GPT-Live-1 vs Eleven v4: De factureringseenheid beslist voordat de stem dat doet

Zet GPT-Live-1 en Eleven v4 naast elkaar en het eerste verschil dat je tegenkomt is geen benchmark. Het is een eenheid. GPT-Live-1 rekent $0,05 voor elke minuut dat de sessie open is. Eleven v4 rekent $0,08 voor elke duizend tekens die de agent daadwerkelijk zegt. De ene meter loopt op de klok, de andere op het script, en welke je moet kopen volgt daaruit voordat een van beide modellen een lettergreep produceert.

Die nuance gaat verloren in de meeste vergelijkingen, die er vaak toe neigen een spraak-naar-spraakindex naast een tekst-naar-spraak-Elo te zetten en dat een head-to-head te noemen. Dat is het niet. Hier is wat de twee producten eigenlijk zijn, wat de getallen die er zijn je kunnen en niet kunnen vertellen, en het rekenwerk dat dat oplost voor een supportlijn, een audioboek en de lastige gevallen daartussen.

Twee producten, twee taken

GPT-Live-1 is OpenAI's full-duplex spraakmodel, sinds 10 september 2026 op de API. Het luistert terwijl het spreekt, beslist meerdere keren per seconde of het de beurt afstaat, en delegeert het redeneren aan een afzonderlijk tekstmodel wanneer een vraag dat vereist. Het heeft precies één endpoint — v1/live/sessions — en geen Chat Completions- of Realtime-oppervlak, wat betekent dat het geen model-id is die je in een bestaande Realtime-integratie verwisselt; het is een sessie die je opent.

Eleven v4 is een tekst-naar-spraakmodel, uitgebracht op 28 september 2026 samen met een v4 Turbo met lage latency. Je geeft het tekst en het retourneert audio in een van meer dan 90 talen, met directe voice cloning in 10 seconden, inline audiotags voor emotie en tempo, en een maximum van 10.000 tekens per verzoek. Het heeft geen oren. Het kan de beller niet horen, niet opmerken dat die onderbroken heeft, of besluiten te stoppen omdat de zin slecht aankwam.

Die asymmetrie is het hele verhaal. Een spraakagent op basis van Eleven v4 is een pijplijn: transcriberen, denken, spreken. Een spraakagent op basis van GPT-Live-1 is één model met een tekstmodel dat als consultant is toegevoegd. De pijplijn is goedkoper en beter beheersbaar. Het end-to-endmodel is natuurlijker en veel moeilijker te onderbreken. Dat zijn verschillende producten voor verschillende ruimtes, geen concurrerende implementaties van hetzelfde product.

Wat de ranglijsten eerlijk kunnen zeggen

Er is geen enkel leaderboard waarop deze twee tegen elkaar uitkomen, en wie je er toch een laat zien, vergelijkt scores die niet vergelijkbaar zijn. Op Artificial Analysis' Provider Voice Arena — native stemmen, blinde voorkeur, vastgelegd op 29 oktober 2026 — staat Eleven v4 op 1334 Elo, tweede in het veld, terwijl v4 Turbo met 1336 de eerste plaats inneemt. Niemand betwist dat de stemkwaliteit uitstekend is: 91,7% uitspraakrobuustheid in de meting van dat lab, de sterkste van de grote commerciële modellen bij de lancering.

GPT-Live-1 komt helemaal niet voor op dat leaderboard, omdat het geen tekst-naar-spraak genereert in de zin die dat leaderboard meet. Het staat op de Speech Agent Arena, die blinde voorkeur meet bij volledige boekingsgesprekken. Daar staat GPT-Live-1 (Astra, medium) op 1037 Elo met een taaksuccespercentage van 87,4%, en de Sol-low-configuratie op 1041 met 90,9%. Op de Speech-to-Speech Index — een gewogen combinatie van redeneerkracht, agentprestaties, arenavoorkeur en taaksucces — scoort het 83,2, tweede van de 21 modellen met een score.

De vergelijking die echt standhoudt, is GPT-Live-1 versus de conversatiegerichteproducten van Eleven, niet zijn TTS-model. In dezelfde arena scoort Eleven Realtime v1 Max 1003 met 87,1% taaksucces, en de standaardcascade van ElevenLabs Agents scoort 989 met 90,5%. Het end-to-endmodel leidt dus met zo'n 35–50 Elo voor op het realtimealternatief, en de gecascadeerde agent-stack zit ongeveer 50 punten lager met een iets betere succesratio. Die cijfers liggen zo dicht bij elkaar dat de telefonielijn, het promptontwerp en de achtergrondruis van een enkele implementatie de uitkomst bepalen, niet de ranglijst.

Nog een eerlijk voorbehoud: de cijfers van GPT-Live-1 dragen een configuratielabel. Zijn redenering wordt uitgevoerd door een genoemd backend, en de configuraties Astra-medium en Sol-low scoren anders omdat ze anders delegeren. De cijfers van Eleven dragen juist een productlabel. Geen van beide is een gecontroleerd experiment tegenover het ander.

Het rekenwerk, tijdens een telefoongesprek van drie minuten

Stel: een inkomend supportgesprek waarbij de agent 900 tekens per minuut spreekt — een vlot maar gewoon tempo — en de beller ongeveer 40% van de drie minuten aan het woord is.

• GPT-Live-1 — drie minuten tegen $0,05 komt neer op $0,15, plus het backend-tekstmodel voor de redenering die de oproep vereiste. Per minuut: $0,050.

• Eleven v4 — de agent spreekt ongeveer 1.620 tekens, dus 1,62 × $0,08 = $0,13, plus transcriptie en je eigen taalmodel. Per minuut: ongeveer $0,043 vóór STT en LLM.

• Eleven v4 Turbo — dezelfde 1.620 tekens tegen $0,04 per duizend: $0,065, of ongeveer $0,022 per minuut vóór STT en LLM.

Turbo is goedkoper dan GPT-Live-1, zelfs als je een spraak-naar-tekst-stap en een bescheiden taalmodel toevoegt, en daarom wint de cascade het steeds in kostenanalyses. Maar de vergelijking verandert van vorm op het moment dat de beller meer spreekt dan de agent. Elke seconde dat de mens een monoloog afdraait, is een seconde waarvoor Eleven v4 niets rekent en GPT-Live-1 het volle tarief rekent — inclusief de stilte terwijl iemand een polisnummer van een kaart leest, en inclusief de wachttijd terwijl je backend nadenkt.

Dat is geen afrondingsverschil. Op een lijn waar de agent 30% van de tijd spreekt, daalt de TTS-rekening met tweederde, terwijl de rekening per minuut helemaal niet verandert. De vaste minuut is een gok dat je bellers zullen praten, en die loont precies wanneer ze dat doen.

De berekening, bij een vertelling van veertig minuten

Nu dezelfde twee modellen op een hoofdstuk uit een audioboek — 36.000 tekens, één spreker, geen onderbrekingen, geen redeneerproces, deterministische output vereist.

• Eleven v4 — 36 × $0,08 = $2,88 voor het hoofdstuk, en je kunt een enkele paragraaf opnieuw genereren voor negen cent wanneer de uitspraak verkeerd is.

• GPT-Live-1 — 40 minuten à $0,05 = $2,00, en je kunt een alinea niet opnieuw genereren, omdat de werkeenheid een livesessie is en geen stuk tekst.

GPT-Live-1 ziet er goedkoper uit en is het verkeerde instrument. Er is geen gedocumenteerde manier om een script van 36.000 tekens te nemen en een deterministisch bestand terug te geven; het is een gespreksoppervlak, en een gesprek met een boek is geen vertelling. Het eerlijke oordeel over deze rij is niet "Live kost minder", maar "dit model doet deze taak niet".

Waar het per-minutenmodel daadwerkelijk zijn meerprijs rechtvaardigt

Drie situaties rechtvaardigen het, en ze hebben één eigenschap gemeen: de mens houdt voor onvoorspelbare hoeveelheden tijd het woord.

• Intake met veel onderbrekingen — verzekeringsclaims, klinische triage, alles waarbij de beller zich midden in een zin corrigeert. Een cascade moet de onderbreking detecteren, het afspelen stoppen en opnieuw de lus ingaan; GPT-Live-1 luistert al.

• Boeking en dispatch — korte beurten, snelle heen-en-weer-uitwisseling, intensief gebruik van tools. OpenAI's eigen cijfers claimen 87% nauwkeurigheid bij tool-calling voor dit model tegenover 60% voor de Realtime-generatie die het vervangt, en die zijn door de leverancier gerapporteerd, niet onafhankelijk gereproduceerd.

• Overal waar latentie het product is — een beurt van 0,8 seconde tegenover een beurt van 1,4 seconde is het verschil tussen een gesprek en een walkietalkie. Ook door de leverancier gerapporteerd.

En drie situaties pleiten daartegen:

• Vertelling, voorlezen, audioboeken, video voice-over — tekst erin, bestand eruit, geen oor nodig.

• Merkstem — het klonen van Eleven v4 is een productfunctie met een voorbehoud rond hertraining; GPT-Live-1 gebruikt vaste modelstemmen, dus "de stem van onze oprichter" staat niet op het menu.

• Lange stiltes — wachtmuziek, gedempte lijnen, agenten die wachten op een trage backend. Elke seconde daarvan kost geld.

Migratie is evenmin symmetrisch

De overstap van v3 naar Eleven v4 is een wijziging van de model-id plus een kanttekening: bestaande gekloonde stemmen moeten opnieuw worden getraind, en SSML wordt vervangen door inline audiotags, dus alles wat SSML genereerde, moet worden herschreven. Vervelend, maar het blijft beperkt tot je TTS-laag.

Van een Realtime-integratie naar GPT-Live-1 overstappen is een herbouw. Andere endpoint, andere sessiesemantiek, andere facturatie-eenheid en geen compatibiliteitsschil. Begroot de orchestratielaag, niet alleen de vervanging — en let op: de meeste spraakagentplatforms van derden vermelden GPT-Live-1 nog steeds niet als selecteerbare provider, dus waarschijnlijk schrijf je zelf de telefoniekoppeling.

Welke routeringswijzigingen zijn er met betrekking tot deze beslissing?

Welke poot je ook kiest, de beslissing is niet alles-of-niets voor je hele stack. De spraaklaag is het enige onderdeel dat leveranciersspecifiek blijft: OrcaRouter biedt geen GPT-Live-1 aan, en een spraaksynthesemodel zoals Eleven v4 is een apart contract, waar je het ook koopt. Wat achter de spraaklaag zit, is een ander verhaal — de reasoning-aanroepen, het model voor tool-calling, het fallbackpad wanneer een provider terugvalt, lopen allemaal via één sleutel op OrcaRouter, over meer dan 200 modellen, waaronder GPT-6 Astra, GPT-5.6 Terra en GPT-5.6 Sol, de tiers waarnaar GPT-Live-1 delegeert.

Die splitsing is de praktische versie van deze vergelijking. Huur het oor van wie dit kwartaal het beste oor heeft, en houd het brein routeerbaar, zodat een prijsverlaging, een storing of een beter model niet betekent dat je het deel moet aanraken dat je gebruikers kunnen horen. Lijstprijzen van providers worden met 0% opslag doorgegeven, dus een korting van een leverancier op de redeneerlaag staat dezelfde dag dat ze wordt aangekondigd op je factuur.

Kies op basis van de vorm van het gesprek

Als uw gebruikers onderbreken, zichzelf corrigeren en verwachten dat de agent weet wanneer hij moet stoppen met praten, dan is GPT-Live-1 tegen $ 0,05 per minuut het betere product en waarschijnlijk de betere aankoop — voor die meerprijs krijg je gedrag dat je voor geen enkele prijs uit een pipeline haalt. Als uw gebruikers luisteren in plaats van praten, dan is Eleven v4 of v4 Turbo goedkoper per geleverd woord, beter beheersbaar, naar uw merk te klonen en het juiste antwoord; de 1334 Elo is dan een bonus bovenop.

De faalmodus die moet worden vermeden, is kiezen op basis van ranglijstpositie. v4's 1334 en Live's 83,2 meten verschillende dingen op verschillende schalen, en een team dat op basis van die twee getallen tussen hen kiest, kiest tussen een liniaal en een thermometer.