「GPT-Live-1.1 vs Sesame Preview」というタイトルカードが生成され、サブタイトルは「サブスクリプションに対する従量制料金」で、左側のカードには GPT-Live-1.1 と表示され、アクティブ1分あたり$0.05、待機1分あたり$0.02、従量課金APIを備え、右側のカードには Sesame Preview と表示され、Plusは月額$20、Proは月額$100、コンシューマー向けアプリのみを提供しています。
Guides & Insights

GPT-Live-1.1 対 Sesame Preview:サブスクリプションに対する料金表

著者

Elias Hawthorne

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

この2つは常に比較され、その比較はたいてい間違いだ。GPT-Live-1.1とSesame Previewはどちらも会話ができ、割り込みにも対応し、前世代よりも電話の自動音声案内らしくないと常々評される。しかし一方は従量課金のAPIで、もう一方はサブスクリプションアプリであり、それに気づけば、両者についての興味深い問いの多くはもはや音声品質の話ではなくなる。

GPT-Live-1.1は、ChatGPT Voice内でGPT-Live-1に取って代わってから5週間後の2026年11月19日にOpenAI APIに登場しました。Sesame Previewは2026年5月から消費者向けに提供されており、8月初旬からAndroidで利用できます。10月には価格表を追加し、Free、月額20ドルのPlus、月額100ドルのProをApp StoreとGoogle Playを通じて販売しています。両社とも、2つの音声を同じ軸で比較できるベンチマークを公開しておらず、独立系ラボもそのようなベンチマークを実施していません。したがって、以下の内容はすべて各製品が何であるかについてであり、どちらがより良く聞こえるかについてではありません。後者の問いには現在、測定可能な答えが存在しないからです。

2つの製品、2つのビジネスモデル

その分裂を最もすっきりと見る方法は、自分が何を買っているのかを問うことだ。

• アクセス — GPT-Live-1.1 は v1/live/sessions 上のモデル ID で、自身のアプリケーションから呼び出せます。一方、Sesame Preview は iOS および Android 向けのアプリで、公開 API もモデル ID もありません

• 料金 — GPT-Live-1.1は秒単位で課金:通話中の1分あたり$0.05、待機時は$0.02。一方、Sesameは月額の利用枠を販売:無料プランは$0(1日30分の通話時間)、Plusは$20(1日2時間)、Proは$100(1日10時間)

• 誰が支払うのか — GPT-Live-1.1 は開発者アカウントに請求され、さらに委任先のバックエンドに対するトークン課金が別途発生するのに対し、Sesame はアプリストアを通じて消費者に請求されます

• 音声 — GPT-Live-1.1は英語、ポルトガル語、ドイツ語、フランス語、ヒンディー語、日本語、韓国語で21種類の名前付き音声を提供し、さらにプロンプトから音声を作成できるのに対し、SesameはMaya、Miles、Simone、Charlieの4キャラクターを提供

• カスタマイズ — GPT-Live-1.1では、セッション指示を記述し、委任モードを選択し、アイドルタイムアウトを設定できます。一方、Sesameのエージェントにはそれぞれ個性があり、設定画面に書き込むのではなく、その中から選ぶ形です

• オープンウェイト — GPT-Live-1.1はクローズドであるのに対し、SesameのCSM-1BはHugging Face上でApache 2.0であり、アプリ内のモデルではありません

Generated two-column scoreboard titled 'GPT-Live-1.1 vs Sesame Preview — the scoreboard' with six matched rows: access (v1/live/sessions API vs iOS and Android app), pricing ($0.05 and $0.02 per minute vs $20 and $100 per month), who pays (developer account vs consumer through app stores), voices (21 named, prompt-to-voice vs four characters), customisation (instructions and delegation vs pick a character), and open weights (closed vs CSM-1B, not this model).

最後の一文こそ、多くの人が誤解しているところだ。Sesameには確かにオープンモデルがあるが、それはPreviewではない。CSM-1BはApache 2.0で公開された10億パラメータの対話音声モデルで、LlamaアーキテクチャのバックボーンにKyutaiのMimiコーデックを組み合わせて構築されており、アプリ内の本番音声とは異なる、より小規模なシステムだ。Sesame Previewをセルフホストしていると言う人は、別のものをセルフホストしている。デモとダウンロードの間の隔たりは、2025年2月の最初の研究投稿以来、Sesameの提供内容における中心的な事実であり続けており、それはまだ埋まっていない。

$0.05の1分を、適正に価格設定する

GPT-Live-1.1の料金はどちらの方向にも誤読しやすいため、正確に確認する価値があります。音声セッションは、アクティブな1分あたり$0.05の時間課金で、秒単位で課金され、分単位への切り上げはありません。2026年11月19日以降、WebRTCセッションは、無音が5〜60秒続いた後に推論を一時停止するように設定でき、待機中は1分あたり$0.02で課金されます。バックエンドのモデルとツールの使用量は別途課金され、委任先として指定したモデルのトークン計量に基づきます。WebRTCセッションを作成すると、初期化時に音声時間15秒分が課金され、セッションの実行開始後、その時間分が相殺されます。

したがって、通話回線を3時間連続で開いたままにすると、バックエンドのトークンを1つも消費する前の時点で、音声メーターだけで$9.00になります。これはSesameのPlusプランと比較すべき数字です。同プランは月$20で1日2時間の通話時間、つまり月およそ60時間、枠をフルに使えば1時間約$0.33になります。純粋な時間単価で見ればSesameは圧倒的に安く、その安さには気前の良さとは無関係な理由があります。あなたはアプリ内で1人のアシスタントと話す1人の消費者であり、従量制エンドポイントに対して数千の同時呼び出しを行うアプリケーションではないのです。

比較が現実になるのは、何を作ることが許されているかを問うたときだけだ。Sesameの通話時間は、個人に対する割り当てだ。GPT-Live-1.1の分数は、製品にとっての売上原価だ。後者を評価しているチームは、どんな価格であっても前者で代用することはできない。

Screenshot of Sesame's plans page showing the Free, Plus at $20 and Pro at $100 tiers with their daily talk-time allowances and the one-time top-up prices.

どちらの製品も提供しないもの

Sesameの限界は同社が明言しており、和らげずに列挙する価値がある。製品なのはアプリであり、API、モデルID、レート制限、エンタープライズ向けプランはなく、サブスクリプション以外に公表された収益化計画もない。セッションは1日あたりの通話時間枠で上限が設けられており——Freeでは30分、Plusでは2時間、Proでは10時間——エージェントは実行するのではなく話す。エージェント型APIのように、ユーザーの代わりに予約したり、購入したり、書類を提出したりはしない。アプリはiOSとAndroidで提供され、2027年にはアイウェアが発表されている。Sesameが示す方向性は、研究パートナーシップとハードウェアだ。

GPT-Live-1.1の制限も同じくらい具体的で、しかも逆向きに働きます。入力は音声とテキスト、出力も音声とテキストです。画像と動画には対応していません。推論自体は行わず、Responses委譲またはクライアント委譲を通じて、設定したバックエンドモデルまたはエージェントに委ねます。また、v1/live/sessionsを通じてのみ到達可能です。Chat Completions、Responses、Realtime、文字起こし、翻訳、音声生成はすべて、このモデルでは未対応のエンドポイントとして挙げられています。テキストを返す単一の呼び出しを求めるなら、これはそうではありません。これは、中央にあなたのバックエンドが入る穴のある音声レイヤーです。

言い換えれば、どちらの製品も、宣伝文句から読み取れるよりも狭いものだ。Sesameが売っているのは、その上に何も築けない音声。OpenAIが売っているのは、自ら考えることのできない音声だ。

数字が止まるところ

どちらの音声にも独立したスコアはなく、その欠落がいかに完全なものかを率直に言う価値がある。Artificial Analysisのspeech-to-speechインデックスは、2026年11月20日時点で、GPT-Live-1を2回掲載している——中程度の推論エフォートでAstraクラスのバックエンドを使った場合が83.2、低い推論エフォートでSolクラスのバックエンドを使った場合が80.1——が、APIで公開されてから1日しか経っていないGPT-Live-1.1は掲載していない。Sesameのモデルは一切掲載していない。現在のどちらの音声についても第三者による測定は存在しないため、一方が他方より自然に聞こえるという主張は、調査結果として提示された試聴印象にすぎない。

セサミについて実際に存在するのは、同社が構築したベンチマークだ。2026年8月、同社はTurnBenchを公開した。これは音声対話における発話交替のためのオープンベンチマークであり、154の対話と106人の声優にわたる、スタジオ収録の2チャンネル英語会話30時間分を収め、3重に注釈付けされている。システムが発話終了と割り込みのイベントをどれだけ正確かつ迅速に検出するかを測定する。これは真に価値ある貢献だ。この分野は1990年代初頭のSwitchboardの録音に頼ってきたからだ。また公開リーダーボードは、偽陽性率と中央レイテンシーも併記しながら、再現率で27のシステムを順位付けしている。GPT-Live-1.1も、Sesameの製品音声も、そこには一つも掲載されていない。このベンチマークは、両製品が解決すると主張する問題を測定しているが、どちらも提出していない。

それが証拠の現状だ。一方には数値が添えられていないベンダー実施の人間評価があり、もう一方には独立したスコアのない公開から1日しか経っていないAPIモデルがあり、両者を比較できるはずのオープンリーダーボードはどちらのデータも欠いたままだ。

OrcaRouter が対応する範囲と対応しない範囲

OrcaRouterはどちらの製品も提供していません。カタログに全二重音声エンドポイントはないため、GPT-Live-1.1が必要ならOpenAIのLive sessions APIを直接呼び出し、Sesame Previewが必要ならアプリをダウンロードしてください。そうでないと言うのは、当社がホストしているものについての嘘になります。

私たちがカバーするのは、Live デプロイのうち通常のモデル呼び出しにあたる部分です。GPT-Live-1.1 は推論とツール使用をバックエンドに委任しており、O​penAI 自身のガイダンスでは、gpt-6-lunaから始め、より難しい作業にはgpt-6-solに移ることを推奨しています。両モデルは OrcaRouter 上で、プロバイダーの定価のままマークアップなしで利用でき、GPT-6 ファミリーの残りや 200 を超える他のモデルとともに、1 つのキーで使えます。プロバイダー間の自動フェイルオーバーと、複数のモデルを 1 回の呼び出しに組み合わせるためのルーティング DSL も備えています。音声エージェントの頭脳が、ルーティングしたり切り替えたりフェイルオーバーしたりしたい部分なのであれば、そこが私たちが実際に支援できるレイヤーです。テキスト読み上げ側も同様で、gpt-4o-mini-tts や G​oogle の G​emini TTS モデルも利用できます。

決定、それは率直に述べられたもの

製品を構築しているなら、選択は僅差ですらなく、音声品質の話でもありません。GPT-Live-1.1は呼び出し可能で、秒単位の課金で、設定可能です。一方、Sesame Previewは月間利用枠のあるコンシューマー向けアプリで、外部から組み込む手段がありません。前者で出荷し、後者はコンポーネントとしてではなく、会話音声が向かう先を示す証拠として扱ってください。

アシスタントを選ぶ立場の人なら、比較は逆転する。Sesameの$20プランなら月およそ60時間の通話時間が買え、これはGPT-Live-1.1の音声メーターで約6時間40分使えるのと同じ価格だ。しかも、書くために設計されたセッション設定ではなく、話しかけるために設計されたキャラクターが付いてくる。その用途でAPIが優れた製品というわけではない。ただ、自分で構築できる唯一の選択肢にすぎない。

Generated cost card titled 'Twenty dollars, two meanings', with a left card labelled GPT-Live-1.1 voice meter showing 400 active minutes, or 6 hours 40 minutes at $0.05 a minute, and a right card labelled Sesame Preview Plus tier showing about 60 hours of talk time a month at 2 hours a day, with a single $20 label between them.

答えを変えるのは、公開されたSesameのエンドポイントか、どちらか一方の音声についての独立した測定結果だろう。2026年11月20日時点で、そのどちらも存在しない。それが存在するまでは、GPT-Live-1.1とSesame Previewについて言える有益なことは、両者は実際には競合していないということだ——そして、両者が比較されること自体が、どちらの企業の仕事についてよりも、このカテゴリーがいかに新しいかについて多くを語っている。