GPT-Live-1 vs Eleven v4: 과금 단위가 음성보다 먼저 결정한다

나란히 놓고 보면GPT-Live-1과Eleven v4, 가장 먼저 마주치는 차이는 벤치마크가 아니다. 단위다. GPT-Live-1은 세션이 열려 있는 매 분마다 $0.05를 청구한다. Eleven v4는 에이전트가 실제로 말하는 1,000자마다 $0.08을 청구한다. 하나는 시계로, 다른 하나는 대본으로 측정되며, 어느 쪽을 사야 하는지는 어느 모델이 음절 하나를 내놓기 전에 이미 그로부터 결론이 난다.

그 구분은 대부분의 비교에서 사라진다. 대부분의 비교는 음성-대-음성 지수를 텍스트-대-음성 Elo 옆에 갖다 놓고 이를 일대일 비교라고 부르는 경향이 있기 때문이다. 하지만 그건 일대일 비교가 아니다. 여기서는 두 제품이 실제로 무엇인지, 존재하는 수치가 알려줄 수 있는 것과 없는 것, 그리고 고객 지원 상담 라인, 오디오북, 그 사이의 까다로운 사례들에 대해 이를 해결하는 산술을 설명한다.

두 개의 제품, 두 가지 역할

GPT-Live-1은 OpenAI의 전이중 음성 모델로, 2026년 9월 10일부터 API에서 제공됩니다. 말하면서 동시에 듣고, 1초에 여러 번 발언권을 넘길지 결정하며, 질문에 추론이 필요할 때는 별도의 텍스트 모델에 추론을 위임합니다. 정확히 하나의 엔드포인트, 즉 v1/live/sessions만 있고 Chat Completions나 Realtime 표면은 없습니다. 즉, 기존 Realtime 통합에 모델 ID만 바꿔 넣는 방식이 아니라, 열어야 하는 세션입니다.

Eleven v4는 2026년 9월 28일에 저지연 v4 Turbo와 함께 출시된 텍스트 음성 변환 모델입니다. 텍스트를 입력하면 90개 이상의 언어 중 하나로 오디오를 반환하며, 10초 즉석 음성 복제, 감정과 속도를 위한 인라인 오디오 태그, 요청당 최대 10,000자 제한을 지원합니다. 귀가 없습니다. 발신자의 말을 들을 수 없고, 발신자가 말을 중단했음을 알아차리지 못하며, 문장이 잘 전달되지 않았기 때문에 멈추기로 결정할 수도 없습니다.

그 비대칭성이 전체 이야기다. Eleven v4 기반으로 구축된 보이스 에이전트는 파이프라인이다. 전사하고, 생각하고, 말한다. GPT-Live-1 기반으로 구축된 보이스 에이전트는 텍스트 모델이 자문 역할로 붙어 있는 하나의 모델이다. 파이프라인은 더 저렴하고 더 통제 가능하다. 엔드투엔드 모델은 더 자연스럽고 중단하기가 훨씬 어렵다. 이들은 같은 제품의 경쟁 구현이 아니라 서로 다른 공간을 위한 서로 다른 제품이다.

리더보드가 정직하게 말할 수 있는 것

이 두 모델이 함께 겨루는 단일 순위표는 없으며, 하나를 보여주는 사람은 서로 다른 점수를 비교하는 것입니다. 네이티브 음성, 블라인드 선호도, 2026년 10월 29일 집계 기준의 Artificial Analysis Provider Voice Arena에서 Eleven v4는 Elo 1334로 전체 2위이고, v4 Turbo가 1336으로 1위입니다. 음성 품질이 탁월하다는 점은 누구도 부정하지 않습니다. 해당 연구소 측정에서 발음 안정성 91.7%로, 출시 당시 주요 상용 모델 중 가장 강력했습니다.

GPT-Live-1은 해당 리더보드에 전혀 나타나지 않습니다. 그 리더보드가 측정하는 의미의 텍스트 음성 변환을 생성하지 않기 때문입니다. 대신 Speech Agent Arena에 나타나며, 이 아레나는 완전한 예약 스타일 대화 전반에 대한 블라인드 선호도를 점수화합니다. 여기서 GPT-Live-1(Astra, medium)은 과제 성공률 87.4%로 1037 Elo에 위치하고, Sol-low 구성은 90.9%로 1041에 위치합니다. Speech-to-Speech Index — 추론, 에이전틱 성능, 아레나 선호도 및 과제 성공의 가중 혼합 — 에서는 83.2점으로, 점수가 매겨진 21개 모델 중 2위입니다.

실제로 성립하는 비교는 GPT-Live-1을 Eleven의 대화형 제품과 비교하는 것이지, Eleven의 TTS 모델과 비교하는 것이 아닙니다. 같은 아레나에서 Eleven Realtime v1 Max는 1003점과 87.1%의 작업 성공률을 기록했고, ElevenLabs Agents 기본 캐스케이드는 989점과 90.5%를 기록했습니다. 따라서 엔드투엔드 모델은 실시간 대안보다 약 35–50 Elo 앞서며, 캐스케이드 에이전트 스택은 약 50점 낮은 점수에 성공률은 약간 더 높습니다. 이 수치들은 서로 충분히 가까워서 최종 결과는 리더보드가 아니라 단일 배포의 텔레포니, 프롬프트 설계, 배경 소음이 결정하게 됩니다.

한 가지 더 솔직하게 덧붙이자면: GPT-Live-1 수치에는 구성 라벨이 붙어 있습니다. 그 추론은 이름이 지정된 백엔드에서 수행되며, Astra-medium 및 Sol-low 구성은 위임 방식이 달라서 점수가 다릅니다. 반면 Eleven의 수치에는 제품 라벨이 붙어 있습니다. 둘 중 어느 것도 상대에 대한 통제된 실험은 아닙니다.

3분 통화에서의 산수

상담원이 분당 900자, 즉 빠르지만 평범한 속도로 말하고 발신자가 3분 중 약 40%를 말하는 인바운드 고객지원 통화를 가정해 보세요.

• GPT-Live-1 — 분당 $0.05로 3분이면 $0.15이며, 통화에 필요한 추론을 처리하는 백엔드 텍스트 모델 비용이 추가됩니다. 분당: $0.050.

• Eleven v4 — 에이전트가 약 1,620자를 말하므로 1.62 × $0.08 = $0.13이며, 여기에 전사 비용과 자체 언어 모델 비용이 추가됩니다. 분당: STT와 LLM을 제외하면 약 $0.043입니다.

• Eleven v4 Turbo — 동일한 1,620자를 1,000자당 $0.04로 계산하면 $0.065, 즉 STT와 LLM 비용을 제외한 기준으로 분당 약 $0.022입니다.

Turbo는 음성-텍스트 변환 단계와 적당한 규모의 언어 모델을 추가한 뒤에도 GPT-Live-1보다 저렴하며, 그래서 캐스케이드 방식이 계속 비용 검토에서 우위를 차지합니다. 하지만 발신자가 에이전트보다 더 많이 말하는 순간 비교의 양상은 달라집니다. 사람이 혼자 길게 말하는 모든 초는 Eleven v4가 아무것도 청구하지 않고 GPT-Live-1은 정상 요금을 부과하는 초입니다. 누군가 카드에서 정책 번호를 읽어 내는 동안의 침묵과 백엔드가 처리하느라 대기하는 시간까지 포함해서요.

그건 반올림 차이가 아니다. 상담원이 30%만 말하는 회선에서는 TTS 청구서가 3분의 2나 줄어들지만, 분당 청구서는 전혀 변하지 않는다. 정액 분당 요금은 고객이 말할 것이라는 데 거는 베팅이며, 고객이 실제로 말할 때 정확히 이득이 된다.

산수로 따지면, 40분짜리 내레이션

이제 동일한 두 모델을 오디오북 챕터에 적용해 보겠습니다 — 36,000자, 화자 한 명, 끼어들기 없음, 추론 없음, 결정적 출력이 요구됩니다.

• Eleven v4 — 해당 챕터 기준 36 × $0.08 = $2.88이며, 발음이 잘못된 경우 문단 하나를 9센트에 다시 생성할 수 있습니다.

• GPT-Live-1 — 분당 $0.05로 40분 = $2.00이며, 작업 단위가 텍스트 한 조각이 아니라 라이브 세션이기 때문에 문단을 다시 생성할 수는 없습니다.

GPT-Live-1은 더 저렴해 보이지만 잘못된 도구입니다. 36,000자 분량의 대본을 받아 결정론적인 파일로 반환하는 방법이 문서화되어 있지 않습니다. 이는 대화형 인터페이스이며, 책과 나누는 대화는 나레이션이 아닙니다. 이 항목에 대한 정직한 평가는 "Live가 더 저렴하다"가 아니라 "이 모델은 이 작업을 하지 않는다"입니다.

분당 모델이 실제로 프리미엄의 값을 입증하는 곳

세 가지 상황이 그것을 정당화하며, 그 세 상황은 한 가지 속성을 공유한다: 인간이 예측할 수 없는 시간만큼 발언권을 쥔다는 것이다.

• 끼어들기가 잦은 접수 — 보험 청구, 임상 트리아지, 통화자가 말하는 도중 스스로 정정하는 모든 상황. 캐스케이드는 끼어들기를 감지하고, 재생을 중지하고, 루프로 다시 진입해야 합니다. GPT-Live-1은 이미 듣고 있습니다.

• 예약 및 배차 — 짧은 턴, 빠른 주고받기, 많은 도구 호출. OpenAI 자체 수치에 따르면 이 모델의 도구 호출 정확도는 87%로, 이 모델이 대체하는 Realtime 세대의 60%와 대비되며, 이는 벤더가 보고한 수치일 뿐 독립적으로 재현된 것은 아니다.

• 지연 시간 자체가 제품인 경우 — 0.8초 턴과 1.4초 턴의 차이는 대화와 무전기의 차이입니다. 또한 공급업체 보고 기준입니다.

그리고 세 가지 상황이 이에 반대한다:

• 내레이션, 낭독, 오디오북, 영상 보이스오버 — 텍스트 입력, 파일 출력, 귀 필요 없음.

• 브랜드 보이스 — Eleven v4의 클로닝은 재훈련 관련 주의사항이 따르는 제품 기능이고, GPT-Live-1은 고정된 모델 보이스를 사용하므로 "우리 창업자의 목소리"는 선택지에 없다.

• 긴 침묵 — 대기 음악, 음소거된 회선, 느린 백엔드를 기다리는 상담원. 그 모든 시간이 비용으로 청구됩니다.

마이그레이션 역시 대칭적이지 않습니다.

Eleven v4로 v3에서 이동하는 것은 모델 ID 변경에 더해 한 가지 주의점이 있습니다. 기존 복제 음성은 재훈련이 필요하고, SSML은 인라인 오디오 태그로 대체되므로 SSML을 생성했던 것은 모두 재작성해야 합니다. 번거롭지만, TTS 계층 안에서만 국한되는 일입니다.

Realtime 통합에서 GPT-Live-1으로 이동하는 것은 재구축입니다. 엔드포인트가 다르고, 세션 의미론이 다르며, 과금 단위도 다르고, 호환성 심(shim)이 없습니다. 단순한 교체만 아니라 오케스트레이션 계층까지 예산에 반영하십시오. 또한 대부분의 타사 음성 에이전트 플랫폼이 여전히 GPT-Live-1을 선택 가능한 공급자로 나열하지 않는다는 점에 주의해야 합니다. 따라서 전화 통신 접착 코드를 직접 작성하게 될 가능성이 큽니다.

이 결정에 관해 라우팅이 바꾸는 것은 무엇인가요?

GPT-6 Astra, GPT-5.6 Terra 및 GPT-5.6 Sol — GPT-Live-1이 위임하는 계층들.

그 분리가 바로 이 비교의 실용적인 형태입니다. 이번 분기에 가장 좋은 귀를 가진 곳에서 귀를 임대하고, 두뇌는 라우팅 가능한 상태로 유지하십시오. 그래야 가격 인하나 장애, 혹은 더 나은 모델이 등장해도 사용자가 들을 수 있는 부분은 건드릴 필요가 없습니다. 공급업체의 정가가 0% 마크업으로 그대로 전달되므로, 추론 티어에 대한 공급업체의 가격 인하는 발표되는 당일 청구서에 반영됩니다.

대화의 흐름에 맞춰 선택하세요

사용자가 말을 끊고, 스스로 정정하며, 에이전트가 언제 말을 멈춰야 하는지 알기를 기대한다면, 분당 $0.05의 GPT-Live-1이 더 나은 제품이고 대체로 더 나은 선택입니다 — 그 웃돈은 파이프라인에서는 어떤 가격으로도 얻을 수 없는 행동을 사는 셈입니다. 사용자가 말하기보다 듣고 있다면, Eleven v4 또는 v4 Turbo가 전달되는 단어당 더 저렴하고, 더 제어하기 쉬우며, 브랜드에 맞게 복제할 수 있고, 올바른 선택입니다. 1334 Elo는 그 위에 더해지는 보너스입니다.

피해야 할 실패 방식은 리더보드 순위로 선택하는 것입니다. v4의 1334와 Live의 83.2는 서로 다른 척도에서 서로 다른 것을 측정하며, 그 두 숫자로 둘 중 하나를 고르는 팀은 자와 체온계 중 하나를 고르는 것입니다.