「Sesame Preview Arrives on Android」のタイトルカード:大きなタイトル、サブタイトル「レビュアーが市場で最高の音声モードのひとつと呼ぶ音声エージェント — 無料、APIはまだなし」、そして2つのフラットアイコンカード — 波形と人物のラインアイコンと「Maya · Miles · Simone · Charlie」のバッジを備えた「音声ファーストのエージェント」、および電話のラインアイコンと「無料 — APIはまだなし」のバッジを備えた「iOSとAndroid」。フッター:「好奇心旺盛な人々のためのパーソナルエージェント — Sesame、2026年8月」。OrcaRouterロゴを右下に合成。
Guides & Insights

Sesame Previewにプランが登場:無料、Plusは月額20ドル、Proは月額100ドル — そして音声APIは依然としてなし

著者

jinhao.song

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

エージェントにコンピューターを与えた10月のアップグレードからほぼ6週間後、Sesame Preview — 2026年5月からパブリックプレビュー中のアプリ — に価格表が登場した。Sesame自身のプランページでは現在、3つのプランを販売している。無料は$0で1日30分の通話時間、Plusは月額$20でその4倍の枠、Proは月額$100で20倍の枠で、WebではなくApp StoreとG​oogle Playを通じて請求される。これらはベンダー自身のページに記載されたベンダー公表価格であり、実測値でも独立レビューでもない。それらの下にあるものは何も変わっていない。本番用音声には依然としてAPIもモデルIDも独立したスコアもなく、そして、アプリ外で誰でも読み込める唯一のSesameモデルはオープンウェイトのCSM-1B。

公開されている3つの階層:

• 無料 — $0。1日30分の通話時間に加え、テキストとタスクに使える週ごとのクレジット枠が限定的に付与されます。

• Plus — 月額20ドル。1日2時間の通話時間、Freeの毎週のクレジットの4倍、そして誰でも1回利用できる1週間の無料トライアル。

• Pro — 月額100ドル。1日10時間の通話時間と、Freeの週次クレジットの20倍。

Sesameは、重要な線引きを自ら行います。通話で話すと通話時間を消費し、「エージェントが実際に実行するあらゆること」は、音声で依頼したかテキストで依頼したかを問わずクレジットを消費します。そのため、2つのメーターは異なる形で尽きます。通話時間は毎日リセットされ、クレジットは毎週リセットされます。クレジットが切れても通話は切断されません。Max知能からStandardに低下し、スケジュールされたスキルは毎週のリセットまで一時停止し、その後、中断したところから再開します。通話時間が切れるほうがより厳しい壁です。テキストは引き続き使えますが、モデルのインテリジェンスが低下し、一部の機能が制限されます。プラン一覧では、「4倍の通話時間」と「4倍のクレジット」は別々の約束であり、異なる日に尽きる可能性があります。

実際にどのプランを決める数字は、見出しの価格ではなく追加料金のレートだ。Sesameは追加の通話時間を1時間5ドル、5時間20ドルで、クレジットを1000単位5ドル、5000単位20ドルで販売している。パックは有効期限がなく、プランの許容量を使い切った後にのみ消費される。このレートなら、Plusの1日2時間 — 30日間の月でおよそ60時間 — は20ドルかかる一方、20ドルの都度課金の通話時間では5時間しか買えない。アシスタントを週に数回より多く使うなら、サブスクリプションはパックの約12倍の価値があり、これはおそらく狙い通りだ。Sesame自身のFAQも、すべてのプランは「同等量の追加時間やクレジットを購入するよりはるかに良い取引」だと述べている。

構造上の2つの詳細は見た目以上に重要だ。第一に、ウェブ上では何も販売されていない。購入はApp StoreまたはG​oogle Playを通じて行われるため、ブラウザ版Research Previewは一切アップグレードできない。第二に、ここが「プレビューは終了する」という表現を少し誤って捉えている点だが、ウェブ版プレビューはなくなるわけではない。SesameのFAQには、アプリの提供国以外のユーザーは「Research Previewを無料で使い続けることができ、1日あたりの通話時間にはFree Planと同じ制限、つまり1日30分が適用される」と書かれており、通話時間とクレジットはアカウントに紐づくため、同じ1日の上限がウェブ通話にも適用される。終了したのは、上限のない利用枠だ。プレビュー自体は無料プランとして存続する。

アプリ自体は、新しい課金体系と並行して提供され続けている。App Storeには11月13日付のバージョン48.0が掲載されており、リリースノートでは「標準機能とMax Intelligenceの向上」がうたわれている。G​oogle Playでは、アプリが11月9日に更新され、ダウンロード数50,000以上、約2,000件のレビューで平均4.9つ星と表示されている。下のスクリーンショットはそのビルドではない。これは、この記事が当初掲載した8月時点のキャプチャで、「iOSとAndroidでプレビュー公開中」と表示され、価格が一切記載されていなかったページのものだ。料金プランが登場する前の製品の最後の状態であるため、これを残している。

Screenshot of Sesame's official Mobile Preview page (sesame.com/mobile-preview), showing 'Personal agents for curious people', 'Preview available now on iOS and Android', and store links for App Store and Google Play. Captured August 6, 2026.

Sesameが実際に何であるか

Sesameは、たまたまアプリを持つモデル開発企業ではない。アプリこそが本質であるモデル開発企業だ。2023年にBrendan Iribe、Ankit Kumar、Ryan Brownが創業し、a16z、Sequoia、Spark、Matrixが出資するこのラボは、「Maya」デモの背後にある会話音声モデル(CSM)を構築した。その声は息づかいやためらい、割り込みのタイミングがあまりに説得力があるため、初めて聞いた人は電話の向こうに人がいると考えたほどだった。現在販売している製品は「好奇心旺盛な人々のためのパーソナルエージェント」だ。10月には目的地が加わった。10月6日、同社の最高製品責任者Nate Mitchellは、このアシスタントを一日中かけられるメガネのためのオペレーティングシステム——同社の表現では「フレームに載った音声OS」——として位置づけた。その前日、Sesameはフレームが日本で製造され、2027年に登場すると発表した。アシスタントが製品であり、メガネはそれが存在する理由だ。プランページには、それをビジネスに変える部分が加わった。

4つのエージェントと、アプリが実際に行うこと

4つのパーソナリティは変わっておらず、今も製品を最も特徴づける要素です。Maya(機知に富んだ共同作業者)、Miles(率直にものを言う、くつろいだ会話相手)、Simone(深掘りに適したダイナミックな思考パートナー)、Charlie(気軽な相談相手)の4人です。それぞれが独自のメモリーを持ち、10月以降は独自のアプリへのアクセスも持ちます。Mayaには自分のメールを渡し、Charlieには渡さないようにできます。それを基盤に、アシスタントはウェブ検索、深掘り、メモやリマインダー、通話後の要約送信、声に出して話せないときのテキストでの回答を行います。Incognito Modeは過去のメモリーを読み取りますが、新しいメモリーは書き込みません。プランが変えたのはアプリの機能ではなく、どれだけ使えるかです。すべての機能はどの階層でも利用可能と記載されており、$0、$20、$100の違いは機能ではなく利用枠です。

10月のリリースで実際に追加されたもの

まず声から始めよう。他のすべてはそれに立脚しているからだ。Sesameは「当社のConversational Speech Modelを更新し、表現力と発音を改善した」と述べ、その変更は「特に長い会話で大きな違いを生む」としている。同じ投稿では、キャラクターの個性が今や「より明確に伝わるようになり」、お世辞が減り、パーツも少なくなったと述べられている。それは数字が一切添えられていないベンダーの主張だ。公開されたモデルもなければ、レイテンシも、ベンチマークもなく、アプリの声は誰にも測定できない。それは、両方のバージョンを聞いた唯一の当事者による方向性の主張だ。

より大きな変化は、エージェントに今や身体が備わったことだ。「10月のリリースで、各エージェントはより賢くなり、自身のコンピューターにアクセスできるようになった」とSesameは書いている——つまり、アシスタントは話すだけでなく、ブラウジングして行動できる。同社が示す実演は的を射ている。同社のチームは、Maya、Miles、Simone、Charlieを使い、音声で、散歩中や通勤中に「Devin、Claude Code、Codexのような他のエージェントをオーケストレートしている」と述べている。もしこれが説明どおりに機能するなら、Sesameは音声アシスタントとのみ競争するのをやめ、コーディングエージェントの上位にある制御レイヤーを巡って競争を始めたことになる。またこれは、このリリースの中で読者が最も手軽に自分で試せる主張であり、これを書いている時点では外部のレビュアーが測定結果を公表していなかった唯一の主張でもある。

それを役立つものにしている土台も新しい。Sesameのはじめにガイド(10月5日更新)では、Googleアプリ——Gmail、Google Calendar、Google Drive——をコネクタとして挙げ、一部にはBetaのタグを付けている。さらに、外部MCPサーバーをOAuth経由でサポートし、接続する前に開発者を信頼するよう率直に警告している。コネクタの上に位置するのが「スキル」だ。会話の中で作り上げる平易な言葉のプレイブックで、必要に応じて、またはスケジュールで、接続済みアプリの有無にかかわらず実行できる。画像生成は、エージェント自身のツールの一つとして加わった。アプリはその中に「Image by Sesame」を挙げ、画像の生成、編集、分析を行うものとして説明している。アシスタントは、説明文から画像を生成することや、送信した写真に何が写っているかを伝えることを提案する。ここで出典に注意してほしい。これはアプリ内のツール一覧であり、Sesame自身の発表に書かれていることではない。また、アプリも同社も、その背後にある画像モデルを明かしていない。

料金プランページは、10月のリリースノートが明記していなかった詳細を1つ追加している。アプリには現在「Standard」と「Max」という2つのインテリジェンスレベルがあり、クレジットと通話時間の両方を消費するのはMaxのほうだ。これにより、クレジット許容量はタスクの割当量ではなく品質の上限となる。この区別はストアの掲載情報にも裏付けられており、バージョン48.0のApp Storeリリースノートでは「better standard and Max Intelligence」が約束されている。

変わらなかった制限

その音声には依然としてAPIもモデルIDも存在しない。したがって、これらはいずれも開発者が呼び出せるものではなく、料金プランページもその状況を変えるものではない。そこに載っている数字はすべて消費者向けサブスクリプションであり、モデルのトークン単価、分単価、文字単価ではない。画像ツールは、どのモデルがそれを動かしているかを教えてくれない。エージェントがDevinやClaude Codeを無人でどれほど確実にオーケストレーションできるかは未解決の問いであり、ベンダーは自社の逸話でしか答えていない。公式にサポートされている言語は依然として英語のみだ。ガイドには、アシスタントがフランス語、イタリア語、ドイツ語、スペイン語、中国語、日本語、韓国語も「早期」に扱うと記されているが、これは機能一覧というより警告だ。18歳以上である必要がある。また、アプリへのアクセスはアシスタントごとであり、プライバシー面では良いが実用上は厄介だ。Maya用に接続したものをCharlieは見られない。Sesameは依然として広告を出さずデータを販売しないと述べており、有料プランは今やその主張を守りやすくしている。

声こそが製品だ——そして、それは今のところ測定不能である。

Sesameについて書く価値があるのは、依然としてベンチマークスコアではない。なぜなら、このアプリにはまだそうしたスコアが存在しないからだ。本番モデルは未公開だ。モデルIDもAPIもレイテンシ目標もなく、呼び出し可能な音声モデルのようにArtificial Analysisの音声対音声リーダーボードに掲載されているわけでもない。検証できるのはアーキテクチャの系統だ。SesameのCSMは2デコーダ設計である。Llamaバックボーンが最初のオーディオコードブックを予測し、小型の「depth」デコーダが残りを予測する。基盤はKyutaiのMimiコーデックで、24 kHzモノラル音声を生成する。そしてオープンウェイトのCSM-1B(Apache-2.0)が、そのうち誰でもダウンロードできる唯一の部分だ。10月のノートは、本番CSM自体が動いたことを示す数か月ぶりの初確認であり、それでも同社はベンチマークを向けられるものを何も公開していない。ただ、一つの計測手段は存在し、それは隣接する何かを測っている。2026年8月28日、SesameはTurnBenchを公開した。これは音声対話におけるターンテイキングのオープンベンチマークで、3重注釈付きの二者間音声30時間、会話分析に基づく採点プロトコル、公開リーダーボード、14システムの結果からなり、Carnegie Mellon、Mundo AI、Otoと共同で構築された。それは本当にオープンで、Sesame自身のものであり、このアプリの声ではなくターンテイキングを評価する。

下のスコアボードは、あの8月時点の古いスナップショットです。今では二つの方向で不十分です。コンピューター利用、コネクター、画像生成については何も言えません。それが描かれた時点ではどれも存在していなかったからです。また価格の行は今も「free (preview, no paid tier)」と表示されていますが、プランページが公開された週にそれは事実ではなくなりました。このページ上部のタイトルカードも同じ8月のバッチのもので、同じく古い「free — no API yet」バッジが付いています。どちらも、アプリが今いくらかかるかを示すものではなく、かつて何だったかの記録として読んでください。

Single-column scoreboard for 'Sesame Preview — the scoreboard': six rows reading 'Platforms: iOS + Android + Web', 'Price: free (preview, no paid tier)', 'Agents: Maya · Miles · Simone · Charlie', 'Independent score: none yet', 'Open model: CSM-1B, $7/M chars', 'Languages: English only'. Footer: 'Sesame app model unreleased; CSM-1B per OpenRouter; no independent voice benchmark exists.' OrcaRouter logo composited bottom-right.

Sesameの1時間にかかる実際の費用

通話1時間あたりの価格で見ると、Plusはおよそ33セントになる。これはAPI市場と並べて比較する価値がある。なぜなら、Sesameが現在公表している数字のうち、何かと比較できる唯一のものだからだ。G​rok Voice Think Fast 2.0は音声1分あたり0.08ドル、つまり1時間4.80ドルを課金する。GPT-Realtime-2.1は音声トークン単位で課金され、入力100万トークンあたり32ドル、出力100万トークンあたり64ドルであり、どれだけ話すかがわからなければ時間に換算できない単位だ。

その比較は同一条件の比較ではなく、そう読むべきでもない。Grok Voiceはその上に製品を構築するAPIであり、Sesameは話しかけるアプリだ。Sesameのクレジットは通話時間に加えてエージェントの行動を計測するため、タスクが多い週には、時間単位の数字には決して現れない利用枠を消費し得る。そして、2つの音声が同じ土俵にいるかどうかを独立に測定したものはなく、それを決着させる唯一の数字はこのアプリには存在しない。33セントが示しているのは、Sesameが分単位で課金する市場に対して定額の消費者向けサブスクリプションを設定したこと、そして月20ドルで、従量制の音声APIがその時間に請求する額をはるかに下回る価格で時間を販売していることだ。それが寛大さなのかローンチ割引なのかは、次の料金ページが答える問いである。

Sesame Previewの音声分野における位置づけ

2026年、リアルタイム音声の分野はアプリとAPIに分裂し、10月には第三の軸が加わった。それは誰がエージェントを制御するかという軸だ。アプリ側では、Sesame PreviewがChatGPTやGemini Live内の音声モードと同じ注目を争っている。ただし新しい違いが一つある。それらの音声モードはテキストモデルも購入できるサブスクリプションにバンドルされているのに対し、Sesameの20ドルはアシスタントのみを購入するものだ。そのため、無料枠が本当の競争になる。1日30分はデモ用の長さであり、読者がそれを超えた瞬間、判断はこの音声が単体で20ドルに値するかどうかになる。API側では、呼び出し可能な選択肢はWebSocketを向けられるモデルだ。Grok Voice Think Fast 2.0は音声1分あたり0.08ドルで、最初の音声までの時間は0.70秒、τ-Voiceエージェントベンチマークで1位、Artificial Analysisの音声対音声品質指数では82.9%で2位(これらの数値はArtificial Analysisのもので、xAIのものではない)。あるいはGPT-Realtime-2.1は音声入力トークン100万あたり32ドル、音声出力トークン100万あたり64ドルだ。第三の軸は、Sesameが10月に移った軸だ。「私たちの音声モデルを呼び出してください」ではなく、「私たちのエージェントと話せば、彼らがあなたの他のエージェントを動かします」というものだ。それはオーケストレーションに関する主張であり、誰もそれを測定していない。これまでのところ、ベンダーの説明が証拠のすべてだ。

以下のチャートは、2026年8月6日時点のAPI側のボードです。Sesameが注意を争っている相手と、アプリの声がまだ持っていない種類の数字を思い起こさせるものです。

Screenshot of the Artificial Analysis speech-to-speech leaderboard (artificialanalysis.ai/speech-to-speech, captured August 6, 2026), where callable voice models such as Grok Voice Think Fast 2.0 carry index scores and time-to-first-audio figures — the API-side voice market that Sesame Preview, an app with no API, currently has no equivalent for.

ビルダーにとっての意味

コンシューマー側には今や価格がついている。開発者側にはまだない。今日Sesameの本番用ボイスを使って製品を作ろうとしても、それはできない。そのためのAPIは存在せず、料金ページにあるどのプランも開発者向けプランではないからだ。開発者が呼び出せるSesameのモデルは、オープンなCSM-1Bベースだけであり、それはセルフホストするか、それを掲載しているプロバイダー経由で利用することになる。パラメータ数1B、コンテキスト4K、ゼロショットのボイスクローニングに対応するものの、それ自体にツール呼び出し機能はないテキスト読み上げモデルだ。10月に変わるのは進む方向性である。アシスタントはMCPサーバーに接続し、Sesameは「今年後半に独自のSesameアプリを作れるよう、開発者向けツールを追加している」と述べている。各プランが加えるのは、そうしたツールが乗る土台となるビジネスモデルの気配だ。従量制の通話時間と従量制のエージェント作業を、階層プランとして販売する。拡張でき、今では時間単位で課金されるアシスタントは、トークン単位で呼び出せるアシスタントまであと一歩だ。

2026年により一般的なカスタム音声エージェントの組み立て方は、引き続き音声レイヤーと、何を話すかを決めるテキストの頭脳を組み合わせることであり、その頭脳こそがルーターの前面に置かれるものです。OrcaRouterなら、200以上のモデルがOpenAI互換の単一エンドポイントの背後に、プロバイダーの定価で、マークアップゼロでそのまま利用できます。そのため、ベンダーが価格を引き下げれば同日にここで反映されます。自動フェイルオーバーは、リリースされたばかりで実績のないモデルを、実績のあるモデルと並べて実際の経路に載せる安全な方法です。当社自身のカバレッジについて正直に言うと、現在ここにSesameのモデルのルートはなく、CSM-1Bも含まれません。つまり上記はいずれも、Sesameの音声を借りているということではありません。これは音声側がクローズドのままである間のテキスト側のパターンであり、それがクローズドでなくなった日に望むであろうパターンです。

「ドライブモード」のテスト

TestingCatalogの8月のフレーズ「my drive mode default」は、Sesame Previewが何のためのものかを今なお最も鋭く要約している。そして10月になって、それはより文字通りで、より重大な意味を持つものになった。ドライブモードは音声アシスタントにとって最も難しいケースだ。両手は塞がり、目は道路に向き、頼れる画面はなく、高速走行中の会話の順番の失敗に付き合う余裕もない。そこにコンピュータ操作が加わると、事態の重みが変わる。運転席からは確認できないタスクを、実際に行動し、更新を持って戻ってくるエージェントに任せることになるのだ。ディスプレイなしで意味を伝える表現豊かな韻律と、文中でも口を挟める割り込み処理は、この音声が運転中に使う価値がある理由であり続けている。

これらのプランは、そのテストにロマンチックさに欠ける失敗の仕方を追加します。タスク作業は通話時間ではなくクレジットを消費するため、車内で尽きるのは会話ではなく実行のほうです。週間クレジットの上限に達すると、通話はStandard intelligenceのまま続きますが、スケジュールされたスキルはリセットまで一時停止します。通話時間が15分残っていてクレジットがないのは、10分しかなくても枠が満額残っているより悪い状況であり、アプリはそこに到達してからではなく、到達する前に警告します。

次に見るもの

この話を変えるだろう5つのことがある。第一に、本番用ボイスのAPIまたはモデルID。これはSesameをコンシューマー向けアプリから、開発者が接続先として使えるものへと変える出来事であり、月単位ではなくトークン単位で価格設定できるようになる瞬間だ。第二に、料金プランの構造がその形を保つかどうか。現在はすべての機能がすべての階層で宣伝されているため、階層の違いは利用枠だけだ。1つの機能でもPlus限定になれば、従量制は設計ではなく実験だったとわかるだろう。第三に、Sesameが「今年後半」に約束した開発者ツール。Sesameアプリを構築できれば、古典的な意味でのAPIがなくても、そのアプリのボイスはプログラムから扱う価値を持つものになる。第四に、オープンウェイト。CSM-1Bは2025年3月以降Hugging Faceで単独の存在であり、より新しく大型のオープンCSMが出れば、誰もが時間単位で借りるのではなく自分でボイスを実行できるようになる。第五に、アイウェア。これはもはや噂ではない。10月5日と6日にわたり、同社はメガネを2027年に位置づけ、日本製になると述べ、アシスタントを自社が稼働させるオペレーティングシステムだと説明した。

よくある質問

Sesameはまだ無料ですか?

一部はそのとおりです。アプリは無料でダウンロードでき、無料プランでもすべての機能に完全にアクセスできますが、1日30分の通話時間と、週ごとのクレジット付与量に上限があります。ブラウザ版のResearch Previewも、1日30分という同じ上限で動作します。Plusは月額20ドルで1日2時間、クレジットは4倍です。Proは月額100ドルで1日10時間、クレジットは20倍です。また、アラカルトパック(通話時間1時間5ドル、クレジット1,000あたり5ドル)なら、サブスクリプションに登録せずにチャージできます。支払いはすべてApp StoreまたはG​oogle Playを通じて請求されます。

Sesameにはアプリの音声用のAPIはありますか?

いいえ。アプリの背後にある本番モデルは未公開です。モデルID、エンドポイント、トークン単位の料金はありません。10月の発表では、基盤となる Conversational Speech Model が更新されたと述べられていますが。有料プランは一般消費者向けのサブスクリプションであり、開発者向け料金ではありません。開発者が今日呼び出せる唯一の Sesame モデルは、オープンウェイトの CSM-1B ベースです。これはセルフホストするか、それを提供するプロバイダー経由でアクセスすることになります。アシスタントは外部の MCP サーバーに接続できますが、それはアシスタントがあなたのツールを使えるようにするものであり、あなたのコードがそれらを使えるようにするものではありません。

その声は、実際どれくらい良いの?

独立したスコアは存在しない。このアプリのモデルはArtificial Analysisの音声対音声リーダーボードに掲載されておらず、Sesameもそれについて第三者によるベンチマークを公表していない。あるのは、10月に何が変わったかについてのベンダー自身の説明 — より豊かな表現力、より良い発音、より少ない迎合性 — に加えて、このアプリではなくターンテイキングを測定するSesameのオープンなTurnBenchと、その自然さがSesameの音声に関する取り組みのうち誰でも独立に実行できる唯一の部分であるオープンなCSM-1Bだ。

Sesame Previewは10月をかけて製品となり、その後ビジネスにもなった。この2つの事実は分けて考えたほうがいい。ユーザーとして問うべきは、その声が印象的かどうかではなく、1日30分で自分の実際の話し方をカバーできるのか、月20ドルで十分な余裕が買えるのか、そして週ごとのクレジット上限が予定していた作業の途中で来ないかだ。開発者としては、何も変わっていない。APIも、モデルIDも、分あたりの料金も、スコアもない。購読前に無料枠で声を試し、デモではなく実際の1週間でクレジットの崖が何をするのかを見て、モデルIDには目を光らせておこう。Sesameがそれを出した瞬間、これは消費者向けの話ではなくなり、一晩で開発者向けの話になるのだから。

この記事で比較したモデル1

この記事から検出 · ベンチマーク:Artificial Analysis · 毎日更新