Phonic 1 vs GPT Live 1: la demo da 1,1 secondi, l'adesivo da 5 centesimi e il conto che nessuno misura

Il fatto più ripetuto riguardo a Phonic 1 è un confronto dimostrativo: nel test condotto da Phonic stessa, il suo agente ha risposto 1,1 secondi dopo che l'interlocutore aveva smesso di parlare, contro i 15,7 secondi impiegati da OpenAI con GPT Live 1. È un numero spettacolare, eseguito dal fornitore, ed è la cosa meno utile in questo confronto. La cosa più utile è quasi l'opposto: un prezzo di listino di cinque centesimi al minuto per GPT Live 1 che sembra battere i sette di Phonic, finché non si aggiunge il secondo contatore che OpenAI gli associa. Tra questi due fatti si colloca il confronto che conta davvero, e ha una risposta netta: nella classifica speech-to-speech di Artificial Analysis, Phonic 1 (High) ottiene 87,1 e GPT-Live-1 nella sua configurazione Astra-medium ottiene 83,2, un divario di 3,9 punti concentrato quasi interamente in una sola componente.

Entrambi i modelli sono sistemi conversazionali full-duplex che chiamano strumenti nel corso della chiamata, entrambi lanciati in un mercato che diciotto mesi fa non aveva alcun modello vocale serio in grado di chiamare strumenti, ed entrambi separano in qualche modo il proprio ragionamento dal livello vocale. È proprio quest'ultima somiglianza a rendere così facile sbagliare il confronto dei costi, ed è il punto su cui questo articolo si sofferma maggiormente.

La demo, smontata

La dimostrazione di Phonic da 1,1 secondi contro 15,7 secondi è un'osservazione reale di un comportamento reale, ed è anche un confronto con due incognite. La prima è la configurazione: la latenza di GPT-Live-1 dipende fortemente dal modello backend a cui delega, e Artificial Analysis misura un tempo al primo audio di 1,34 s per la configurazione Astra-medium e di 1,24 s per Sol-low — nessuno dei due è quindici secondi. Una cifra di 15,7 secondi implica o un backend sottoposto a un carico di ragionamento elevato o un'attività con una catena di strumenti lunga. La seconda incognita è l'attività: i due numeri descrivono conversazioni diverse e non esiste alcun protocollo pubblicato dietro la coppia.

L'affermazione strutturale alla base della demo è solida, però, e qui vale la pena separarla dal numero. Phonic 1 avvia chiamate agli strumenti mentre il chiamante sta ancora parlando; i materiali del fornitore lo dicono esplicitamente e la sua API espone strumenti sincroni rigorosi dichiarati inline durante la sessione. GPT-Live-1 è full-duplex nel senso che ascolta mentre parla, e delega il lavoro sugli strumenti attraverso un confine asincrono a un modello backend separato. Entrambi i design spostano il lavoro fuori dal percorso critico, con meccanismi diversi. Quale dei due vince sul tuo traffico è una misurazione che fai, non una demo che guardi.

GPT-Live-1 è una configurazione, non un punteggio

Ogni numero pubblico su GPT-Live-1 deve essere accompagnato da un qualificatore, perché il punteggio del modello cambia a seconda del suo backend. Sulla stessa classifica:

• GPT-Live-1 (Astra, medium) — indice speech-to-speech 83,2, ragionamento 90, dinamica 94,9, agentico 74,5, preferenza nell'arena 1.027, successo nei task 87,4%, tempo al primo audio 1,34 s.

• GPT-Live-1 (Sol, basso) — indice 80,1, ragionamento 89, dinamica 97,3, agentico 59,3, arena 1.037, successo del task 90,9%, tempo al primo audio 1,24 s.

• Phonic 1 (High) — indice 87,1, ragionamento 99, dinamiche non riportate, agentico 79,9, arena 1.012, successo del compito 92,3%, tempo al primo audio 0,61 s.

Da ciò derivano tre cose. Innanzitutto, la configurazione Sol a basso sforzo ottiene un punteggio migliore sulla dinamica, sul successo nei task e sulla preferenza nell'arena rispetto a quella Astra ad alto sforzo, e peggiore su ragionamento e agentività — lo stesso compromesso che mostra Gemini di Google con il pensiero esteso, e significa che «il punteggio di GPT-Live-1» è un'espressione priva di senso senza una configurazione associata.

In secondo luogo, il divario agentico tra Phonic 1 e la migliore configurazione di GPT-Live-1 è di 5,4 punti. È più piccolo di quanto lasci intendere il materiale di lancio di Phonic — il vantaggio di 8,3 punti che rivendica è contro Grok Voice 3.0, non OpenAI — e abbastanza piccolo perché un diverso mix di attività possa plausibilmente colmarlo.

Terzo, GPT-Live-1 è in testa per preferenza nell'arena in entrambe le configurazioni, rispettivamente di 15 e 25 Elo, e supera Phonic nelle dinamiche conversazionali di un numero che Phonic non ha pubblicato. Sull'asse che un chiamante descriverebbe come "sembra una persona", OpenAI è avanti e il divario non è misurato da entrambe le parti.

L'adesivo da cinque centesimi e il secondo contatore

GPT-Live-1 costa 0,05 $ per minuto vocale, fatturati al secondo senza arrotondamento per eccesso, più un addebito di quindici secondi per l'avvio della sessione che viene riaccreditato. Phonic 1 costa 0,07 $ per minuto di conversazione, 0,065 $ con il piano Pro. Su questi due fronti OpenAI è il 29% più economico e la questione è chiusa.

Non è chiuso, perché la tariffa al minuto di GPT-Live-1 copre solo il livello vocale. Il ragionamento backend, le chiamate agli strumenti e la ricerca web vengono addebitati separatamente alle tariffe standard per token del modello backend: le indicazioni di OpenAI stessa suggeriscono un modello piccolo per i turni ad alto volume e un modello frontier per il ragionamento complesso. Artificial Analysis ha misurato totali reali da 4,47 a 5,83 dollari per ora di audio in ingresso, a seconda della configurazione di ragionamento, rispetto a 4,20 dollari per Phonic 1.

• Livello voce — GPT-Live-1 0,05 $/min vs Phonic 1 0,07 $/min, 0,065 $ Pro.

• Che cos'altro viene fatturato — GPT-Live-1 aggiunge token del modello backend, chiamate agli strumenti e ricerca web; Phonic 1 dichiara una tariffa unica al minuto, senza pass-through dei costi LLM.

• Costo orario misurato dell'input — GPT-Live-1 $4,47–$5,83 rispetto a Phonic 1 $4,20, secondo Artificial Analysis.

• Prevedibilità dei costi — il totale di GPT-Live-1 dipende dal tuo instradamento del backend; quello di Phonic 1 no.

Quell'inversione è l'intero argomento sui costi, e va nella direzione opposta rispetto al prezzo di listino. Un team che mantiene economici i propri turni di backend può battere comodamente i 4,20 dollari all'ora su GPT-Live-1; un team che invia ogni turno a un modello frontier finirà sopra quella cifra. La tariffa fissa di Phonic è un prezzo fisso per un carico di lavoro variabile, il che è prezioso o troppo caro a seconda del mix che si esegue effettivamente.

Il segmento backend è il punto in cui OrcaRouter si inserisce senza pretendere di essere qualcosa che non è. Né Phonic 1 né GPT Live 1 sono nel nostro catalogo — ciascuno è disponibile tramite l'API del proprio fornitore — ma il modello che risponde ai turni impegnativi di GPT-Live-1 è un normale modello testuale, e quelli sono i 200+ modelli che instradiamo con un'unica chiave, con 0% di ricarico rispetto al prezzo di listino del provider. Entrambi i backend che OpenAI cita, GPT-5.6 Luna e GPT-6 Astra, hanno qui una pagina dedicata. Una regola di instradamento può mantenere i turni semplici sul backend economico e far salire solo quelli che ne hanno bisogno, con failover automatico se un provider vacilla a metà chiamata — che è esattamente il controllo che trasforma la bolletta variabile di GPT-Live-1 in una spesa contenuta.

Ciò che OpenAI ha e che Phonic non ha

Il divario di maturità non è un punto di marketing, è un punto di produzione. GPT-Live-1 è in ChatGPT dall'8 luglio 2026, nell'API dal 10 settembre, e il 15 ottobre ha ricevuto un aggiornamento incrementale, GPT-Live-1.1. Ha operato su una scala che nessun modello con appena una settimana di vita ha mai affrontato, e la sua storia sul trasporto lo riflette: Live Sessions su WebRTC, WebSocket o SIP, con la telefonia gestita anziché lasciata all'integratore.

L'adozione è l'altro segnale. Perplexity ha spostato la sua modalità vocale su GPT-Live-1 il 28 ottobre 2026, e Yelp e Speak sono indicati come partner iniziali. Non sono prove di qualità, ma sono prove che il modello sopravvive al contatto con il traffico dei consumatori.

• Trasporto — GPT-Live-1 offre WebRTC, WebSocket e SIP; Phonic 1 offre un endpoint WebSocket, con webhook, un socket mantenuto aperto o LiveKit come stili di integrazione.

• Concorrenza — GPT-Live-1 pubblica limiti di sessioni concorrenti a livelli (circa 25–50 al Livello 1, fino a 500 al livello più alto) e non prevede un piano gratuito; Phonic 1 non pubblica alcun limite di sessioni nel proprio materiale pubblico.

Confini — GPT-Live-1 non accetta input di immagini o video e non offre output strutturati sul layer vocale; Phonic 1 è nativo audio con le tool call come superficie strutturata.

• Distribuzione — Phonic 1 offre cloud, single-tenant, VPC peering e self-host con disponibilità SOC 2 Type II e HIPAA BAA; GPT-Live-1 è un'API ospitata da OpenAI.

Cosa ha Phonic 1 che OpenAI non ha

Velocità, sul benchmark che la misura allo stesso modo: 0,61 s al primo audio contro 1,34 s e 1,24 s. È l'unico divario misurato in questo confronto abbastanza ampio da essere percepito da chi chiama anziché dedotto da un grafico, ed è coerente con quanto dichiarato da Phonic, cioè un tempo inferiore a 600 ms dall'ingresso del parlato all'uscita del parlato.

Agency, più nello specifico: 79,9% contro 74,5% sulla migliore configurazione OpenAI. E una sola fattura, che è meno una capacità che una proprietà di approvvigionamento — ma per un'azienda che ha tenuto un foglio di calcolo con una riga per la voce, una riga per il backend e una riga per gli strumenti, accorpare tre contatori in uno vale qualcosa di concreto.

Tempo al primo audio — Phonic 1 0,61 s rispetto a GPT-Live-1 1,34 s (Astra, medio) e 1,24 s (Sol, basso), secondo Artificial Analysis.

• Prestazioni agentiche — Phonic 1 79,9 rispetto a 74,5 (Astra, medio) e 59,3 (Sol, basso).

• Preferenza Arena — GPT-Live-1 1.027 e 1.037 contro Phonic 1 1.012.

• Successo delle attività — Phonic 1 92,3% rispetto a 87,4% (Astra) e 90,9% (Sol).

Le dichiarazioni sulle prestazioni di OpenAI meritano un'etichettatura a parte, poiché nessuna di esse è stata riprodotta in modo indipendente: 80,1% su Full Duplex Bench v1.5 contro 45,4% per GPT-Realtime-2.1, una latenza di alternanza dei turni di 0,798 s contro 1,41 s, e circa l'87% di successo nelle chiamate agli strumenti. Sono dati del fornitore. Sono plausibili e non verificati, e la stessa frase deve essere scritta anche per il confronto di 15,7 secondi di Phonic.

La decisione, espressa come una scommessa

Scegli GPT Live 1 se le tue chiamate sono più conversazionali che transazionali, se vuoi che trasporto e telefonia siano gestiti e se sei disposto a occuparti del routing backend che rende competitivo il suo costo. Il deficit agentico di 5,4 punti è reale ma non fatale per un agente che per lo più risponde a domande e occasionalmente effettua una ricerca — e la più ampia offerta multi-configurazione di OpenAI, dalla voce a impegno minimo ai backend di frontiera, ti offre più parametri di quanti Phonic ne pubblichi attualmente.

Scegli Phonic 1 se la chiamata deve completare una transazione, se un terzo di secondo al primo audio cambia il tuo tasso di abbandono e se una tariffa fissa al minuto vale più per te dei risparmi teorici di un backend ben ottimizzato. Accetta che stai comprando un modello vecchio di una settimana, con un solo board indipendente, nessun limite di sessione pubblicato e nessuna storia di distribuzione su scala consumer.

Ciò che lo risolverebbe non è la pubblicazione di qualcosa da parte di nessuno dei due fornitori. È un paio di settimane di vostre chiamate, divise tra i due, con il tasso di completamento per lo stesso compito misurato fianco a fianco. Il vantaggio agentico di 5,4 punti di Phonic è esattamente la dimensione di divario che un singolo dominio di compito può ribaltare — il che è un argomento a favore della misurazione, non della scelta del leader della classifica.