Una card del titolo generata per Realtime 1 vs GPT Live 1 che mostra $0,01 contro $0,05 per minuto audio e una nota che il confronto "sembra molto vicino" non è testato, più un logo OrcaRouter.
Engineering & Research

Realtime 1 vs GPT Live 1: cinque centesimi contro uno, e un'affermazione che nessuno può ancora verificare

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Cinque centesimi al minuto. È quanto fa pagare O​penAI per G​PT Live 1 — il modello vocale full-duplex che "può ascoltare e parlare contemporaneamente", fatturato al secondo senza arrotondamenti per eccesso, con modello backend e utilizzo degli strumenti addebitati separatamente. MAI Realtime 1, annunciato da Microsoft il 17 novembre 2026, costa un centesimo al minuto prima del suo livello di ragionamento. Sul listino prezzi la differenza è di cinque a uno, e una persona che li ha usati entrambi ha raccontato online che Realtime 1 "sembrava molto vicino al modello G​PT Live". Quella frase è la cosa più interessante di questo confronto e la meno verificabile, perché c'è esattamente un modo per risolverla e nessun soggetto indipendente ha eseguito il test che servirebbe.

Quindi consideralo come due domande anziché una. Un modello da un centesimo al minuto è cinque volte peggiore? E cosa offre davvero il profilo misurato di G​PT Live 1 che un modello più economico dovrebbe eguagliare? La seconda ha delle risposte. La prima non ancora.

Le architetture non hanno la stessa forma

G​PT Live 1 è insolito e la sua documentazione lo dice chiaramente. È un modello full-duplex — ascolta e parla contemporaneamente, invece di alternare i turni — e non cerca di fare il ragionamento da solo. "Delega il ragionamento e il lavoro sugli strumenti a un agente backend", raggiungibile solo tramite v1/live/sessions, senza supporto per gli endpoint Chat Completions, Responses o Realtime. Riceve e restituisce audio e testo, supporta lo streaming e il function calling e non accetta immagini o video.

• G​PT Live 1 — front end full-duplex, con ragionamento delegato a qualunque agente backend tu colleghi. Limiti di sessioni simultanee: 50 su Build, 300 su Launch, 500 su Grow. Nessun piano gratuito.

• MAI Realtime 1 — da voce a voce con un percorso rapido e un livello interno di ragionamento. Microsoft fattura 1,00 $ per milione di token di input e 5,00 $ per milione di token di output. Fatturazione al minuto audio per la parte conversazionale. Anteprima non fatturata fino alla pubblica anteprima.

Entrambi sono, di fatto, sistemi in due parti. La differenza sta in chi possiede la seconda parte. Con GPT Live 1 è esplicitamente tua: scegli tu l'agente backend, ne paghi i token separatamente, vedi il punto di giunzione. Con MAI Realtime 1 il passaggio di consegne avviene all'interno del prodotto e della pagina dei prezzi, e la decisione di routing non è qualcosa che puoi configurare.

Quella singola differenza progettuale spiega gran parte del divario di prezzo. OpenAI fa pagare 0,05 dollari al minuto per un orecchio e una bocca molto buoni. Microsoft fa pagare 0,01 dollari per un orecchio e una bocca decenti, più un dispatcher interno, e monetizza il pensiero sul contatore dei token.

Cosa mostrano davvero le misurazioni di GPT Live 1

G​PT Live 1 compare due volte nella board speech-to-speech di Artificial Analysis, perché l’agente backend che alleghi cambia il risultato:

• Indice speech-to-speech — 83,2 con un backend di classe Astra in modalità medium, 80,1 con un backend di classe Sol in modalità low. Entrambi si collocano sopra il 74,5 di G​emini 3.8 Live e ben sopra il 77,3 di Eleven Realtime Max, il che rende G​PT Live 1 il modello con l'indice più alto in questo insieme di confronto.

• Ragionamento vocale (Big Bench Audio) — 90,1% e 89,0% rispettivamente. Non in cima alla classifica — Eleven Realtime Max ottiene 98,8% — ma decisamente competitivo.

• Dinamiche conversazionali — 94,9% e 97,3%. La variante configurata Sol è il miglior punteggio per le dinamiche del set, ovvero il numero che corrisponde a «è piacevole parlarci».

• Completamento di attività agentiche (τ-Voice) — 74,5% e 59,3%. Entrambi superano il 30,1% di G​emini 3.8 Live con un ampio margine, come ci si aspetterebbe da un modello la cui intera premessa progettuale è affidare il lavoro a un backend capace.

• Arena Elo — 1027 e 1037.

• Tasso di successo delle attività — 87,4% e 90,9%.

• Tempo al primo audio — 1,34 e 1,24 secondi. Più lento rispetto ai 0,57 di Eleven Realtime Max e ai 1,18 di G​emini 3.8 Live, ma il design full-duplex fa sì che l'attesa percepita non sia la stessa cosa di quella misurata; un modello che dà un cenno di conferma mentre pensa non dà l'impressione di essersi fermato.

• Costo misto — $5.83 e $4.47 all'ora secondo la normalizzazione di Artificial Analysis, rispetto a un tariffario di $0.05 al minuto che corrisponde a $3.00 all'ora per la sola linea vocale. Le cifre più alte includono la spesa per i token di backend, che è il modo onesto di interpretare un modello che delega il ragionamento.

Da quei numeri seguono due cose. Primo, la configurazione conta quanto il modello: lo stesso G​PT Live 1 ottiene 83,2 o 80,1 a seconda del backend a cui lo indirizzi, e 74,5% o 59,3% sulle attività agentiche. Una recensione che cita un solo numero senza dire quale backend abbia usato non ti ha detto quasi nulla. Secondo, il leader dell'indice qui non è il leader dell'arena — G​emini 3.8 Live vince l'Elo, G​PT Live 1 vince l'indice. Questi misurano cose diverse, e nessuno dei due è un proxy per il tuo carico di lavoro.

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.

L'affermazione che vale la pena verificare, e quanto costa verificarla.

"Mi è sembrato molto vicino al modello G​PT Live." Preso alla lettera, è la cosa più forte che chiunque abbia detto su MAI Realtime 1, e viene da qualcuno che non ha pubblicato metodologia, registrazioni né un set di attività. È anche, a essere onesti, esattamente il modo in cui arrivano la maggior parte delle prime impressioni sui modelli vocali — le conversazioni full-duplex sono difficili da valutare e facili da percepire, ed è per questo che l'arena esiste fin dall'inizio.

Il problema è che l'affermazione è verificabile solo a metà. Microsoft pubblica un'unica cifra di accuratezza per MAI Realtime 1 — 98,8% su Big Bench Audio, nella pagina del modello, eseguita dal fornitore e non riprodotta — insieme a una scheda P50 del tempo al primo audio e a una didascalia «P50 Latency on BigBench Audio». Non pubblica alcun punteggio τ-Voice, nessuna distribuzione della latenza e nessun elenco delle lingue. Artificial Analysis non include MAI Realtime 1 al 18 novembre, quindi non esiste una lettura indipendente di quel 98,8% da affiancare al 90,1% di G​PT Live 1: una è una valutazione del fornitore stesso, l'altra è di una terza parte. L'affermazione comparativa di Microsoft cita G​PT Realtime 2.1, un modello diverso da G​PT Live 1 con una struttura di prezzo del tutto diversa, e persino quel confronto è pubblicato come posizione di frontiera anziché come numeri.

Quindi la versione utile dell'affermazione è un piano di test, non un verdetto. Quattro cose da eseguire, tutte a costo contenuto finché l'anteprima è gratuita:

• Conversazione back-to-back — le stesse venti chiamate registrate attraverso entrambi i modelli, valutate alla cieca. È l'unico modo per testare "sembra vicino", ed è il test che l'affermazione originale ha saltato.

• Interruzione in caso di sovrapposizione — Il design full-duplex di {{1}}G​PT Live 1{{/1}} gli consente di parlare e ascoltare contemporaneamente. Verifica se {{2}}Realtime 1{{/2}} gestisca davvero il parlato simultaneo o si limiti a gestire interruzioni pulite. Sono capacità diverse e solo una di esse emerge in una demo.

• Latenza di escalation — nel momento in cui Realtime 1 passa un turno al suo motore di ragionamento, misura la pausa. L'affermazione di Microsoft è "senza pause imbarazzanti", ovvero un'affermazione sulla latenza senza alcun numero associato.

• Costo per chiamata completata — non al minuto. Un modello che costa un quinto al minuto e richiede due turni in più per risolvere una richiesta non costa un quinto. È questo il numero che decide il confronto e nessuno dei due fornitori lo pubblica.

Dove finiscono i cinque centesimi

Se i quattro centesimi al minuto in più di GPT Live 1 non ti danno nulla, questa non è una decisione. Ma danno qualcosa di specifico: un punteggio agentico misurato del 74,5% contro un'affermazione non misurata, e un'architettura full-duplex che è una capacità diversa dall'alternanza dei turni, non una versione migliore di essa.

Ciò che ti costa oltre alla tariffa è il controllo e l’infrastruttura tecnica. G​PT Live 1 richiede che tu fornisca e paghi un agente backend — che è lavoro reale e una spesa reale, ma anche il motivo per cui la sua configurazione cambia i suoi punteggi. Scegli il modello di ragionamento; vedi la spesa in token; decidi cosa viene escalato. MAI Realtime 1 prende quella decisione all’interno del prodotto e per questo addebita $1.00 e $5.00 per milione di token, senza dirti quanto spesso accade.

Quel compromesso — visibilità contro convenienza — è il punto in cui un gateway si guadagna il suo posto. Entrambi i modelli finiscono per chiamare modelli di ragionamento, G​PT Live 1 per design e MAI Realtime 1 internamente, e quel livello di ragionamento è la parte che OrcaRouter instrada: oltre 200 modelli dietro un'unica chiave al prezzo di listino del provider con 0% di ricarico, così il backend che decide la tua configurazione di G​PT Live 1 è sostituibile senza un secondo contratto, e con failover automatico affinché una chiamata di ragionamento bloccata non si trasformi in silenzio a metà frase. La fusione di modelli è l'altra leva che vale la pena conoscere qui — per un agente vocale i cui turni difficili sono quelli costosi, un panel che risponde insieme sul percorso di escalation è un modo per comprare accuratezza dove conta senza pagarla a ogni turno.

Per essere precisi sulla copertura: né G​PT Live 1 né MAI Realtime 1 è nel catalogo OrcaRouter. G​PT Live 1 è l'endpoint v1/live/sessions di O​penAI; MAI Realtime 1 è l'anteprima ad accesso limitato di MAI Labs e Foundry. Quello che c'è dietro è ciò che offriamo.

Il dettaglio di integrazione che determina la tua tempistica

GPT Live 1 ha l'integrazione più scomoda e la documentazione migliore. Il suo endpoint dedicato v1/live/sessions significa che nulla di ciò che hai costruito con l'API Realtime è riutilizzabile — questo è un nuovo modello di sessione, e il fatto che non supporti Chat Completions, Responses o Realtime è la prima cosa nei suoi documenti per un motivo. I limiti di frequenza contano le sessioni simultanee, non i token, quindi la pianificazione della capacità è un esercizio del tutto diverso: 50 sessioni simultanee su Build, 300 su Launch, 500 su Grow, nessun livello gratuito.

MAI Realtime 1 è l'opposto: un'interfaccia compatibile con l'API OpenAI Realtime, che è la frase più utile in assoluto nell'annuncio di Microsoft. Se il tuo stack parla già quel protocollo, la valutazione si riduce a una stringa di modello e a un URL di base. Il problema è tutto ciò che circonda l'interfaccia: nessun elenco delle lingue, nessuna distribuzione della latenza, nessun punteggio τ-Voice, nessuna data di GA e una demo di due minuti in MAI Labs che, quando abbiamo controllato, riportava «MAI Realtime non è disponibile in questo momento».

Quindi l'asimmetria temporale è reale. GPT Live 1 puoi integrarlo questa settimana con documentazione pubblicata e un endpoint di produzione. MAI Realtime 1 puoi prototiparlo basandoti su una compatibilità che conosci, e poi aspettare una preview che è gratuita proprio perché non è finita.

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.

Il verdetto, formulato come una scommessa

Scegli G​PT Live 1 se l'esperienza vocale è il prodotto e vuoi un backend che controlli. Ha l'indice speech-to-speech più alto della sua categoria, le migliori dinamiche conversazionali con un backend di classe Sol, un punteggio agentico che supera ogni modello non OpenAI del confronto tranne Phonic 1 e G​rok Voice 3.0, e una documentazione che ti dice esattamente cosa fa. Cinque centesimi al minuto sono un numero reale e puoi prevederlo.

Scommetti su {{1}}MAI Realtime 1{{/1}} se il fattore economico è il vincolo e hai tempo di ingegneria da dedicare alla misurazione invece che all'approvvigionamento. Un centesimo al minuto con un'anteprima non fatturata e un'interfaccia compatibile con OpenAI è il modo più economico possibile per scoprire se l'architettura a due livelli di Microsoft batte quella lato applicazione. Quello che stai accettando è che sarai tu a produrre la distribuzione della latenza, il valore τ-Voice e l'elenco delle lingue, perché Microsoft non ne ha pubblicato nessuno — e che il suo unico dato di accuratezza, 98,8% su Big Bench Audio, arriva dal fornitore senza nulla dietro.

L'unica cosa da non fare è ripetere l'affermazione "sembra molto vicino" come se fosse un risultato. Potrebbe essere vero. Chi l'ha detto potrebbe benissimo avere ragione, e se ce l'ha, questo confronto smette di essere interessante perché il modello più economico sarebbe quello migliore sull'asse che conta di più per gli utenti. Ma una sensazione di un pomeriggio non è un tasso di completamento delle attività, e il numero che lo risolverebbe — quale frazione di chiamate reali ciascun modello porta effettivamente a termine — è l'unico dato che nessuno dei due fornitori ha pubblicato.

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.'