Rime Prism vs Sesame Preview: Kartu Tarif Melawan Reputasi

Anda bisa mendengarkan Sesame Preview malam ini secara gratis. Anda tidak bisa membelinya. Anda bisa membeli Rime Prism seharga $0,080 per menit, dan hampir tidak ada orang di luar Rime yang telah mempublikasikan klip yang diizinkan mereka ukur. Kedua bagian kalimat itu adalah perbandingannya: salah satunya adalah suara paling dipandang di AI konsumen yang tidak bisa dipanggil oleh developer mana pun, dan yang lainnya adalah endpoint enterprise baru yang bisa dipasang startup di pohon telepon minggu ini. Rime Prism diluncurkan pada 28 Oktober 2026 sebagai model speech-to-speech pertama Rime. Sesame Preview telah berjalan sebagai pratinjau riset gratis sejak awal 2025, dengan suara produksi di baliknya masih belum dirilis.

Mereka dibandingkan karena keduanya mengklaim realisme percakapan, dan karena keduanya hanya tersedia dalam bahasa Inggris saat peluncuran. Mereka bukan alternatif satu sama lain. Yang satu adalah aplikasi yang Anda ajak bicara, yang lain adalah endpoint yang Anda bangun di atasnya, dan keputusan di antara keduanya bukanlah soal memilih suara, melainkan soal apakah Anda membeli sebuah produk atau komponen.

Perpecahan yang menentukan hampir segalanya

Tim yang ingin merilis agen mengajukan dua pertanyaan dalam urutan ini: dapatkah saya memanggilnya, dan berapa biayanya per panggilan. Sesame Preview gagal pada pertanyaan pertama. Tidak ada API publik untuk model di balik aplikasi ini, tidak ada ID model, tidak ada endpoint, dan tidak ada harga yang dipublikasikan. Sesame yang dapat Anda ajak bicara adalah produk konsumen dengan empat asisten bernama, memori persisten, dan kumpulan alat yang terus berkembang; model yang mendasarinya bukanlah sesuatu yang dapat diakses oleh pengembang.

Satu-satunya hal Sesame yang bisa dipanggil siapa pun adalah CSM-1B, checkpoint open-weight yang dirilis perusahaan pada 2025 di bawah Apache 2.0: sekitar 1B parameter, konteks 4K, audio mono 24 kHz. Itu bukan suara di aplikasi tersebut, dan itu bukan agen — ia melakukan conditioning pada riwayat percakapan tetapi tidak dapat menalar tentangnya seperti yang dilakukan model bahasa. Itu adalah komponen ucapan, dan hanya satu komponen tunggal.

• Ketersediaan — Rime Prism adalah API berbayar dengan tier gratis; Sesame Preview adalah aplikasi konsumen gratis tanpa API untuk suara produksinya.

• Harga — Prism $0,080 per menit audio panggilan di Flex, $0,064 di Scale; Sesame tidak memublikasikan harga dan tidak membebankan biaya apa pun untuk aplikasinya.

• Risiko penagihan — Prism tetap menagih terlepas dari apakah panggilan berjalan lancar atau tidak; biaya Sesame hanyalah biaya aplikasi, yang bernilai nol dan bukan model bisnis yang bisa Anda jadikan dasar perencanaan.

• Dasar latensi — Prism 0,57 dtk waktu hingga audio pertama, diukur oleh vendor pada τ-Voice; aplikasi Sesame mengklaim di bawah 300 ms, dan pengukuran pihak ketiga terhadap persona Maya menempatkan waktu hingga byte pertama pada 80 hingga 130 ms.

• Skor independen — tidak ada model yang muncul di Indeks Speech-to-Speech Artificial Analysis.

• Bahasa — keduanya hanya berbahasa Inggris saat peluncuran; Sesame mencantumkan bahasa Prancis, Italia, Jerman, Spanyol, Tionghoa, Jepang, dan Korea sebagai dukungan awal.

• Deployment — Prism menawarkan cloud, VPC, dan on-premises dengan HIPAA BAA dan SOC 2 Type II; Sesame menawarkan aplikasi.

Rime Prism, sebagai endpoint

Prism dijual sebagaimana perangkat lunak enterprise dijual: tier gratis dengan kredit bulanan $50 dan tanpa kartu, Flex seharga $0,080/menit tanpa komitmen, Scale seharga $100 per bulan dengan kredit $100 dan $0,064/menit, serta Enterprise dengan tarif berdasarkan volume dan komitmen tahunan. Setiap tier menggunakan model yang sama. Prism melakukan streaming melalui WebSockets dan terintegrasi ke LiveKit dan Pipecat, yang penting karena keduanya adalah tempat sebagian besar agen suara yang dibangun sendiri sudah berjalan.

Fitur-fitur yang membenarkan tarif tersebut adalah fitur-fitur yang tidak punya alasan untuk dibangun oleh aplikasi konsumen. Prism menulis balasannya sebagai teks sebelum berbicara, sehingga aplikasi dapat membaca kalimat persisnya, menjalankan pemeriksaan kebijakan atau filter PII terhadapnya, dan membiarkan audio berlanjut hanya jika lolos — sementara model tetap mendengarkan, jadi pemeriksaan itu tidak harus menjadi jeda yang terdengar. Pemanggilan tool berjalan paralel dengan ucapan. Fine-tuning pada panggilan dan jejak tool milik pelanggan sendiri adalah kasus bisnis intinya, dengan API SFT dan RL mandiri yang masih dalam beta.

Angka milik perusahaan sendiri menempatkan waktu hingga audio pertama pada 0,57 detik dan penyelesaian τ-Voice pada 56,6%, dengan 82,5% pada subset telekomunikasi benchmark tersebut. Sebuah studi kasus Revmo atas sekitar sepuluh jam panggilan pemesanan nyata dikutip sebesar 100% konfirmasi pesanan, berbanding 68% untuk model OpenAI yang tidak disebutkan namanya. Itu adalah studi pelanggan yang ditugaskan tanpa metodologi yang dipublikasikan, dan seharusnya dibaca sebagai klaim vendor, bukan sebagai hasil.

Sesame Preview, sebagai produk

Gagasan utama Sesame adalah bahwa asisten suara seharusnya terasa seperti orang yang Anda kenal. Keempat persona — Maya, kolaborator yang cerdas dan jenaka; Miles, sosok yang santai; Simone, untuk pembahasan mendalam; Charlie, teman diskusi santai — masing-masing memiliki memori dan gaya bicaranya sendiri. Aplikasi ini mencari di web, menjalankan riset panjang, menyimpan catatan dan pengingat, merangkum panggilan, serta mendukung mode inkognito. Pada 6 Oktober 2026, Sesame merilis CSM yang diperbarui dengan ekspresivitas dan pelafalan yang lebih baik, memberi agen-agennya akses ke komputer mereka sendiri, serta menambahkan konektor Gmail, Calendar, dan Drive, server MCP eksternal melalui OAuth, keterampilan buatan pengguna, dan generator gambar dalam aplikasi.

Yang tidak dimilikinya adalah jalur masuk. Aplikasi ini gratis, tidak menampilkan iklan, dan tidak menjual data, yang menyenangkan bagi pengguna dan masih menjadi persoalan yang belum terselesaikan bagi pembeli. Cara Sesame berniat menghasilkan uang, dan apakah para pengembang akan pernah mendapatkan endpoint, masih belum diumumkan. Kacamata ini dijadwalkan untuk 2027 di Jepang; perkakas pengembang telah dijanjikan untuk "nanti tahun ini" tanpa rincian.

Namun, reputasi itu nyata. Suara Sesame adalah suara yang klipnya saling dikirim orang, dan konsensus para pengulas telah luar biasa positif selama dua tahun berturut-turut. Masalahnya, reputasi bukanlah spesifikasi: belum ada angka latensi yang diterbitkan untuk model produksi, belum ada skor pendengaran buta untuk model itu, dan satu-satunya bagian yang dapat dijalankan secara independen adalah checkpoint 1B, yang merupakan hal berbeda.

Satu-satunya kemampuan yang telah dikesampingkan oleh Sesame

Jika alasan Anda menginginkan suara Sesame adalah karena suaranya terdengar seperti manusia, hal yang sebenarnya perlu Anda tiru adalah alur percakapan, bukan timbre. Dan alur percakapan untuk bisnis memiliki persyaratan yang tidak pernah harus dipenuhi oleh aplikasi konsumen: jejak audit tentang apa yang akan dikatakan agen, cara untuk menghentikannya mengatakan hal itu, panggilan alat yang terselesaikan sebelum penelepon menyadarinya, dan deployment yang lolos tinjauan kepatuhan.

Prism dibangun berdasarkan persyaratan tersebut, dan itulah sebabnya Prism berbayar. Sesame dibangun berdasarkan prinsip sebaliknya: pengalaman tertutup, terkurasi, dan gratis yang membuat perusahaan mengendalikan setiap variabel. Keduanya adalah produk yang dapat dipertahankan. Hanya satu dari keduanya yang merupakan komponen yang dapat Anda sambungkan ke lini klaim.

Keduanya hanya tersedia dalam bahasa Inggris — karena alasan yang berlawanan.

Prism diluncurkan hanya dalam bahasa Inggris dengan set suara terbatas karena ini adalah rilis pertama dan cakupan suara mahal untuk disediakan. Sesame mengutamakan bahasa Inggris karena produknya adalah sekumpulan kepribadian berbahasa Inggris; bahasa Prancis, Italia, Jerman, Spanyol, Tionghoa, Jepang, dan Korea diberi label dukungan awal, yang merupakan janji berbeda dari "didukung".

Bagi pusat kontak multibahasa, ini adalah bagian yang mengakhiri artikel. Tidak ada dari kedua model tersebut yang mencakup antrean campuran bahasa saat ini, dan perbandingan yang benar-benar relevan bagi pembeli itu adalah dengan lapisan TTS yang memiliki cakupan bahasa luas ditambah model teks yang dirutekan, bukan dengan salah satu dari keduanya.

Masalah pengukuran

Kedua model tidak tercantum dalam Speech-to-Speech Index milik Artificial Analysis, satu-satunya papan independen yang memeringkat model suara percakapan berdasarkan penyelesaian tugas, preferensi arena, dan keberhasilan tugas. Ketiadaan itu bukanlah celaan terhadap kedua produk; itulah sebabnya halaman ini harus bersandar pada klaim vendor untuk keduanya.

Angka τ-Voice 56,6% milik Prism adalah hasil uji Rime sendiri. Baca tabel yang diterbitkan Rime di sampingnya dan GPT-Live-1 (Sol, low) muncul pada 59,3% — lebih tinggi daripada Prism — sementara teks promosinya mengklaim Prism lebih unggul daripada setiap model realtime OpenAI dan Google. Pos peluncuran juga mengulang "di bawah 300 md" dan "4× lebih cepat", angka-angka yang tidak muncul dalam tabel benchmark, yang menyebutkan 0,57 dtk. Itu mungkin pengukuran hal-hal yang berbeda; Rime tidak menyebutkan yang mana.

Posisi Sesame bahkan lebih sulit, karena tidak ada model produksi yang bisa diukur. Namun, sisi positifnya, mereka telah membangun alat yang dapat mengukur hal itu: TurnBench, yang dirilis pada 28 Agustus 2026, adalah tolok ukur sumber terbuka untuk pengambilan giliran dalam dialog lisan, dibuat bersama Carnegie Mellon, Mundo AI, dan Oto, dengan papan peringkat publik serta penilaian mandiri. Ini adalah tolok ukur milik Sesame sendiri, bukan tolok ukur netral, tetapi tetap merupakan kontribusi yang nyata, dan angka yang menjadi landasannya adalah figur paling berguna dalam keseluruhan perbandingan ini: jeda khas antara giliran manusia adalah sekitar 200 milidetik, sementara merencanakan satu kata membutuhkan sekitar 600 milidetik. Itulah sebabnya pengambilan giliran, bukan kualitas suara, yang membocorkan bahwa sesuatu adalah mesin.

Satu-satunya bukti independen yang melekat pada katalog Rime adalah lini TTS-nya, dan di Text-to-Speech Arena, Coda berada di peringkat ke-65 dari 99 dengan Elo 1.054 serta Mist V2 di peringkat ke-92 dengan 903. Itu tidak mengatakan apa pun yang definitif tentang Prism, yang suaranya baru — tetapi itu berarti "Rime tidak pernah memiliki suara berperingkat teratas di papan independen" adalah pernyataan yang benar yang harus didengar pembeli sebelum menandatangani kontrak Scale.

Berapa biaya saluran telepon tiap arah

Prism mudah diberi harga. Sepuluh ribu menit panggilan masuk adalah $800 di Flex atau $640 di Scale, sebelum diskon Enterprise apa pun. Panggilan lima menit biayanya $0.40. Jika agen juga perlu merangkum panggilan setelahnya, itu merupakan biaya model teks tambahan dan kecil dibandingkan tagihan suara.

Sesame mustahil diberi harga, karena tidak ada tarif yang bisa dijadikan dasar penetapan harga. Aplikasi ini tidak memakan biaya dan tidak dapat disematkan; checkpoint terbuka berbiaya $7 per juta karakter dari satu-satunya penyedia hosted-nya, dan self-hosting-nya berarti Anda harus memiliki sendiri stack inferensi, codec, deteksi giliran, dan logika agen. Siapa pun yang menyebut biaya per menit untuk "Sesame" sedang menyebut ketiadaan tagihan aplikasi itu, bukan sebuah layanan.

Itu adalah asimetri praktis: Prism mahal dan mudah dipahami, Sesame gratis dan tidak tersedia. Rapat anggaran bisa berdebat dengan $0,080 per menit. Rapat itu tidak bisa berbuat apa pun dengan "tidak ada endpoint."

Tiga pembeli, tiga jawaban berbeda

Perusahaan besar yang menangani panggilan dukungan masuk harus mempertimbangkan Prism. Pemeriksaan teks, BAA HIPAA, opsi on-premises, dan tarif per menit semuanya diarahkan tepat pada pekerjaan itu, dan risiko klaim vendor masih dapat ditoleransi karena syarat komersialnya wajar. Uji coba pada satu alur panggilan, ukur sendiri tingkat penanganan tanpa eskalasi, dan perlakukan studi kasus Rime 100% versus 68% sebagai hipotesis yang harus diuji, bukan ramalan.

Pengembang yang ingin suara Sesame di dalam sebuah produk tidak harus menunggu API yang belum diumumkan. Jalur yang realistis adalah checkpoint TTS terbuka ditambah orkestrasi Anda sendiri — dan orkestrasi adalah bagian yang dapat disewa dengan murah. OrcaRouter menempatkan lebih dari 200 model teks di balik satu kunci dengan harga daftar penyedia dan markup 0%, menambahkan failover otomatis sehingga agen suara tidak mati ketika salah satu penyedia mengalami gangguan sesaat, dan mengekspos DSL perutean sehingga giliran rutin dapat diarahkan ke model kecil dan eskalasi ke model besar. Lapisan suara dan lapisan penalaran tidak harus berasal dari perusahaan yang sama, dan bagi sebagian besar pengembang seharusnya tidak.

Seorang konsumen, atau siapa pun yang membuat asisten pribadi untuk dirinya sendiri, sebaiknya cukup menggunakan Sesame. Layanan ini gratis, bagus, dan tidak adanya API tidak relevan bagi seseorang yang tidak menulis kode.

Apa yang bisa mengubah jawabannya

Tiga peristiwa. Sesame menerbitkan API dan daftar tarif akan mengubah ini menjadi perbandingan yang nyata dalam sekejap, dan langsung memunculkan pertanyaan apakah kualitas suaranya tetap bertahan saat dijual sebagai komponen. Prism muncul di Speech-to-Speech Index akan memberinya angka independen pertama yang pernah dimilikinya, dan akan menuntaskan apakah klaim "di depan OpenAI dan Google" bertahan saat diuji oleh papan penilaian netral. Dan API fine-tuning Prism yang keluar dari beta akan memisahkan perusahaan-perusahaan yang sudah dapat membelinya dari semua pihak lain.

Sampai salah satu dari itu terjadi, perbandingannya adalah antara produk yang bisa Anda alami dan produk yang bisa Anda deploy, dan satu-satunya jawaban yang salah adalah menganggap keduanya sebagai dua versi dari pembelian yang sama. Sesame adalah suara yang membuat orang peduli lagi pada AI percakapan. Prism adalah upaya serius pertama untuk menjual perasaan itu per menit dengan log audit yang disertakan. Keduanya bukan pengganti satu sama lain.