GPT-Live-1 대 Voxtral 3: 가격이 아닌 가격

Voxtral 3는 분당 $0.04로 완전한 음성 에이전트를 광고합니다. GPT-Live-1은 분당 $0.05를 광고한 뒤 사고 과정에 대해 다시 청구합니다. 대표 수치만 보면 Mistral은 20% 더 저렴하고 더 많은 것을 포함합니다 — 음성-텍스트 변환, 텍스트-음성 변환, 추론 모델이 하나의 요율 안에 포함 — 반면 OpenAI의 수치는 음성 계층만을 포괄합니다. 그렇게 읽는 것은 기술적으로는 맞지만 실제로는 오해를 낳습니다. 두 요율은 같은 것을 사는 것이 아니기 때문입니다.

둘은 서로 6주 이내에 출시되었습니다. GPT-Live-1은 2026년 9월 10일 API로, Voxtral 3는 10월 20일 공개 미리보기로 나왔습니다. 둘 다 대화를 이어가야 하는 전화 에이전트를 만드는 사람, 즉 같은 고객을 겨냥합니다. 둘은 정반대 경로로 그 목표에 도달하며, 비용 차이는 당신이 그들을 한 번도 중단시키지 않을 때만 유지됩니다.

각 1분 안에는 실제로 무엇이 있나요?

계량기에 무엇이 포함되는지부터 시작하세요. 비교의 승부가 갈리는 지점이 바로 여기이기 때문입니다.

• Voxtral 3 풀 에이전트 — Mistral Small 4를 추론 모델로 사용하면 분당 $0.04, 더 강력한 모델을 사용하면 $0.08입니다. 여기에는 전사, 합성 및 언어 모델이 포함됩니다.

• GPT-Live-1 — 음성 전용 분당 $0.05, 초 단위로 청구됩니다. 백엔드 추론, 툴 호출, 웹 검색은 일반 모델 요율로 별도 청구됩니다.

• Voxtral 3 TTS 단독 — 100만 자당 $13, 정상 속도 기준 음성 1시간당 약 $0.70.

• GPT-Live-1 입력 오디오 — Artificial Analysis의 고정 40문항 세트 기준으로, 높은 추론 구성에서는 입력 오디오 1시간당 $5.83, 낮은 구성에서는 $4.47로 측정되었습니다.

10분 통화에서 정직한 분당 비교는 Voxtral 3의 총비용 $0.40 대 GPT-Live-1의 $0.50에 백엔드 비용을 더한 것입니다 — 에이전트가 얼마나 더 생각해야 하는지에 따라 $0.50에서 $0.55 정도로 보면 됩니다. Mistral이 그 계산에서 이기며, OpenAI가 빼놓은 구성 요소를 포함하기 때문에 이깁니다.

통화가 대부분 침묵으로 채워지지 않는 한 말이다. Voxtral의 음성 에이전트 요금은 세션처럼 과금되며, GPT-Live-1도 분명히 그렇다. 어느 벤더도 침묵에 대한 면제를 공개하지 않았고, 발신자를 보류 상태로 대기시키는 배포라면 두 과금 체계가 계속 작동한다고 가정해야 한다. 그 차이는 어느 쪽에도 유리하지 않지만, 대표 요금이 최적화의 적절한 지점이 아니라는 사실만은 분명히 말해 준다.

다시 한 번, 파이프라인 대 듀플렉스

Voxtral 3는 모델이 아니라 스택입니다. 전사 모델(4B 파라미터의 Mini Transcribe 3, Small, 그리고 실시간 변형), 합성 모델, 그리고 이들을 가운데의 언어 모델과 연결하는 LiveKit 기반 Voice Agent SDK로 구성됩니다. Mistral이 자체적으로 주장하는 지연 시간은 첫 오디오까지 약 90밀리초로, 합성 단계에서는 정말 빠른 편입니다.

빠른 합성은 좋은 턴테이킹과 같지 않습니다. 캐스케이드 방식에서도 여전히 사람이 언제 말을 마쳤는지 판단해야 하며, 그 판단은 파이프라인 앞단에 위치한 음성 활동 감지기나 턴 감지 모델이 내립니다. 이 판단이 틀리면 에이전트는 발신자의 말을 끊고 겹쳐 말하거나 한 박자 너무 오래 기다리게 되며, 90ms 합성으로는 아무리 빨라도 이를 해결할 수 없습니다.

GPT-Live-1은 동시에 듣고 말하며 초당 여러 번 발언권을 양보할지 결정하는 하나의 네트워크입니다. 그것이 추가 1센트를 지불하는 이유인 능력이며, 부품을 조립하듯 만들 수 있는 기능이 아닙니다. 또한 OpenAI의 모델에 전사나 합성 개별 항목이 없는 이유이기도 합니다: 항목으로 나눌 것이 없기 때문입니다.

실제 테스트는 지연 시간이 아니라 상호 중단 빈도입니다. 통화자가 완전한 문장으로 말하고 자기 차례를 기다린다면 파이프라인 방식으로 충분하고 더 저렴합니다. 하지만 말하다 중간에 "아니 잠깐, 내 말은 다른 거였어"라고 한다면, 인정하든 말든 전이중 동작을 사는 셈입니다.

언어, 방언, 그리고 데이터가 있는 위치

Mistral은 35개 이상 언어와 50개 이상 방언, 감정 및 스타일 조정, 제로샷 복제를 지원하는 Voxtral 3를 출시했으며, 약 30분 분량의 참조 오디오가 필요한 "Pro Voice" 적응 경로도 제공합니다. GPT-Live-1의 문서는 방언 지원 범위에 대해 언급하지 않으며, 복제 기능 없이 고정된 모델 음성만 제공합니다.

제품이 유럽산이라면 — 프랑스어, 독일어, 이탈리아어, 스페인어, 네덜란드어 — Voxtral 3가 더 완성도 높은 제안이며, Mistral의 EU 포지셔닝은 구매 협상에서 실질적인 논거로 작용하는데, OpenAI의 포지셔닝은 그처럼 직접적으로 대응하지 못합니다. 이는 벤치마크가 아니라 비즈니스적 사실이며, 많은 구매자에게는 지연 시간이 논의되기도 전에 거래를 결정짓는 요소입니다.

제품이 단일 시장에서 영어 지원이나 예약을 제공하는 경우, 언어 범위는 사용하지 않을 재고에 불과하고, 양방향 동작은 모든 통화에서 체감하게 될 요소입니다.

오픈 웨이트의 함정

사람들이 자주 오해하기 때문에 짚고 넘어갈 만합니다: Voxtral 3 자체는 폐쇄형 API입니다. 이 계열에서 다운로드할 수 있는 모델은 2026년 3월의 더 오래된 4B TTS 체크포인트로, CC BY-NC 4.0 — 비상업적 — 라이선스로 공개된, 아레나 점수가 더 낮은 별개의 오래된 모델입니다. Voxtral 3의 엔터프라이즈 자체 배포는 다운로드 링크가 아니라 협상을 통해 정해지는 사항입니다.

따라서 이 비교에서 어느 모델도 가중치를 제공하지 않습니다. GPT-Live-1은 설계상 제공하지 않고, Voxtral 3는 정책상 제공하지 않습니다. 모델을 직접 보유하는 것이 필수 조건이라면 두 모델 모두 제외되며, 논의는 자연스럽게 Fish Audio Drama 3나 Ming-3.0-TTS 쪽으로 넘어갑니다.

보드가 측정하는 것과 측정하지 않는 것

Voxtral 3 TTS는 2026년 10월 29일 기준 Artificial Analysis의 Provider Voice Arena에서 1223 Elo를 기록해 해당 분야 14위에 올랐으며, 가격은 100만 자당 13달러입니다. 이는 견고한 합성 결과입니다. 1334의 Eleven v4에는 뒤지지만, 더 비싼 여러 모델보다는 앞섭니다.

GPT-Live-1은 해당 보드에 나타나지 않으며, Speech-to-Speech Index 점수 83.2를 Voxtral의 1223과 나란히 놓는 사람은 가중 대화 지수와 블라인드 선호도 Elo를 비교하는 것입니다. 대화형 시스템이 실제로 등장하는 보드에서 GPT-Live-1은 Speech Agent Arena에서 Elo 1037~1041, 작업 성공률 87.4%~90.9%를 기록합니다. Voxtral 3의 에이전트 스택은 아직 목록에 오르기에 충분한 아레나 대화를 누적하지 못했습니다.

그 부재가 이 섹션에서 가장 유용한 사실입니다. 이 둘 사이에는 독립적인 직접 비교가 없습니다. 즉, 여러분이 읽는 모든 비교 — 이 비교까지 포함해서 — 는 통제된 실험에서 나온 것이 아니라 공개된 수치와 아키텍처에 근거한 추론입니다. 누군가가 한쪽이 전화에서 측정 가능하게 더 자연스럽다고 말한다면, 그건 공급업체의 말을 인용하는 것입니다.

라우팅 논쟁이 어디에 귀결되는가

OrcaRouter는 어느 모델도 서빙하지 않습니다. Voxtral 3는 Mistral의 API이고, GPT-Live-1은 OpenAI의 API입니다. 라우팅 가능한 것은 각 모델이 위임하는 추론기이며 — 바로 여기서 두 아키텍처가 스택을 설계하는 방식에 중요한 영향을 주는 지점에서 갈립니다.

Voxtral 3는 자체 에이전트 요금제 내에서 추론 모델을 선택할 수 있습니다: Small 4는 $0.04, 더 강력한 모델은 $0.08입니다. GPT-Live-1은 백엔드를 완전히 개방하므로 원하는 텍스트 모델을 무엇이든 지정할 수 있습니다 — 다음을 포함하여 GPT-6 Astra, GPT-5.6 Terra 또는 더 저렴한 등급을 하나의 키로 사용할 수 있으며, 라우팅 DSL을 통해 동일한 배포 내에서 작업 유형별로 서로 다른 모델을 고정할 수 있습니다.

혼합 워크로드에서 그 유연성은 실질적인 가치가 있습니다. 저렴한 모델이 주소 확인을 처리하고 최첨단 모델이 분쟁 청구를 처리하며, 추가 계약이나 추가 통합이 필요 없습니다. 공급자 정가가 0% 마진으로 그대로 적용되므로, 추론 등급의 인하가 계약 갱신 시점이 아니라 적용되는 당일 청구서에 반영됩니다.

결정

유럽에서 구축 중이고, 많은 언어와 방언이 필요하며, 전사부터 음성 합성까지 하나의 청구서로 처리하고 싶고, 발신자들이 순서를 잘 지키는 편이라면 Voxtral 3를 선택하세요. 전체 비용 기준으로 분당 더 저렴하고, 더 완전한 스택이며, 1223 합성 점수도 괜찮은 편입니다.

중단, 즉 끼어들기가 곧 제품이라면 GPT-Live-1을 선택하세요 — 접수, 분류, 배차, 다시 말해 통화자가 스스로 말을 정정하고 에이전트가 그 정정이 일어나는 순간을 들어야 하는 모든 상황 말입니다. 분당 더 많은 비용을 치르고, 소유하는 것은 더 적어지겠지만, 파이프라인으로는 어떤 가격을 치러도 살 수 없는 단 하나의 동작을 얻게 될 것입니다.

피해야 할 함정은 두 대표 단가를 비교해 $0.04가 $0.05보다 낫다고 결론 내리는 것이다. 그 수치들은 같은 1분을 측정하는 것이 아니다. 하나는 필사기, 합성기, 추론기를 포함하고, 다른 하나는 귀를 포함한다. 작업 내용과 맞는 쪽을 사고, 그다음에 가격을 따져라.