Phonic 1 vs Cartesia Sonic 3.6: een minuut voor $0,07 en een factuur voor 49 miljoen tekens zijn niet dezelfde aankoop

Zet Phonic 1 en Cartesia Sonic 3.6 op één pagina en de verleiding is om de prijskolommen naast elkaar te zetten en het daarbij te laten. Twee cijfers van leveranciers maken dat makkelijk: Phonic rekent $0,07 voor een minuut gesprek, Cartesia normaliseert naar ongeveer $49 per miljoen tekens. Beide klinken als afrondingsfouten naast wat je in 2025 betaalde. Maar ze factureren voor verschillende objecten. Cartesia Sonic 3.6 is een streaming tekst-naar-spraak-engine — je geeft het woorden, het geeft je een stem, en alles stroomopwaarts van die woorden is jouw probleem. Phonic 1 is een spraak-naar-spraakmodel dat een beller hoort, beslist wat het moet doen, midden in een zin tools aanroept en luid antwoordt, allemaal binnen die minuut. Het ene is een component op je factuur. Het andere is de hele factuur. Ze alleen op prijs vergelijken is een taxirit met een auto vergelijken.

Dat maakt de vergelijking niet nutteloos. Het maakt ze enger en eerlijker dan het zoekresultaat suggereert: deze twee concurreren om dezelfde budgetpost in een budget voor spraakagenten, en een team dat een telefoonagent bouwt, moet beslissen of de spraaklaag een dienst is die het als geheel huurt of een stack die het uit onderdelen samenstelt. Cartesia verkoopt je beide arrangementen — Sonic 3.6 voor de renderinghelft, Cartesia Line voor de samengestelde helft — en dat tweede product, niet het TTS-model, is het product dat daadwerkelijk tegenover Phonic 1 staat.

Wat elk ervan eigenlijk is

Cartesia Sonic 3.6 kwam eind augustus 2026 uit, ongeveer drie maanden na Sonic 3.5, en is de hoogst kwalitatieve renderer van het bedrijf: 44 talen in 61 locales, voice cloning vanaf ongeveer tien seconden audio, op credits gebaseerde facturering waarbij één credit ongeveer overeenkomt met één teken. Het heeft geen reasoninglaag, geen toollaag en geen enkel begrip van een gesprek. Je roept het aan met tekst en een voice-ID, je krijgt audio terug als stream, en de turn-taking-logica — wanneer je moet luisteren, wanneer je moet onderbreken, wat je moet doen als de bellende partij "eigenlijk nee" zegt — hoort bij code die je zelf schrijft.

Phonic 1 lanceerde eind oktober 2026 samen met een Series A-financiering van $27.5M onder leiding van First Round, en zijn pitch heeft de tegengestelde vorm: één model dat de hele gespreksbeurt bezit. De eigen functielijst van de leverancier stelt dat toon en aarzeling worden gehoord, dat tool-aanroepen worden uitgevoerd terwijl de beller nog spreekt, en dat het model soms helemaal niet zal antwoorden — gedrag dat je van een TTS-endpoint niet krijgt, omdat een TTS-endpoint geen mening heeft over of spreken de juiste zet is. Het rekent één prijs per gespreksminuut en stelt expliciet dat er geen aparte LLM-doorrekening en geen kosten per token zijn.

Een eerlijke kanttekening voordat we verdergaan. In de berichtgeving over de lancering van Phonic werd het als end-to-end beschreven, waarbij afzonderlijke leveranciers voor spraakherkenning, LLM en spraaksynthese werden vermeden. De eigen website van de leverancier beschrijft supervisor-modellen voor redeneren en tool calling, en de benchmarkconfiguratie ervan is gelabeld als Phonic 1 (High), wat een selecteerbaar intelligentieniveau impliceert. Beide kunnen waar zijn — één leverancier kan de volledige beurt beheren terwijl er nog steeds een interne redeneerlaag draait — maar "end-to-end" is marketingjargon voor "één contract", geen bewijs dat één netwerk alles in één forward pass doet. Als je architectuurreview van dat onderscheid afhangt, vraag het de leverancier direct; het openbare materiaal geeft daarop geen uitsluitsel.

De twee klokken meten verschillende dingen.

Latentie is waar deze vergelijking meestal het meest misleidt, omdat beide leveranciers een klein getal in milliseconden noemen en geen van beide getallen het getal is dat de persoon die belt daadwerkelijk ervaart.

• Phonic 1 — 0,61 s gemiddelde tijd tot eerste audio bij de meting van Artificial Analysis, de snelste onder de vijf beste geteste spraak-naar-spraakmodellen; de leverancier adverteert met minder dan 600 ms van spraak-in naar spraak-uit.

• Cartesia Sonic 3.6 — tijd tot eerste audio onder 90 ms, volgens de leverancier en met netwerk expliciet buiten beschouwing gelaten; een benchmark van derden mat 120 ms p50 vanuit US East, direct bij de leverancier, en een op Sydney gebaseerde test met echte gesprekken rapporteerde 448 ms mediaan en 604 ms p90 end-to-end.

• Wat het verschil betekent — Bij Phonic begint de 0,61 s op het moment dat audio binnenkomt en omvat ook de beslissing over wat er gezegd wordt. Bij Cartesia begint de 90 ms zodra de tekst al bestaat en omvat die alleen het omzetten daarvan in geluid. Voeg je eigen spraakherkenning en je eigen modellatentie voor Sonic toe, en de twee cijfers komen samen; dat ontbrekende rekenwerk is waarom de ruwe getallen op een zeven-tegen-een-overwinning lijken en dat niet zijn.

Artificial Analysis meldt ook Phonic 1 op 0,61 s tegenover 1,34 s voor GPT-Live-1 en 1,35 s voor Gemini 3.8 Live Extended Thinking, en dat is precies de vergelijking waarvoor dat getal eigenlijk goed is: model tegen model, hetzelfde instrument. Sonic 3.6 komt helemaal niet voor op dat overzicht, omdat het geen conversationeel model is.

De factuur, opgebouwd uit dezelfde klus

Neem een inkomende supportoproep van tien minuten. Op het samengestelde pad met Cartesia Sonic 3.6 betaal je voor minstens drie dingen: herkenning van het audio van de beller, een model om het antwoord te bepalen en het weergeven van dat antwoord. Het aandeel van Sonic is het kleinste en meest voorspelbare van de drie — ongeveer $0,28 tot $0,49 per minuut gegenereerd audio, afhankelijk van het plan, en in de praktijk merkbaar minder, omdat een agent niet de volle tien minuten spreekt. Het onvoorspelbare aandeel is het model in het midden, en dat is degene die met een orde van grootte varieert, afhankelijk van of je een klein model inzet voor de gemakkelijke 80% van de beurten of alles naar een frontier-model stuurt.

Die middelste etappe is waar routing zijn plek verdient,而不是 een bolt-on. Bij OrcaRouter draait het reasoning-model achter je agent op één sleutel over200+ modellen met 0% markup boven de lijstprijs van de provider, zodat een prijsverlaging van welke leverancier dan ook dezelfde dag live is,而不是 te wachten op een contractwijziging — en een routingregel kan goedkope turns goedkoop houden en alleen de moeilijke escaleren. Automatische failover dekt het geval dat voice-agents in productie echt kapotmaakt: de modelprovider hikt midden in het gesprek en de caller hoort stilte.

Op het Phonic 1-pad valt de rekensom samen tot één regel. Tien minuten kost $0,70 bij het startertarief van $0,07, of $0,65 bij het Pro-tarief, dat een maandelijkse minimum van $200 heeft. Dat is de volledige kost van de modellaag — geen aparte tokens, geen aparte factuur voor redeneren — en het is het sterkste argument in het kamp van Phonic, omdat een vast tarief per minuut een getal is dat een financeteam kan voorspellen zonder een gebruiksprognose.

Lees die twee totalen aandachtig voordat u een winnaar uitroept. De ondergrens van het samengestelde pad is lager — een goedkoop middelmodel plus Sonics rendering kan comfortabel onder $0,07 per minuut blijven — en zijn bovengrens is veel hoger, omdat een frontiermodel bij elke stap die er met gemak ver overtreft. Het vaste tarief van Phonic 1 is een weddenschap dat de economie van de leverancier standhoudt terwijl uw mix van gemakkelijke en moeilijke oproepen verandert. Dat is echt iets nuttigs om te kopen, en het is ook iets dat u op vertrouwen koopt.

Waar Cartesia Sonic 3.6 zonder discussie wint

Als de vraag is "welke van deze klinkt beter", komt Cartesia niet in de buurt, en geen enkele hoeveelheid agentische benchmark-scores verandert dat. Sonic 3.6 stond bij release bovenaan beide spraakarena's van Artificial Analysis — een Provider Voice Elo van ongeveer 1.282–1.283 en een Controlled Voice-score van nabij 1.123 — dat zijn voorkeursmetingen op gerenderd audio, precies waarvoor een TTS-engine dient.

De bedieningsoppervlakte is ook uitgebreider. Voiceklonen vanaf tien seconden, 44 talen in 61 locales met keuze per locale, vijf gepubliceerde abonnementsniveaus van een gratis sandbox met 20K credits tot een Scale-abonnement van $299 met vijftien gelijktijdige aanvragen, en gekloonde stemmen gefactureerd op 1,5x. Als je product voice-over, nasynchronisatie, IVR-prompts of een assistent is wiens antwoorden gescript zijn en wiens stem het merk is, dan is Sonic 3.6 een beter instrument dan Phonic 1 en daar zou de vergelijking bij moeten stoppen.

Er is ook een kostenstructuur die het verdient om genoemd te worden: Cartesia's kredietmodel betekent dat je betaalt voor de tekens die je genereert, dus een gesprek waarin de agent vier woorden zegt, kost vier woorden. Een model per minuut rekent ongeacht de duur de volledige minuut. Bij korte interacties met hoog volume — afspraakbevestigingen, bezorgmeldingen, een verificatie in twee gespreksrondes — is het tekenmodel structureel goedkoper.

Waar Phonic 1 zonder discussie wint

Tool-aanroepen die beginnen voordat de beller stopt met spreken, zijn in deze vergelijking de enige capaciteit die Cartesia Sonic 3.6 simpelweg niet heeft, omdat tool calling geen eigenschap is die een renderer kan bezitten. In een boekingsflow waarin de beller zegt: "Ik wil donderdag, nee wacht, vrijdagmiddag", moet het samengestelde pad wachten op detectie van het einde van de beurt, herkenning uitvoeren, het model uitvoeren, de tool uitvoeren en vervolgens renderen — vier opeenvolgende overdrachten tegenover de ene die Phonic claimt. Phonic's eigen demo-vergelijking, een reactie 1,1 seconde nadat de beller stopte tegenover 15,7 seconden voor OpenAI's GPT-Live, is een leveranciersdemonstratie en moet als zodanig worden gelezen. Maar het structurele punt overleeft het voorbehoud: minder overdrachten betekent minder plekken om een seconde te verliezen.

• Talen — Phonic 1 ondersteunt meer dan 50 talen, met schakelen midden in een gesprek waarbij dezelfde stem behouden blijft; Cartesia Sonic 3.6 omvat 44 talen over 61 locales, uitsluitend voor rendering.

• Facturering — {{1}}Phonic 1{{/1}} is één prijs per gespreksminuut zonder LLM-doorberekening; Cartesia Sonic 3.6 factureert per karakter/credit, en de rest van de stack factureert apart.

• Agentische capaciteit — Phonic 1 scoort 79,9% op de agentische component van de spraak-naar-spraakindex van Artificial Analysis, het hoogste cijfer dat daar is geregistreerd; Sonic 3.6 heeft geen agentische score omdat het geen agent heeft.

• Stemkwaliteit — Cartesia Sonic 3.6 staat aan kop in beide spraakarena's van Artificial Analysis voor gerenderde audio; de arena-voorkeursscore van Phonic 1 is 1.012, een achtste van de dertig.

• Implementatie — Phonic 1 biedt cloud, single-tenant, VPC-peering en self-hosting, met vermelding dat SOC 2 Type II en HIPAA BAA beschikbaar zijn; Sonic 3.6 is een gehoste API.

De vergelijking die Cartesia eigenlijk wil dat je uitvoert

Cartesia's echte antwoord op Phonic 1 is Cartesia Line, zijn voice-agentproduct, dat het bedrijf prijst op ongeveer $0,06 per minuut en dat op Artificial Analysis verschijnt als een provider-pipeline eerder dan als een gescoord model — de line-up daarbinnen put uit Ink, Gemini 2.5 Flash en Sonic samen. Dat vertelt je twee dingen tegelijk. Het hoofdtarief onderbiedt Phonic 1 met een cent, en het tarief is onvolledig op precies de manier waarop Phonic's marketing samengestelde stacks beschuldigt van onvolledigheid: het Gemini 2.5 Flash-deel factureert zijn eigen tokens er bovenop.

De eerlijke directe vergelijking is dus niet $0,07 tegenover $0,06. Het is een vaste, allesomvattende $0,07 tegenover een platformvergoeding van $0,06 plus een modelrekening die je zelf beheerst. Voor een team dat al zijn eigen modellen routeert en dat zo wil houden, is die structuur een voordeel. Voor een team dat een getal wil, geen spreadsheet, is dat de reden dat Phonic 1 bestaat.

Wie moet handelen, en wie moet wachten?

Koop Cartesia Sonic 3.6 als de stem het product is. Voice-over, assistenten met een merkidentiteit, dubbing, alles waarbij een mens de audio beoordeelt en niemand de tool calls beoordeelt. De voorsprong in de arena is reëel, het klonen is snel, en de abonnementsladder betekent dat je gratis kunt beginnen.

Koop Phonic 1 als de call iets moet doen — boeken, verifiëren, terugbetalen, escaleren — en als een vijfcijferig engineeringbudget voor glue code slechter is dan een vast tarief per minuut. Het is op het moment van schrijven ook ongeveer een week oud op een publieke API met één onafhankelijke board achter zich en zonder betrouwbaarheidsgegevens over de lange termijn; de verstandige manier om het in gebruik te nemen is naast je huidige pad, niet daarvoor in de plaats.

En als je zelf samenstelt而不是huren, dan is de beslissing die je rekening echt verandert niet Sonic versus Phonic. Het is welk model de makkelijke beurten beantwoordt. Dat deel is het segment dat vandaag op OrcaRouter draait — één sleutel, 200+ modellen, listprijs doorgegeven, failover wanneer een provider uitvalt — terwijl noch Phonic 1 noch Cartesia Sonic 3.6 in onze catalogus staat, en elk ervan apart bij zijn eigen leverancier moet worden afgenomen.

De aankoop die als een prijsvergelijking lijkt, is eigenlijk de vraag hoeveel van de 'draai' je zelf wilt bezitten. Sonic 3.6 laat je die volledig bezitten en geeft je het best klinkende component om op te bouwen. Phonic 1 neemt die van je over en rekent daarvoor een vast tarief. Geen van beide is verkeerd. Ze zijn alleen verkeerd wanneer ze om de reden van de ander worden gekocht.