GPT-Live-1 vs Voxtral 3: De prijs die geen prijs is

Voxtral 3 adverteert met een complete spraakagent voor $0,04 per minuut. GPT-Live-1 adverteert met $0,05 per minuut en stuurt je daarna nog een rekening voor het denkwerk. Op basis van de kopcijfers is Mistral 20% goedkoper en biedt het meer — spraak-naar-tekst, tekst-naar-spraak en een redeneermodel binnen één tarief — terwijl het cijfer van OpenAI alleen de spraaklaag dekt. Die interpretatie is technisch correct en praktisch misleidend, omdat de twee tarieven niet hetzelfde kopen.

Beide kwamen binnen zes weken na elkaar uit: GPT-Live-1 naar de API op 10 september 2026, Voxtral 3 in openbare preview op 20 oktober. Beide richten zich op dezelfde klant — iemand die een telefoonagent bouwt die een gesprek moet kunnen onderhouden. Ze bereiken dat via tegenovergestelde routes, en het kostenverschil blijft alleen bestaan als je ze nooit onderbreekt.

Wat zit er eigenlijk in elke minuut?

Begin met wat de meters bevatten, want daar slaat de vergelijking om.

• Voxtral 3 volledige agent — $0,04 per minuut met Mistral Small 4 als redeneermodel, $0,08 met een sterker model. Dat omvat transcriptie, synthese en het taalmodel.

• GPT-Live-1 — $0,05 per minuut voor alleen spraak, per seconde gefactureerd. Redenering op de achtergrond, tool-aanroepen en zoeken op het web worden afzonderlijk gefactureerd tegen de normale modeltarieven.

• Alleen Voxtral 3 TTS — $13 per miljoen tekens, ongeveer $0,70 per uur spraak bij een normaal tempo.

• GPT-Live-1 inputaudio — gemeten op $5,83 per uur inputaudio in de hoogredenerende configuratie, $4,47 in de laagredenerende, volgens de vaste set van 40 vragen van Artificial Analysis.

Dus de eerlijke vergelijking per minuut voor een gesprek van tien minuten is $0,40 voor Voxtral 3 alles inbegrepen, tegen $0,50 plus backend voor GPT-Live-1 — noem het $0,50 tot $0,55, afhankelijk van hoeveel de agent moet nadenken. Mistral wint die rekensom, en wint die door een component mee te nemen die OpenAI weglaat.

Tenzij het gesprek grotendeels uit stilte bestaat. Het spraakagenttarief van Voxtral wordt per sessie gemeten; dat van GPT-Live-1 zeker ook. Geen van beide leveranciers publiceert een uitzondering voor stilte, en elke implementatie die bellers in de wacht zet, moet ervan uitgaan dat beide meters doorlopen. Dat verschil bevoordeelt geen van beide zijden, maar het betekent wel dat de hoofdtarieven de verkeerde plek zijn om te optimaliseren.

Pipeline tegen duplex, weer

Voxtral 3 is een stack, geen model: transcriptiemodellen (Mini Transcribe 3 met 4B parameters, Small en een realtimevariant), een synthesemodel en een op LiveKit gebaseerde Voice Agent SDK die ze met een taalmodel in het midden aan elkaar koppelt. Mistrals eigen latencyclaim gaat over ongeveer 90 milliseconden tot het eerste audio, wat echt snel is voor het synthesedeel.

Snelle synthese is niet hetzelfde als goede beurtwisseling. Een cascade moet nog steeds beslissen wanneer de mens klaar is met spreken, en die beslissing wordt genomen door een spraakactiviteitsdetector of een beurtdetectiemodel dat voor de pipeline zit. Als dat verkeerd gokt, praat de agent over de beller heen of wacht hij net een tel te lang, en geen enkele hoeveelheid 90ms-synthese lost dat op.

GPT-Live-1 is één netwerk dat tegelijk hoort en spreekt en meerdere keren per seconde beslist of het de beurt moet afstaan. Dat is de capaciteit waarvoor u die extra cent betaalt, en het is geen functie die u uit onderdelen kunt samenstellen. Daarom heeft het model van OpenAI ook geen afzonderlijke regelposten voor transcriptie of synthese: er valt niets te specificeren.

De praktische test is niet latentie maar onderbrekingsfrequentie. Als uw bellers in volledige zinnen spreken en op hun beurt wachten, is een pipeline prima en goedkoper. Als ze halverwege zeggen: ‘nee wacht, ik bedoelde de andere’, dan koopt u duplexgedrag, of u dat nu toegeeft of niet.

Talen, dialecten en waar de gegevens zich bevinden

Mistral introduceert Voxtral 3 met meer dan 35 talen en meer dan 50 dialecten, emotie- en stijlregeling, zero-shot klonen plus een "Pro Voice"-adaptatietraject dat ongeveer 30 minuten referentieaudio kost. De documentatie van GPT-Live-1 vermeldt niets over dialectdekking en biedt vaste modelstemmen zonder klonen.

Als je product Europees is — Frans, Duits, Italiaans, Spaans, Nederlands — is Voxtral 3 het completere aanbod, en Mistral's EU-positionering is een echt argument in procurementgesprekken waar OpenAI niet zo direct een antwoord op heeft. Dat is een bedrijfsfeit, geen benchmark, en voor veel kopers beslist het de deal nog voordat latentie ter sprake komt.

Als uw product Engelstalige ondersteuning of boekingen in één markt betreft, is de taaldiversiteit voorraad die u niet zult gebruiken, en is het duplexgedrag datgene wat u bij elk gesprek zult merken.

De open-weights-valkuil

Het is de moeite waard om te benadrukken, omdat mensen er vaak door verrast worden: Voxtral 3 zelf is een gesloten API. Het downloadbare model in deze familie is een oudere 4B-TTS-checkpoint uit maart 2026, uitgebracht onder CC BY-NC 4.0 — niet-commercieel — een ander, ouder model met een lagere arena-score. Enterprise-selfdeployment van Voxtral 3 is een onderhandelde afspraak, geen downloadlink.

In deze vergelijking geeft dus geen van beide modellen je gewichten. GPT-Live-1 heeft ze per ontwerp niet. Voxtral 3 heeft ze per beleid niet. Als het zelf bezitten van het model een vereiste is, vallen beide af en verschuift het gesprek naar Fish Audio Drama 3 of Ming-3.0-TTS.

Wat de boards meten, en wat ze niet meten

Voxtral 3 TTS staat op 1223 Elo in Artificial Analysis' Provider Voice Arena, vastgelegd op 29 oktober 2026 — veertiende van het veld, voor $13 per miljoen tekens. Dat is een solide syntheseresultaat: achter Eleven v4 op 1334, voor op meerdere modellen die meer kosten.

GPT-Live-1 verschijnt niet op die ranglijst, en wie de Speech-to-Speech Index-score van 83,2 naast de 1223 van Voxtral plaatst, vergelijkt een gewogen conversatie-index met een op blinde voorkeur gebaseerde Elo. Op de ranglijsten waar conversationele systemen wel verschijnen, scoort GPT-Live-1 1037 tot 1041 Elo op de Speech Agent Arena met 87,4% tot 90,9% taaksucces. De agent-stack van Voxtral 3 heeft nog niet genoeg arena-gesprekken verzameld om vermeld te worden.

Dat ontbreken is het nuttigste feit in dit gedeelte. Er is geen onafhankelijke directe vergelijking tussen deze twee, wat betekent dat elke vergelijking die u leest — inclusief deze — een gevolgtrekking is op basis van gepubliceerde tarieven en architectuur, niet van een gecontroleerd experiment. Iedereen die u zegt dat een van beide meetbaar natuurlijker klinkt aan de telefoon, citeert een leverancier.

Waar het routingargument uitkomt

OrcaRouter serveert geen van beide modellen. Voxtral 3 is de API van Mistral; GPT-Live-1 is die van OpenAI. Wat routeerbaar is, is het redeneermodel waaraan elk model delegeert — en hier lopen de twee architecturen uiteen op een manier die relevant is voor hoe je de stack opzet.

Voxtral 3 laat je het reasoningmodel kiezen binnen zijn eigen agenttarief: Small 4 voor $0,04, iets sterkers voor $0,08. GPT-Live-1 laat de backend volledig open, wat betekent dat je hem kunt richten op welk tekstmodel je maar wilt — inclusief GPT-6 Astra, GPT-5.6 Terra of een goedkopere tier, achter één sleutel, waarbij de routing-DSL je verschillende modellen voor verschillende taaktypen binnen dezelfde deployment laat vastpinnen.

Die flexibiliteit is bij een gemengde workload echt geld waard: een goedkoop model regelt de adresbevestiging en een frontier-model regelt de betwiste afschrijving, zonder een tweede contract of een tweede integratie. De lijstprijzen van providers worden met 0% markup doorgegeven, zodat een verlaging op de reasoning-tier je factuur bereikt op de dag dat ze ingaat, en niet pas bij de volgende contractverlenging.

De beslissing

Kies Voxtral 3 als je in Europa bouwt, veel talen en dialecten nodig hebt, één factuur wilt die van transcriptie tot synthese alles dekt, en je bellers redelijk netjes de beurt afwachten. Het is alles inbegrepen goedkoper per minuut, het is de completere stack, en de synthesescore van 1223 is respectabel.

Kies GPT-Live-1 als onderbrekingen het product zijn — intake, triage, dispatch, alles waarbij de beller zichzelf corrigeert en de agent moet horen dat het gebeurt. Je betaalt meer per minuut, je bezit minder, en je krijgt het ene gedrag dat een pipeline voor geen enkele prijs kan kopen.

De val die je moet vermijden, is de twee hoofdtarieven met elkaar te vergelijken en te concluderen dat $0.04 beter is dan $0.05. Die getallen meten niet dezelfde minuut: het ene omvat een transcriptiemodule, een synthesizer en een redeneermodule; het andere omvat een oor. Koop degene waarvan de inhoud bij de klus past, en discussieer daarna over de prijs.