Phonic 1 debuteert op #1 in de Speech Index. De marge van 0,2 punt verbergt de werkelijke voorsprong.

Phonic 1 is nu het hoogst gerangschikte spraak-naar-spraakmodel op de Speech to Speech Index van Artificial Analysis met 87,1, een race om een tiende punt die het won door xAI's Grok Voice 3.0 met 86,9 nipt te verslaan. Een marge van 0,2 punt zou normaal ruis zijn, en op deze index is het dat vrijwel ook: de twee modellen winnen niet dezelfde onderdelen, dus de gecombineerde gelijke stand verbergt een veel grotere kloof daaronder. Op de benchmark voor agentische taken die een kwart van die score bepaalt, komt Phonic 1 uit op 79,9%, tegen 74,5% voor de beste OpenAI-configuratie.

Phonic, een spin-off met ongeveer tien medewerkers, voortgekomen uit onderzoekers van MIT en Stanford, introduceerde het model op 29 oktober 2026 samen met een Series A-financiering van $27,5 miljoen onder leiding van First Round, waardoor de totale financiering op $31,5 miljoen uitkwam. Het bedrijf schrijft het model als Phonic-1 in zijn eigen aankondigingsbericht en documentatie; Artificial Analysis vermeldt het als Phonic 1 (High), waarbij het gedeelte tussen haakjes een API-instelling is en geen productnaam. Beide spellingen verwijzen naar hetzelfde endpoint en dezelfde lijstprijs van $0,07 per minuut.

Wat Phonic-1 is, in de eigen bewoordingen van de leverancier

Het is een end-to-end spraakmodel, geen cascade van transcriberen-dan-denken-dan-spreken. Audio gaat erin, audio komt eruit, en het argument dat Phonic voor de architectuur aanvoert, is dat een transcript een verliesgevende kopie van een gesprek is — toon, aarzeling en overlap gaan verloren voordat het taalmodel ze ooit ziet. Dat argument wordt sinds 2024 door elke spraak-naar-spraak-leverancier aangevoerd; wat Phonic feitelijk verkoopt, is een planningsstruc daarbovenop.

Die truc is tool calling tijdens de beurt van de caller. In plaats van te wachten tot de caller stopt voordat het een lookup start, vuurt het model tool calls af terwijl er nog steeds spraak binnenkomt, zodat de resultaten klaar zijn op het moment dat de caller het woord afgeeft. In de demo die Phonic publiceerde, riep het model alle vijf tools midden in een zin aan en antwoordde het 1,1 seconde nadat de caller stopte; OpenAI's GPT-Live-1 komt daarbij op 15,7 seconden voor hetzelfde script. Die vergelijking is een demonstratie door de leverancier op een door de leverancier gekozen taak, geen gemeten benchmark, en het loont om die te lezen als een illustratie van het ontwerp en niet als een direct vergelijkend resultaat.

Het gepubliceerde API-oppervlak is concreter dan de meeste aankondigingsposts:

• Model-ID's — phonic-1, waarbij phonic-0.5 nog steeds wordt geaccepteerd als de vorige generatie. Als je het veld weglaat, wordt de huidige standaard gebruikt.

• Intelligentie — een intelligence_level-enum, standaard op 'standard', en 'high' wanneer je het capabelere model wilt voor complexe redeneringen. De documentatie beschrijft 'standard' als de instelling die is geoptimaliseerd voor lagere latentie, wat betekent dat de configuratie waarmee tot nu toe elke benchmark is gescoord, niet de configuratie is die een latentiegevoelige deployment standaard krijgt.

• Talen — 51, vermeld met ISO-codes tot en met Filipijns (fil) en Kantonees (yue), met schakelen midden in een gesprek waarbij dezelfde sprekeridentiteit behouden blijft.

• Latentie — Phonic claimt minder dan 600 ms van spraak-in naar spraak-uit. Artificial Analysis mat met zijn eigen meetsysteem 0,61 s tot het eerste audio, wat consistent is met de claim zonder dezelfde meting te zijn.

• Implementatie — gehoste API, TypeScript- en Python-SDK's, een CLI en een no-code agent-builder, plus self-hosted- en VPC-opties op enterprise-niveau, met SOC 2 Type II, een HIPAA BAA, zero data retention en een SLA van 99,9% uptime op de pagina.

De index, rij voor rij

De Speech to Speech Index is een samengestelde score van vier gelijk gewogen resultaten: Big Bench Audio voor spraakredenering, τ-Voice voor agentisch gedrag in de klantenservice, een arena voor menselijke voorkeur en een succespercentage voor taken. Een model heeft alle vier nodig om überhaupt een score te krijgen; daarom verschijnt StepAudio 3 Realtime in de redeneringtabel zonder samengesteld cijfer — de kolommen voor agentisch gedrag, arena en taaksucces zijn leeg.

De vier componenten van Phonic 1, volgens Artificial Analysis:

• Speech-to-Speech-index — 87,1, eerste, voor Grok Voice 3.0 op 86,9, GPT-Live-1 (Astra, medium) op 83,2, Grok Voice 2.0 op 81,3 en GPT-Live-1 (Sol, low) op 80,1.

• τ-Voice — 79,9%, eerste, 5,4 punten voorsprong op GPT-Live-1 (Astra, medium) met 74,5%.

• Big Bench Audio — 98,9%, derde, achter StepAudio 3 Realtime met 99,7% en Qwen Audio 3.0 Realtime Plus met 99,2%.

• Speech Agent Arena — achtste van 30 op voorkeur bij Elo 1012, vierde op taaksucces met 92,3%.

Lees die vier rijen in volgorde, en de samengestelde score ziet er niet langer uit als een gelijkspel. Phonic 1 wint de agentische benchmark onbetwist en staat derde op redeneervaardigheid, maar het staat achtste wat betreft welke stem mensen daadwerkelijk liever hebben en vierde op ruwe taaksucces — een model dat meetbaar de betere tool-runner is en niet de publiekslieveling als gesprekspartner. Dat is hetzelfde structurele verhaal dat we twee weken geleden bij de 86,9 van Grok Voice 3.0 vonden, maar dan van de andere kant: xAI behield de arena en verloor de agentische kolom, en Phonic behoudt de agentische kolom terwijl het de arena opgeeft.

Twee klokken, twee winnaars

Latentie is waar de dekking slordig wordt, omdat twee respectabele instrumenten het oneens zijn over wie het snelst is, en geen van beide ongelijk heeft.

Artificial Analysis meet de tijd tot de eerste audio — hoe lang het duurt vanaf het einde van de beurt van de beller totdat de audio begint. Op die klok is Phonic 1 de snelste van de top vijf van de index:

• Tijd tot eerste audio — Phonic 1 0,61 s; Grok Voice 3.0 0,81 s; GPT-Live-1 (Sol, laag) 1,24 s; GPT-Live-1 (Astra, gemiddeld) 1,34 s; Qwen Audio 3.0 Realtime Plus 1,54 s; StepAudio 3 Realtime 8,83 s.

Cekura, een evaluatiebedrijf voor spraakagenten dat modellen uitvoert in een echte telefoonopstelling via WebRTC, meet de mediane responstijd over volledige gesprekken. Volgens die maatstaf is Grok Voice 3.0 de snelste in het veld met 1,34 s en staat Phonic 1 met 1,63 s op de derde plaats — een honderdste seconde achter Grok Voice Think Fast 2.0 op 1,62 s, en niet eerste. Beide cijfers beschrijven iets wat echt is. Tijd tot eerste audio is hoe snel het model besluit te spreken; mediane responstijd is hoe lang een bellende gebruiker daadwerkelijk wacht op de reactie in 82 scenario's, inclusief de tool-intensieve scenario's waarin Phonic's aanpak precies de seconden terugverdient die een meting van eerste audio niet kan zien.

Als je een inkoopmemo schrijft, is de zin die je moet vermijden "het snelste spraak-naar-spraakmodel", punt. De verdedigbare versie is "snelste tijd tot eerste audio op Artificial Analysis; op twee na snelste mediane reactietijd in Cekura's live-call-harness".

Het live-callboard stelt een moeilijkere vraag.

Het spraak-naar-spraak-leaderboard van Cekura is een aanzienlijk zwaardere test dan elk van de vier indexcomponenten: 82 scenario's — 59 kliniekboekingsgesprekken en 23 Medicare-intakegesprekken — die elk drie keer worden uitgevoerd binnen dezelfde open-source Pipecat-agent met dezelfde prompt en tools, beoordeeld met pass-cubed, wat betekent dat een scenario alleen meetelt als alle drie de runs slagen en elk veld correct is vastgelegd.

Vanaf de update van 22 oktober 2026, met Phonic 1 geconfigureerd op intelligence high onder de model-ID phonic_v1, zet dat board Phonic 1 ook als eerste:

• Betrouwbaarheid, pass-cubed — Phonic 1 90,2%; Grok Voice 3.0 81,7%; GPT Realtime 2.1 79,3%; GPT-Live 1 met GPT-6 Sol 75,6%; Azure Realtime 70,7%.

• Gegevensnauwkeurigheid — Phonic 1 97,5%; GPT Realtime 2.1 92,0%; Grok Voice 3.0 87,3%.

• Gesprekken waarin de agent stil bleef — Phonic 1 0,0%; Grok Voice 3.0 0,0%; GPT Realtime 2.1 3,3%.

• Succes bij Medicare-oproepen — Phonic 1 88,4%; GPT Realtime 2.1 81,2%; Grok Voice 3.0 58,0%; GPT-Live 1 met Sol 49,3%.

De Medicare-split is de meest interessante regel in de hele lancering. Lange intakegesprekken waarin formulieren worden ingevuld, zijn waar end-to-end-modellen verondersteld worden te falen, en Phonic 1 houdt stand op 88,4% waar Grok Voice 3.0 halveert naar 58,0%. Cekura's eigen verslag registreert nog steeds een faalmodus die het kennen waard is: de agent hangt op zonder een beller die aangeeft later terug te bellen te bevestigen, en hij schrijft af en toe een Medicare-overdrachtsnotitie of routeringsdetail verkeerd. Bij 90,2% pass-cubed slagen 74 van die 82 scenario's bij elke run en acht niet — dat is een sterk resultaat voor een model van één dag oud, niet voor een af model.

Twee aandachtspunten bij de labeling voordat iemand deze cijfers citeert. Het dashboard van Cekura bevat een datum van laatste update en is tussen runs herzien, dus een screenshot daarvan is geen citaat; citeer het actuele getal met de datum erbij. En Cekura registreert kosten van $0,060 per minuut voor Phonic 1 tegen een gepubliceerd Starter-tarief van $0,070 — een gemeten waarde uit één testopstelling, niet de prijslijst, en niet iets om van iets anders af te trekken.

De leveranciersbenchmarks, in hun eigen box gehouden

Het lanceringsbericht van Phonic bevat drie eigen resultaten, en ze zijn juist wetenswaardig omdat het niet de hierboven genoemde cijfers zijn. Voor de meertalige full-duplexvariant τ³-Voice van Sierra meldt het bedrijf Phonic-1 op 83,2, tegenover GPT-Live-1 op 79,9 en Gemini 3.8 Live op 68,5. Let op de botsing: 79,9 is de score van Phonic op τ-Voice van Artificial Analysis en ook de score van GPT-Live-1 op de eigen τ³-Voice-run van Phonic. Dezelfde cijfers, andere rijen, andere benchmarkvarianten — verplaats nooit een getal van de ene kolom naar de andere.

De andere twee zijn blinde menselijke tests uitgevoerd door Podonos, een dienst voor luistertests van een derde partij. Phonic-1 werd boven GPT-Live-1 verkozen met 61,5% tegen 32,0%, boven Grok Voice 3 met 66,5% tegen 26,5%, en boven Eleven v4 Turbo met 78,0% tegen 14,0%. Het resultaat waarmee Phonic zelf voorop gaat, is juist het resultaat dat het verliest: menselijke stemacteurs werden boven Phonic-1 verkozen met 57,0% tegen 32,0%. Alle vier zijn in opdracht van de leverancier uitgevoerd en door de leverancier gemeld; geen enkele is onafhankelijk gerepliceerd.

Wat het per maand kost

De prijsstelling is één bedrag per minuut, zonder kosten per token en zonder aparte doorberekening van LLM-kosten, wat ongewoon is in een categorie waarin het "spraakmodel" vaak niet meer is dan een dunne wrapper om drie gefactureerde diensten. De tariefniveaus:

• Starter — $0,07 per minuut, geen minimum, 10 gelijktijdige gesprekken, 10 agenten, 3 werkruimteplaatsen.

• Pro — $0,065 per minuut tegen een maandminimum van $200, wat de prijspagina ongeveer gelijkstelt aan 3.100 minuten, met 50 gelijktijdige gesprekken, 50 agents en 30 seats.

• Enterprise — maatwerk, met volumekortingen, VPC- of on-prem-implementatie, DPAs, SLAs en HIPAA-BAA's.

Aanmeldingen vóór 30 november krijgen $250 aan credits. Maak de berekening voor een maand van 10.000 minuten en de lijstprijzen van de naaste concurrenten worden snel duidelijk:

• 10.000 minuten — Phonic 1 Starter $700; Grok Voice 3.0 $800 bij $0,08/minuut; GPT-Live-1 (Sol, laag) $750 bij $0,075; GPT-Live-1 (Astra, gemiddeld) $970 bij $0,097.

• Dezelfde 10.000 minuten op Pro — $650, maar pas boven ongeveer 3.100 minuten is het minimum van $200 niet meer de beperkende factor.

Het getal dat niet op een prijslijst past, is gelijktijdigheid. Tien gelijktijdige oproepen op Starter is een echt plafond voor alles wat op een supportwachtrij lijkt, en dat is de reden dat de sprong naar Pro bij volume $50 per maand waard is: de niveauwijziging levert 50 gelijktijdige oproepen op, veel meer dan de halve cent. Phonic's eigen engineeringblog stelt dat limieten voor gelijktijdigheid de verborgen belasting in spraak-AI zijn, wat een eerlijke framing is van de partij die ze vaststelt.

Waar het draait, en wat routing hier kan en niet kan.

Phonic 1 staat niet in de catalogus van OrcaRouter, en dit stuk doet niet alsof dat anders is: vandaag bereik je het via Phonic's eigen API, zijn SDK's, de CLI of de no-code builder, en nergens anders. Dat is ook de eerlijke structurele zwakte van een end-to-end spraakmodel kopen in plaats van een cascade — één leverancier, één endpoint, en geen tweede provider om naar te overschakelen wanneer de websocket midden in een gesprek wegvalt.

Wat routering wél dekt, is het alternatief. Een transcribeer-denk-spreekpijplijn is de baseline waartegen Cekura's eigen board het steeds wint van end-to-endmodellen, en zijn middelste fase is gewone tekstinferentie — precies de laag waaropéén API voor 200+ modellen met 0% opslag van toepassing is. Het transcriptiedeel en het redeneerdeel kunnen achter één enkele sleutel zitten, en de routing-DSL kan de goedkope aanroepen voor beurtwisseling en de dure aanroepen voor beleidsredenering binnen dezelfde aanroep naar verschillende modellen sturen, zonder een tweede contract voor elke leverancier in de stack. De lijstprijs van de provider wordt ongewijzigd doorgegeven, zodat een prijsverlaging van een leverancier dat deel op dezelfde dag bereikt als ze wordt aangekondigd, en niet pas bij de volgende contractverlenging.

Het loont om de afweging ronduit te benoemen, omdat de scoreboards hierboven die niet meerekenen. End-to-end wint op beurtwisseling, interrupties en tool-calls midden in een uiting; een cascade wint op de mogelijkheid om elke individuele component te vervangen — en op het feit dat Cekura's cascade-baseline nog steeds elk realtime model dat het testte overtreft op pass-cubed-betrouwbaarheid. Als dat klinkt als een reden om op een cascade te blijven, is dat het deels ook. De reden om te migreren is de Medicare-kolom: 88,4% tegen 58,0% is het soort verschil dat beslist of een lang intakegesprek überhaupt voltooid wordt.

Wat nog niemand heeft gemeten

Voordat iemand een productieprompt rond een 87.1 herschrijft, zijn drie lacunes het benoemen waard.

• De gemeten configuratie is niet de standaard. Elke score hier — 87,1 van Artificial Analysis, 90,2% van Cekura — is geproduceerd bij de instelling 'high intelligence'. De API gebruikt standaard 'standard', gedocumenteerd als de modus met lagere latentie. Niemand heeft de cijfers voor de standard-instelling gepubliceerd, dus de latentiecijfers hierboven beschrijven niet wat een niet-geconfigureerde integratie ervaart.

• Het gedrag bij ruiskanalen wordt niet door de index getest. Cekura meldt dat Grok Voice 3.0 elke call doorstaat met achtergrondruis en audiostoringen; over Phonic 1 zegt het niets vergelijkbaar, en Big Bench Audio draait op zuiver audio.

• Stabiliteit over lange sessies is een demo, geen meting. Phonics 44-minutenoproep met 123 tool-aanroepen in Engels en Portugees is het meest concrete gepubliceerde bewijs voor de lange horizon, en het is één enkele oproep die de leverancier zelf heeft uitgekozen om te tonen.

De verdedigbare samenvatting na één dag: Phonic 1 is het sterkste agentische spraak-tot-spraakmodel op de twee onafhankelijke instrumenten die het hebben beoordeeld, het is niet het snelste model, afhankelijk van welke klok je gebruikt, en zijn $0,07/minuut maakt de agentische voorsprong goedkoop genoeg om te testen rather than om erover te discussiëren.