan sebelumnya adalah jawaban praktisnya. Ketiga produk ini — Realtime Venus, MAI Realtime 1, GPT Live 1 — memisahkan percakapan dari pekerjaan: Venus melalui <delegate> dan runtime Harness, Microsoft melalui lapisan penalaran internal, OpenAI melalui agen backend yang terpasang secara eksplisit. Dalam setiap kasus, bagian sulitnya adalah model kedua yang melakukan pemikiran, dan dalam setiap kasus lapisan itulah tempat biaya dan latensi terkonsentrasi.
Itu berarti keputusan di antara keduanya sebenarnya adalah keputusan tentang front end, dan backend bisa sama dalam kedua kasus. OrcaRouter dibangun untuk lapisan kedua itu: 200+ model dengan satu kunci pada harga daftar penyedia dengan markup 0%, jadi apa pun front end yang Anda pilih, model reasoning di belakangnya dapat ditukar dan perubahan harga vendor berlaku pada hari yang sama. Failover otomatis adalah yang mengubah tugas yang didelegasikan menjadi sesuatu yang aman dijalankan di produksi — panggilan latar belakang yang gagal secara diam-diam adalah janji kepada pemanggil yang tidak pernah ditepati, dan percobaan ulang yang dirutekan lintas penyedia adalah perbedaan antara tugas yang selesai dan tugas yang diam-diam tidak selesai. DSL perutean adalah cara kebijakan delegasi menjadi aturan: intent mana yang dieskalasi, ke model mana, dengan anggaran berapa.
Tidak satu pun dari kedua model suara ini ada di katalog kami — Realtime Venus adalah bobot Apache 2.0 yang Anda host sendiri, dan MAI Realtime 1 adalah pratinjau akses terbatas dari MAI Labs dan Foundry. Yang kami rutekan adalah segala hal yang mereka delegasikan.

Memilih, secara konkret
Mulailah dengan Realtime Venus jika salah satu dari ini benar: data tidak dapat keluar dari infrastruktur Anda, interaksi melibatkan video, Anda membutuhkan bahasa Inggris dan Mandarin secara spesifik dan tidak yang lain, Anda sudah memiliki kapasitas GPU, atau volume Anda cukup tinggi sehingga tagihan linear per menit bukan bentuk yang tepat. Terimalah sebagai imbalannya bahwa Anda menjalankan stack setingkat riset dengan API Python, makalah sebagai dokumentasi Anda, dan tidak ada benchmark independen untuk mengonfirmasi angka para penulis.
Mulai dengan MAI Realtime 1 jika interaksinya hanya suara, volumenya moderat, integrasinya sudah berbentuk OpenAI-Realtime, dan satu sen per menit adalah angka yang membuat proyek ini layak sama sekali. Sebagai gantinya, terimalah bahwa Anda hampir tidak bisa mengukur apa pun darinya: satu angka akurasi yang dilaporkan vendor, latensi P50 tanpa distribusi, tanpa skor τ-Voice, tanpa daftar bahasa, dan demo nonkomersial dua menit yang melaporkan dirinya tidak tersedia saat kami memeriksa.
Dan perhatikan hal yang keduanya diam-diam pertaruhkan. Realtime Venus, MAI Realtime 1, dan GPT Live 1 semuanya telah menyimpulkan bahwa model suara tidak seharusnya berpikir keras saat seseorang menunggu. Perbedaannya di antara mereka hanyalah ke mana pemikiran itu dialihkan. Siapa pun yang pertama kali menerbitkan tingkat penyelesaian tugas untuk separuh yang didelegasikan akan menyelesaikan pertarungan yang tidak pernah bisa diselesaikan oleh tarif per menit.
