Phonic 1, Speech Index 1위로 데뷔. 0.2포인트 차이가 진짜 선두를 가린다.

Phonic 1은 이제 Artificial Analysis의 Speech to Speech Index에서 최고 순위 음성-대-음성 모델이며, 87.1점을 기록해, 0.1점 차 승부에서 xAI의 Grok Voice 3.0을 86.9점으로 간신히 앞서 이겼습니다. 0.2점 차이는 보통이라면 잡음이나 다름없고, 이 지수에서는 거의 실제로 그렇습니다: 두 모델은 같은 항목에서 이기고 있는 것이 아니어서, 종합 동점은 그 아래에 있는 훨씬 더 큰 격차를 감추고 있습니다. 해당 점수의 4분의 1을 구성하는 에이전틱 작업 벤치마크에서 Phonic 1은 최고의 OpenAI 구성이 기록한 74.5%에 맞서 79.9%를 기록합니다.

MIT와 스탠퍼드 연구진 출신들이 대략 10명 규모로 분사한 Phonic은 2026년 10월 29일, First Round가 주도한 2,750만 달러 규모의 시리즈 A와 함께 이 모델을 공개했으며, 총 조달액은 3,150만 달러에 이르렀습니다. 회사는 이 모델을 Phonic-1이라고 자체 출시 게시물과 문서에서 표기하며, Artificial Analysis는 이를 Phonic 1 (High)라고 표기합니다. 여기서 괄호 안의 내용은 제품명이 아니라 API 설정입니다. 두 표기는 동일한 엔드포인트와 동일한 분당 0.07달러 정가를 가리킵니다.

공급업체가 직접 사용하는 용어로 살펴본 Phonic-1이란 무엇인가

이는 전사→사고→발화의 캐스케이드가 아니라 엔드투엔드 음성 모델이다. 오디오가 들어가고 오디오가 나오며, Phonic이 이 아키텍처를 위해 내세우는 논리는 전사본이 대화의 손실성 사본이라는 것이다. 즉 어조, 망설임, 겹쳐 말하기는 언어 모델이 그것들을 보기도 전에 버려진다. 그런 논리는 2024년 이후 모든 음성 대 음성 공급업체가 주장해 왔다. Phonic이 실제로 파는 것은 그 위에 얹은 스케줄링 트릭이다.

그 요령은 통화자의 발화 차례에 도구 호출을 하는 것입니다. 통화자가 말을 멈추기를 기다렸다가 조회를 시작하는 대신, 모델은 음성이 아직 들어오는 동안 도구 호출을 실행하므로 통화자가 말을 마칠 때쯤에는 결과가 준비되어 있습니다. Phonic이 공개한 데모에서 모델은 문장 중간에 다섯 가지 도구를 모두 호출했고 통화자가 멈춘 뒤 1.1초 만에 답했습니다. 같은 스크립트에서 OpenAI의 GPT-Live-1은 15.7초로 제시됩니다. 그 비교는 공급업체가 선택한 과제에 대한 공급업체의 데모일 뿐 측정된 벤치마크가 아니며, 일대일 비교 결과라기보다는 설계를 보여주는 예시로 읽을 가치가 있습니다.

공개된 API 표면은 대부분의 출시 게시물보다 더 구체적입니다:

• 모델 ID — phonic-1이며, phonic-0.5는 이전 세대로 여전히 허용됩니다. 해당 필드를 생략하면 현재 기본값이 적용됩니다.

• 인텔리전스 — intelligence_level 열거형(enum)이며, 기본값은 standard이고, 복잡한 추론을 위해 더 뛰어난 모델이 필요할 때는 high로 설정합니다. 문서에서는 standard를 지연 시간(latency) 최소화에 최적화된 설정이라고 설명하는데, 이는 지금까지 모든 벤치마크가 평가해 온 구성이 지연 시간에 민감한 배포에서 기본으로 제공되는 구성과 다르다는 뜻입니다.

• 언어 — 51개, ISO 코드와 함께 필리핀어(fil)와 광둥어(yue)까지 나열되며, 대화 중 전환 시에도 동일한 화자 정체성이 유지됩니다.

• 지연 시간 — Phonic은 음성 입력에서 음성 출력까지 600 ms 미만이라고 주장합니다. Artificial Analysis는 자체 하네스에서 첫 오디오까지 0.61초로 측정했는데, 이는 동일한 측정은 아니지만 그 주장과 일관됩니다.

• 배포 — 호스팅 API, TypeScript 및 Python SDK, CLI, 노코드 에이전트 빌더를 제공하며, 엔터프라이즈 티어에서는 셀프 호스팅 및 VPC 옵션을 제공합니다. 또한 페이지에는 SOC 2 Type II, HIPAA BAA, 제로 데이터 보존, 99.9% 업타임 SLA가 명시되어 있습니다.

인덱스, 행 단위로

Speech to Speech Index는 동일한 가중치로 평가되는 네 가지 결과의 합성 지표입니다: 음성 추론을 위한 Big Bench Audio, 에이전트형 고객 서비스 행동을 위한 τ-Voice, 인간 선호도 아레나, 그리고 작업 성공률입니다. 모델이 점수를 받으려면 이 네 가지 모두가 평가되어야 하며, 이것이 StepAudio 3 Realtime이 합성 점수 없이 추론 표에 나타나는 이유입니다 — 해당 모델의 에이전트형, 아레나, 작업 성공률 열은 비어 있습니다.

Artificial Analysis 기준으로 Phonic 1의 네 가지 구성 요소:

• Speech to Speech Index — 87.1로 1위를 차지하며, 86.9의 Grok Voice 3.0, 83.2의 GPT-Live-1(Astra, medium), 81.3의 Grok Voice 2.0, 80.1의 GPT-Live-1(Sol, low)를 앞섰습니다.

• τ-Voice — 79.9%, 1위, 74.5%인 GPT-Live-1(Astra, medium)보다 5.4포인트 앞섬.

• Big Bench Audio — 98.9%로 3위, 99.7%의 StepAudio 3 Realtime과 99.2%의 Qwen Audio 3.0 Realtime Plus 뒤를 이음.

• Speech Agent Arena — 선호도에서 Elo 1012로 30개 중 8위, 과업 성공률에서 92.3%로 4위.

네 개의 행을 순서대로 읽으면 종합 점수는 더 이상 무승부처럼 보이지 않는다. Phonic 1은 에이전틱 벤치마크에서 단연 1위이고 추론에서는 3위지만, 사람들이 실제로 선호하는 음성에서는 8위, 순수 작업 성공률에서는 4위다 — 측정 가능하게 더 뛰어난 도구 실행자이지만 대중이 가장 좋아하는 대화 상대는 아닌 모델이다. 이는 2주 전 Grok Voice 3.0의 86.9에서 발견한 것과 같은 구조적 이야기를 반대편에서 보여준다: xAI는 아레나를 지켰지만 에이전틱 항목을 잃었고, Phonic은 에이전틱 항목을 지키는 대신 아레나를 포기했다.

두 개의 시계, 두 명의 승자

지연 시간은 커버리지가 엉성해지는 지점입니다. 두 개의 신뢰할 만한 계측기가 누가 가장 빠른지에 대해 서로 다른 결과를 내놓는데, 어느 쪽도 틀리지 않기 때문입니다.

Artificial Analysis는 첫 오디오까지의 시간, 즉 발신자의 발언이 끝난 뒤 오디오가 시작될 때까지의 시간을 측정합니다. 그 기준에서 Phonic 1은 해당 인덱스의 상위 5개 중 가장 빠릅니다:

• 첫 오디오까지의 시간 — Phonic 1 0.61초; Grok Voice 3.0 0.81초; GPT-Live-1 (Sol, 낮음) 1.24초; GPT-Live-1 (Astra, 중간) 1.34초; Qwen Audio 3.0 Realtime Plus 1.54초; StepAudio 3 Realtime 8.83초.

Cekura는 WebRTC를 통해 실제 전화 하네스 안에서 모델을 실행하는 음성 에이전트 평가 회사로, 통화 전체에 걸쳐 중앙값 응답 시간을 측정한다. 그 기준으로 Grok Voice 3.0이 1.34초로 해당 분야에서 가장 빠르고, Phonic 1은 1.63초로 1.62초인 Grok Voice Think Fast 2.0보다 100분의 1초 뒤진 3위이며, 1위가 아니다. 두 수치 모두 실제 상황을 반영한다. 첫 오디오까지의 시간은 모델이 발화를 시작하는 속도이고, 중앙값 응답 시간은 82개 시나리오 전반에서 호출자가 실제로 응답을 기다리는 시간이며, 여기에는 Phonic의 접근 방식이 첫 오디오 측정으로는 볼 수 없는 바로 그 몇 초를 되찾아 주는 도구 집약적 시나리오도 포함된다.

조달 메모를 작성하고 있다면 피해야 할 문장은 '가장 빠른 음성-음성 모델'이며, 마침표까지 포함해서다. 방어 가능한 표현은 'Artificial Analysis에서 첫 오디오 출력까지 가장 빠름; Cekura의 실시간 통화 하네스에서 중앙값 응답 기준 세 번째로 빠름'이다.

실시간 통화 보드는 더 어려운 질문을 던집니다

Cekura의 음성-대-음성 리더보드는 네 가지 지수 구성 요소 중 어느 것보다도 훨씬 더 어려운 테스트입니다. 82개 시나리오 — 59건의 진료 예약 통화와 23건의 Medicare 접수 통화 — 를 동일한 오픈소스 Pipecat 에이전트 안에서 동일한 프롬프트와 도구로 각각 세 번씩 실행하며, pass-cubed로 채점합니다. 즉, 세 번의 실행이 모두 성공하고 모든 필드가 올바르게 기록된 경우에만 해당 시나리오가 인정됩니다.

2026년 10월 22일 업데이트 기준, phonic_v1 모델 ID에서 Phonic 1을 intelligence high로 구성한 경우, 해당 보드에서도 Phonic 1을 가장 앞에 배치합니다:

• 신뢰성, pass³ 기준 — Phonic 1 90.2%, Grok Voice 3.0 81.7%, GPT Realtime 2.1 79.3%, GPT-6 Sol 탑재 GPT-Live 1 75.6%, Azure Realtime 70.7%.

• 데이터 정확도 — 폰익 1 97.5%; GPT 리얼타임 2.1 92.0%; 그록 보이스 3.0 87.3%.

• 상담원이 침묵한 통화 — Phonic 1 0.0%; Grok Voice 3.0 0.0%; GPT Realtime 2.1 3.3%.

• 메디케어 통화 성공률 — Phonic 1 88.4%; GPT Realtime 2.1 81.2%; Grok Voice 3.0 58.0%; Sol이 포함된 GPT-Live 1 49.3%.

메디케어 부문의 격차는 전체 출시에서 가장 흥미로운 대목이다. 길고 서식 작성이 필요한 초기 응대 통화는 엔드투엔드 모델이 무너지는 지점으로 꼽히는데, Phonic 1은 88.4%를 유지하는 반면 Grok Voice 3.0은 절반인 58.0%로 떨어진다. Cekura 자체의 분석 글에서도 알아둘 만한 실패 유형이 여전히 기록된다. 에이전트가 나중에 다시 연락하겠다고 말하는 발신자를 인지한 응답 없이 통화를 끊어버리는 경우이며, 간혹 메디케어 핸드오프 메모나 라우팅 정보를 잘못 기재하기도 한다. 90.2%의 패스-큐브드(pass-cubed) 기준에서 해당 82개 시나리오 중 74개는 매 실행마다 통과하고 8개는 통과하지 못한다. 이는 출시한 지 하루 된 모델로서는 강력한 결과이지, 완성된 모델은 아니다.

이 수치를 인용하기 전에 표기와 관련해 두 가지 주의할 점이 있다. Cekura의 보드에는 최종 업데이트 날짜가 표시되어 있고 실행 간에 개정되므로, 그 스크린샷은 인용 근거가 아니다. 날짜를 함께 붙여 현재 수치를 인용해야 한다. 또한 Cekura는 Phonic 1에 대해 분당 $0.060의 비용을 기록하는데, 이는 공개된 Starter 요금 $0.070과 대비되는 값이다. 이는 하나의 하네스에서 측정된 수치일 뿐 가격표가 아니며, 어떤 값에서도 빼서는 안 되는 항목이다.

공급업체 벤치마크는 별도 상자에 보관됩니다.

Phonic의 출시 게시물에는 자체 결과 세 가지가 담겨 있으며, 이는 위의 숫자와 다르기 때문에 정확히 알아둘 가치가 있습니다. Sierra의 τ³-Voice 다국어 전이중 변형에서 회사는 Phonic-1이 83.2로, GPT-Live-1이 79.9, Gemini 3.8 Live가 68.5라고 보고합니다. 충돌에 주목하세요: 79.9는 Artificial Analysis의 τ-Voice에서 Phonic이 받은 점수이자 Phonic 자체 τ³-Voice 실행에서 GPT-Live-1이 받은 점수이기도 합니다. 같은 숫자, 다른 행, 다른 벤치마크 변형 — 숫자를 한 열에서 다른 열로 절대 옮기지 마세요.

나머지 두 가지는 제3자 청취자 테스트 서비스인 Podonos가 실시한 블라인드 인간 테스트입니다. Phonic-1은 GPT-Live-1보다 61.5% 대 32.0%로, Grok Voice 3보다 66.5% 대 26.5%로, Eleven v4 Turbo보다 78.0% 대 14.0%로 더 선호되었습니다. Phonic이 직접 내세우는 결과는 정작 Phonic이 진 결과입니다. 인간 성우가 Phonic-1보다 57.0% 대 32.0%로 더 선호되었습니다. 네 가지 모두 벤더가 의뢰하고 벤더가 보고한 것이며, 어느 것도 독립적으로 재현되지 않았습니다.

그것의 한 달 비용은 얼마입니까?

가격은 분당 하나의 숫자이며 토큰당 청구나 별도의 LLM 패스스루가 없는데, 이는 "음성 모델"이 흔히 세 가지 과금 서비스 위에 얇은 래퍼에 불과한 이 분야에서 이례적입니다. 티어는 다음과 같습니다:

• Starter — 분당 $0.07, 최소 없음, 동시 통화 10건, 에이전트 10명, 워크스페이스 좌석 3개.

• Pro — 월 최소 $200 기준에 대해 분당 $0.065이며, 가격 페이지에서는 이를 대략 3,100분으로 환산하고, 동시 통화 50건, 에이전트 50명, 좌석 30개를 제공합니다.

• Enterprise — 맞춤형, 대량 할인, VPC 또는 온프레미스 배포, DPA, SLA 및 HIPAA BAA 제공.

11월 30일 이전에 가입하면 $250 크레딧을 받습니다. 10,000분 한 달을 기준으로 계산해 보면, 가장 가까운 경쟁사들의 정가가 빠르게 정리됩니다:

• 10,000분 — Phonic 1 Starter $700; Grok Voice 3.0 $800, 분당 $0.08; GPT-Live-1 (Sol, low) $750, 분당 $0.075; GPT-Live-1 (Astra, medium) $970, 분당 $0.097.

• Pro에서도 동일한 10,000분 — $650이지만, 약 3,100분을 넘어야만 $200 최소 금액이 더 이상 구속력 있는 제약이 아니게 됩니다.

가격표에 담기지 않는 숫자는 동시성이다. Starter의 동시 호출 10건은 지원 대기열과 유사한 그 무엇에도 현실적인 상한이며, 규모가 커질 때 Pro로 넘어가는 데 월 50달러의 가치가 있는 이유이기도 하다. 등급을 바꾸면 0.5센트를 아끼는 것보다 동시 호출 50건을 확보하는 이득이 훨씬 크다. Phonic 자사의 엔지니어링 블로그는 동시성 한도가 음성 AI의 숨은 세금이라고 주장하는데, 이는 그 한도를 설정하는 당사자가 내놓은 정직한 프레이밍이다.

실행되는 위치, 그리고 여기서 라우팅이 할 수 있는 것과 없는 것

Phonic 1은 OrcaRouter의 카탈로그에 없으며, 이 글도 아닌 척하지 않겠습니다. 오늘날 Phonic 1에 접근하는 방법은 Phonic 자체 API, SDK, CLI, 노코드 빌더뿐이며, 그 외에는 없습니다. 이는 또한 캐스케이드 대신 엔드투엔드 음성 모델을 구매할 때의 솔직한 구조적 약점이기도 합니다 — 단일 벤더, 단일 엔드포인트, 그리고 통화 도중 웹소켓이 끊겼을 때 페일오버할 제2의 제공자가 없다는 점입니다.

라우팅이 실제로 담당하는 것은 대안 쪽입니다. transcribe-think-speak 파이프라인은 Cekura 자체 보드에서 엔드투엔드 모델을 계속 앞서는 기준선이며, 그 중간 단계는 일반 텍스트 추론입니다 — 바로 그 계층에 200개 이상의 모델을 0% 마크업으로 제공하는 단일 API가 적용됩니다. 전사 구간과 추론 구간은 하나의 키 뒤에 둘 수 있고, 라우팅 DSL은 저렴한 턴테이킹 호출과 고비용 정책 추론 호출을 동일한 호출 내에서 서로 다른 모델로 보낼 수 있으며, 스택의 각 벤더마다 두 번째 계약을 둘 필요가 없습니다. 공급업체 정가는 변경 없이 그대로 전달되므로, 벤더 가격 인하가 다음 계약 갱신 시점이 아니라 발표 당일 해당 구간에 반영됩니다.

이 절충은 분명히 짚고 넘어갈 가치가 있습니다. 위의 스코어보드는 그 비용을 반영하지 않기 때문입니다. 엔드투엔드는 발언권 전환, 끼어들기, 발화 중 도구 호출에서 앞서고, 캐스케이드는 어느 한 구성 요소라도 교체할 수 있다는 점에서 앞섭니다. 그리고 Cekura의 캐스케이드 기준 모델이 pass-cubed 안정성 측면에서 테스트한 모든 실시간 모델보다 여전히 앞선다는 점에서도 그렇습니다. 그게 캐스케이드에 머물 이유처럼 들린다면, 일부는 맞습니다. 전환해야 하는 이유는 Medicare 항목입니다. 88.4% 대 58.0%는 긴 접수 통화가 애초에 끝까지 완료될 수 있는지 자체를 결정하는 종류의 격차입니다.

아직 아무도 측정하지 못한 것

누구든 87.1점을 기준으로 프로덕션 프롬프트를 다시 쓰기 전에, 세 가지 격차를 짚고 넘어갈 만하다.

• 측정된 구성은 기본값이 아닙니다. 여기의 모든 점수 — Artificial Analysis의 87.1, Cekura의 90.2% — 는 고지능 설정에서 산출되었습니다. API는 표준으로 기본 설정되며, 이는 지연 시간이 더 낮은 모드로 문서화되어 있습니다. 표준 설정 수치를 공개한 사람은 아무도 없으므로, 위의 지연 시간 수치는 구성되지 않은 연동이 경험하는 상황을 설명하지 않습니다.

• 노이즈 채널에서의 동작은 이 인덱스에서 테스트되지 않는다. Cekura는 Grok Voice 3.0이 배경 소음과 오디오 결함이 있는 모든 통화를 통과했다고 보고하지만, Phonic 1에 대해서는 이에 견줄 만한 언급이 없으며, Big Bench Audio는 깨끗한 오디오 환경에서 실행된다.

• 장시간 세션 안정성은 측정이 아니라 데모입니다. Phonic이 영어와 포르투갈어로 123회의 도구 호출을 수행한 44분 통화는 공개된 가장 구체적인 장기 운용 증거이며, 이는 공급업체가 보여주기로 선택한 단 한 번의 통화입니다.

하루가 지난 뒤 내놓을 수 있는 방어 가능한 요약은 이렇다: Phonic 1은 이를 평가한 두 개의 독립적인 측정 도구에서 가장 강력한 에이전틱 음성-음성 모델이며, 어느 시계를 기준으로 보느냐에 따라 가장 빠른 모델은 아니고, 분당 $0.07이라는 가격은 에이전틱 우위를 두고 논쟁하기보다 테스트해 볼 만큼 저렴하게 만든다.