Fish Audio Live 3 vs GPT-Live-1: 둘 다 반쪽짜리 제품이며, 어느 반쪽인지는 미터가 말해준다

Fish Audio Live 3와 GPT-Live-1은 둘 다 풀듀플렉스 음성 모델이며, 둘 다 턴테이킹은 음성 모델 내부에 속해야 한다고 주장하고, 둘 다 그 자체로는 불완전하다. GPT-Live-1은 듣고 말한 뒤 사고를 별도의 백엔드 모델에 넘긴다. 이는 한계가 아니라 설계이며, 전반부에 대해 음성 분당 $0.05를 청구하는 동안 추론은 두 번째 계량기로 청구된다. Fish Audio Live 3도 구조적으로 같은 일을 한다. 음성 계층은 Fish Audio의 Agent Platform에서 실행되고, 에이전트의 추론은 custom-LLM 훅을 통해 모든 OpenAI 호환 엔드포인트를 가리킬 수 있다. 차이는 OpenAI가 전반부의 가격을 공개했고 Artificial Analysis가 전체 시스템의 점수를 공개한 반면, Fish Audio는 둘 다 공개하지 않았으며, 유일하게 제공하는 숫자인 186밀리초—Live 3가 반응하기로 결정할 수 있는 가장 짧은 간격—를 벤더 보고치로 표시한다는 점이다.

그것은 이것을 두 모델 간의 경쟁이라기보다 음성 에이전트를 반으로 나누는 두 방식 간의 경쟁으로 만든다. 그리고 그 분할 방식이 모델보다 더 중요하다. GPT-Live-1은 GPT-6 Astra와 중간 노력 설정으로 결합했을 때 Artificial Analysis Speech to Speech Index에서 81.5점을, GPT-5.6 Sol과 낮은 노력 설정으로 결합했을 때 80.1점을 기록했는데, 이는 백엔드 선택이 1위와 2위 간 격차의 일곱 배만큼 결과를 움직였다는 뜻이다. Live 3의 해당 수치는 아직 존재하지 않는다. 둘 중 하나를 구매하는 것은 시스템의 절반을 사고 나머지 절반은 직접 선택하겠다고 약속하는 것이다.

각 공급업체가 실제로 공개한 내용

GPT-Live-1은 문서화가 더 잘 된 제품이며, 문서에는 그 이음새에 대해 구체적으로 나와 있다. 이 제품은 2026-07-08에 ChatGPT 내부에 출시되어 Advanced Voice Mode를 대체했고, 2026-09-10에 개발자 API에 도달했다. Artificial Analysis 보드에는 이 제품에 대한 두 개의 행이 있는데, 지수가 시스템 전체를 점수화하기 때문이다. GPT-6 Astra를 중간 노력으로 사용한 81.5점이 1위이고, GPT-5.6 Sol을 낮은 노력으로 사용한 80.1점이 3위다. Astra 행 아래의 구성 요소 수치는 τ-Voice에서 67.9%의 에이전트 점수, Big Bench Audio에서 90%, 87.4%의 작업 성공률, 아레나 Elo 1,048, 첫 오디오까지 1.34초이며, 이는 다른 이벤트를 집계하는 OpenAI 자체의 Full-Duplex-Bench 0.798초와 비교해 측정된 것이다.

Live 3에 대해 공개된 내용은 한 문단과 일련의 구체적인 예시로 구성되어 있다. Fish Audio는 2026-11-10에 이를 발표했으며, 완전 이중 통신(full duplex)이고 녹음된 인간 대화로 훈련되었다고 설명한다. 또한 짧은 반응의 경우 최소 186밀리초 만에 응답하기로 결정할 수 있다고 밝히고, 출시 시점에는 영어 전용이라고 말하며, Fish Agent Platform, Fish Audio 자체 API 및 온프레미스 배포를 통해 제공한다. 벤치마크도 없고, τ-Voice 수치도 없고, arena Elo도 없으며, Fish Audio의 요금표에도 이에 대한 항목이 없다 — 요금표에는 drama-3, s2.1-pro, s2.1-pro-free, s2-pro, s1과 세 가지 전사 모델, voice-design-1이 나열되어 있다.

• 전반부 — GPT-Live-1: 음성 1분당 $0.05, 초 단위로 청구되며 세션 시작 시 15초가 청구되고 이후 사용량에서 공제됩니다. Live 3: 가격 미공개.

• 백엔드 측 — GPT-Live-1: 원하는 비동기 백엔드 모델로, 해당 모델의 요금으로 청구되며, OpenAI가 공개한 WebRTC 예제에서는 GPT-5.6 Terra를 사용합니다. Live 3: 모든 OpenAI 호환 엔드포인트를 가리키는 커스텀 LLM 훅으로, 마찬가지로 이를 제공하는 주체가 요금을 청구합니다.

• 독립 점수 — GPT-Live-1: 종합 지수에서 81.5 및 80.1, 두 구성은 별도로 채점됨. Live 3: 2026-11-11 기준 없음.

• {{1}}전송 및 제한{{/1}} — {{2}}GPT-Live-1{{/2}}: WebRTC 전용, 이미지 또는 동영상 입력 없음, 구조화된 출력 없음, 무료 티어 없음, 티어 1~5에 걸쳐 동시 세션 25, 50, 200, 300, 500개에 대한 동시성 한도. Live 3: JavaScript 및 React SDK와 함께 /v1/agent/* 아래의 REST, 세션 토큰 인증, 전화번호, 웹 위젯 또는 사용자 지정 클라이언트용 채널.

2미터 구조가 실제 결정인 이유

음성 에이전트의 청구서는 두 부분으로 나뉘고, 그중 한 부분만 예측 가능하다. 앞부분은 시간으로 계량된다. 분당 $0.05 기준으로 5분 통화는 25센트, 1시간 동안 연결을 열어두면 3달러가 드는데, 이는 예측하기에 충분히 단순한 산수다. 뒷부분은 토큰으로 계량되고, 발신자가 얼마나 깊이 생각하는지에 따라 달라지며, 불쾌한 뜻밖의 비용을 만들어내는 쪽이 바로 이 부분이다. 그래서 Artificial Analysis는 분당 음성 요금 대신 시간당 총비용을 보고한다. 이 회사의 수치는 Astra 조합이 시간당 $5.83, Sol 조합이 $4.47이며, 둘 다 백엔드 작업을 포함한 금액으로, 음성 계량만으로 추정되는 시간당 $3.00과 대비된다.

Live 3도 미터가 두 개인 동일한 구조인데, 그중 하나는 숨겨져 있습니다. Fish Audio는 음성 레이어에 대한 요금을 공개하지 않았으므로 앞쪽 절반은 알 수 없고, 뒤쪽 절반은 custom-LLM 훅 뒤에 있는 엔드포인트가 부과하는 금액입니다. 따라서 10분짜리 Live 3 통화 비용은 두 숫자를 모두 알아야만 계산할 수 있으며, 오늘날 공급업체로부터는 둘 다 알 수 없습니다.

그 비대칭성은 이 비교에 라우팅 계층이 아예 등장하는 이유이며, 그것은 뒷부분에만 속합니다. OrcaRouter는 Fish Audio Live 3나 GPT-Live-1을 호스팅하지 않습니다 — 둘 다 타사 음성 엔드포인트가 없고, 두 스택 모두에서 음성 계층은 해당 공급업체에 그대로 남습니다. OrcaRouter가 호스팅하는 것은 두 시스템이 모두 위임하는 절반입니다: 하나의 키로 공급업체 정가에 마크업 없이 이용할 수 있는 216개 모델, 백엔드에서 오류가 발생하거나 시간 초과될 때 자동 장애 조치, 어떤 종류의 턴을 어떤 모델이 처리할지 결정하는 라우팅 DSL, 그리고 저렴한 모델이 도구 호출 초안을 작성하는 동안 더 강력한 모델이 실행 전에 이를 검사하도록 하는 모델 융합. GPT-Live-1 배포의 경우 실질적인 효과는 두 채점 구성 간의 1.4포인트 차이가 리더보드에서 읽어내는 대신 자체 트래픽에서 측정할 수 있는 것이 됩니다. Live 3 배포의 경우에는 음성 계층의 가격이 알려지기도 전에 추론 계층이 선택된다는 뜻입니다 — 이는 올바른 순서인데, 나중에 변경할 수 있는 절반이기 때문입니다.

계속 엉뚱한 대상과 비교되는 지연 시간 수치

이 비교에서 세 가지 지연 수치가 회자되며, 그중 어느 두 수치도 같은 사건을 측정하지 않는다. GPT-Live-1의 0.798초는 대화 역학 스위트인 Full-Duplex-Bench에서 나온 수치로, 이 벤치마크는 발화 순서를 주고받는 시나리오 안에서 모델의 시간을 측정한다. 1.34초는 API에서 측정한 첫 오디오까지의 시간이다. Live 3의 186밀리초는 Fish Audio 자체 수치로, 모델이 전화번호의 청크 사이에 "mm-hmm" 또는 "okay, 415" 같은 짧은 반응을 내보내기로 선택할 수 있는 최소 간격을 뜻한다.

두 수치를 함께 읽으면 Live 3가 7분의 1의 시간에 응답한다고 결론 내리고 싶어진다. 그 결론은 어느 벤더도 공개한 어떤 것에 의해서도 뒷받침되지 않는다. 이 수치들이 허용하는 유일한 비교는 방향성뿐이다. 두 회사 모두 대화에서 첫 가청 이벤트가 특정 조건에서는 4분의 1초 안에 도달할 수 있다고 주장하고 있으며, 어느 쪽도 분포를 공개하지 않았다. GPT-Live-1에 있고 Live 3에 없는 것은 동일한 측정을 자사와 경쟁사에 적용하는 제3자 하네스이며, 이것이 1.34초를 검토자가 확인할 수 있는 숫자로, 186밀리초를 파일럿이 검증해야 하는 숫자로 만든다.

아키텍처가 당신에게 부과하는 것

두 절반은 동등하게 이식 가능하지 않으며, 어느 파일럿이 시작되기 전에든 생각해 볼 가치가 있는 부분은 바로 그 점이다.

GPT-Live-1 쪽에서 음성 계층은 사실상 고정되어 있습니다. 세션은 대부분의 기존 Realtime 통합이 사용하는 WebSocket 전송이 아니라 WebRTC를 통해 실행되며, Live Sessions 엔드포인트는 OpenAI 전용이고, GPT-Live 모델 ID로 이전 경로를 시험해 보면 세션에는 WebRTC가 필요하다는 오류가 반환됩니다. 이쪽으로 옮기는 것은 전송 계층을 다시 작성하는 일이고, 이쪽에서 벗어나는 것도 또 다른 재작성입니다.

Live 3 쪽에서는 음성 계층이 다른 방식으로 고정되어 있습니다. 즉, 더 작은 벤더의 베타 플랫폼으로, 영어만 지원하고, 공개된 가격도 독립적인 점수도 없습니다. 그곳에서 이식 가능한 것은 추론 훅이고, 이식 불가능한 것은 그 아래의 모든 것, 즉 오디오 경로, 전화번호, 세션 수명 주기입니다.

두 경우 모두 모바일 쪽은 추론 모델이며, 바로 그 지점에서 전환은 통합 프로젝트가 아니라 모델 ID 변경이 된다. 이 비교의 양쪽에서 설계 교훈은 같다. 지능은 교체할 수 있는 계층에 두고, 교체할 수 없는 계층은 제품이 허용하는 한 얇게 유지하라.

어느 절반을 먼저 사야 할까요?

GPT-Live-1 절반을 먼저 구매하세요, 지금 당장 그 결정을 정당화해야 한다면요. 여기에는 공개된 요금, 점수가 매겨진 두 가지 구성, 구성 요소 분석, 문서화된 전송 방식, 그리고 콜센터 규모를 산정할 수 있는 동시성 사다리가 있습니다. 없는 것은 비디오 경로, 구조화된 도구 출력, 무료 티어, 그리고 OpenAI 자체의 80.1% 상호작용성 주장에 대한 독립적 재현입니다.

Live 3 절반을 먼저 파일럿하세요 단, 통화가 영어이고, 불만 기록이 고객이 말을 끊겼다는 내용으로 가득 차 있으며, 온프레미스 배포가 선호가 아니라 필수 요건인 경우에 한합니다. 당신이 곧 평가임을 인지하고 시작하세요. 요금표 항목도, τ-Voice 수치도, 아레나 점수도 없으며, 186밀리초라는 주장은 답변이 아니라 짧은 반응을 설명할 뿐입니다.

공급업체가 제품을 완성해 주리라고 기대하면서 어느 한쪽 절반만 구매하지 마십시오.백엔드가 없는 GPT-Live-1은 할 말이 없는 아주 훌륭한 경청자이고, 훅 뒤에 추론 엔드포인트가 없는 Live 3은 청구서가 공개되지 않은 베타 음성 계층입니다. 이 대결을 결정하는 점수인 81.5 대 없음은 사실상 문서화에 관한 진술이며, 이를 판가름할 숫자는 Live 3에서의 첫 독립 턴테이킹 실행입니다.