Phonic 1 vs Sesame Preview: het dead-airprobleem, op twee tegengestelde manieren opgelost

Phonic 1 en Sesame Preview worden beide verkocht als conversationele spraakmodellen, en ze richten zich niet op dezelfde taak. Phonic 1 — de leverancier spelt het Phonic-1 — is een spraak-tot-spraak-endpoint voor $0,07 per minuut dat op 29 oktober 2026 commercieel beschikbaar kwam en meteen eerste plaats behaalde in de Speech to Speech Index van Artificial Analysis met 87,1. Sesame Preview is de gratis begeleidende app achter de stemmen Maya, Miles, Simone en Charlie: geen openbare API, geen tarieflijst, geen notering op enige onafhankelijke ranglijst, en een uitgesproken plan om je in 2027 een bril te verkopen. Zet de twee namen in één zin en het eerste dat opvalt, is dat je er maar één kunt kopen.

Het tweede dat eruit volgt, is interessanter. Beide producten zijn, onder het marketingverhaal, antwoorden op dezelfde kleine vernedering: de halve seconde stilte terwijl de machine besluit wat ze gaat zeggen. Phonic gaat dat aan door het werk te doen voordat de beller klaar is. Sesame gaat dat aan door beter te worden in weten wanneer de beller klaar is. Dat zijn werkelijk verschillende technische weddenschappen, ze worden gemeten met instrumenten die elkaar niet overlappen, en de keuze tussen beide volgt uit de weddenschap waar je product van afhangt — niet uit een benchmarktabel.

Wat elk ervan eigenlijk is, voordat de vergelijking lastig wordt.

Phonic 1 is een end-to-end spraakmodel, audio in en audio uit, zonder een tussenliggende cascade van transcriberen-dan-denken-dan-spreken. Het werd uitgebracht met TypeScript- en Python-SDK's, een CLI en een no-code agent builder, 51 gedocumenteerde talen met wisselen midden in een gesprek waarbij de stemidentiteit behouden blijft, een gedocumenteerde intelligence_level-instelling die standaard op standard staat en naar high kan worden verhoogd, en zakelijke voorwaarden waaronder SOC 2 Type II, een HIPAA BAA, zero data retention en een SLA van 99,9% uptime. Het wordt per minuut verkocht in drie niveaus, en het bedrijf erachter telt ongeveer tien mensen van MIT en Stanford, die een Series A van 27,5 miljoen dollar hebben opgehaald onder leiding van First Round.

Sesame Preview is geen model dat je huurt. Het is een consumentenproduct: een gratis iOS- en webapp, vanaf eind mei 2026 uitgerold in 39 landen, met vier benoemde agenten met persistent geheugen, parallelle webzoekopdrachten die midden in een zin worden uitgevoerd, notities maken, een sms-modus en een incognitomodus. Het gemelde doel van Sesame hiervoor is minder dan 300 ms tot de eerste audio, en het bedrijf heeft publiekelijk toegegeven dat het model nog steeds "al te gretig en vaak ongepast" is in toon en tempo. Er is geen zakelijke variant en geen manier om de productiestem te licentiëren.

Het enige dat de Sesame-naam daadwerkelijk in een build brengt, is Sesame CSM-1B, gepubliceerd onder Apache 2.0 op 13 maart 2025. Het is een basismodel voor conversationele spraak, primair Engelstalig, gebouwd om Mimi-audiokens te genereren, geconditioneerd op eerdere gespreksbeurten. Het is niet de stem in de app: de Preview-personages komen uit een zorgvuldig samengestelde fine-tune en een cast van stemacteurs die nooit is uitgebracht. Recensenten die beide hebben getest, beschrijven de open checkpoint als hoorbaar zwakker dan de app, waardoor "gewoon het Sesame-model zelf hosten" een ander product is, geen licentievrije snelkoppeling.

Twee aanvallen op dezelfde halve seconde

De lanceerclaim van Phonic is het meest concrete in deze categorie: volgens het bedrijf is Phonic-1 het enige model dat kan handelen terwijl de beller nog aan het woord is. In de demonstratie die het bedrijf publiceerde, vuurde het model alle vijf tool-calls midden in een zin af en antwoordde het 1,1 seconde nadat de beller stopte; op hetzelfde script zet het GPT-Live-1 op 15,7 seconden. Lees dat als een demonstratie van een ontwerp, niet als een benchmark — het is een door de leverancier geselecteerde taak op een door de leverancier gekozen script. Maar het ontwerp is waar het om gaat. Als de lookup al klaar is op het moment dat de beurt eindigt, hoeft het model nooit briljant te zijn in het voorspellen van het einde van de beurt; het hoeft alleen maar niet in de weg te zitten.

Sesame sloeg een andere weg in en maakte de voorspelling zelf tot een onderzoeksprogramma. In augustus 2026 publiceerde het TurnBench, een open benchmark voor de dynamiek van beurtwisselingen: 30 uur in een studio opgenomen dubbelkanaalsdialoog, 154 gesprekken, 106 stemacteurs verdeeld over zes registers, drievoudig geannoteerd met een Fleiss' kappa van 0,78, beoordeeld op recall bij een afgetopte fout-positieve ratio, met een latentie met teken op de mediaan. De belangrijkste bevinding is er een om te onthouden: menselijke sprekers beginnen een beurtwisseling met een mediaan van 151 ms voordat de andere persoon stopt met praten, en geen enkel systeem in het veld haalt dat binnen het fout-positieve budget. Semantische detectoren zijn selectief en traag; akoestische detectoren zijn snel en ruisrijk. Niets is beide.

Dat is de tweesprong, ronduit gezegd. Sesame probeert de kloof te dichten tussen 151 ms menselijke anticipatie en de 368 ms tot 1.234 ms die de beste detectoren halen. Phonic probeert de kloof irrelevant te maken door het werk weg te nemen dat die vult. Beide zijn legitiem. Alleen een van beide is vandaag voor jou als eindpunt beschikbaar, en het is niet degene die de benchmark heeft gepubliceerd.

De commissie die een van hen beoordeelt — en degene die zij erbuiten laat.

De Speech to Speech Index van Artificial Analysis is de enige onafhankelijke samengestelde index in het veld, en Phonic 1 staat op het moment van schrijven bovenaan. De rijen die ertoe doen:

• Phonic 1 (High) — index 87,1, eerste; tijd tot eerste audio 0,61 s; $4,20 per uur aan inputaudio.

• Grok Voice 3.0 — 86,9; 0,81 s; $4,80 per uur.

• GPT-Live-1 (Astra, medium) — 83,2; 1,34 s; $5,83 per uur.

• Gemini 3.8 Live Extended Thinking (High) — 82,6; 1,35 s; $3,50 per uur.

• Eleven Realtime v1 Max — 77,3; 0,57 s; $4,80 per uur.

Let op de laatste rij. Eleven Realtime v1 Max is sneller naar eerste audio dan Phonic 1 — 0,57 s tegen 0,61 s — en staat 9,8 indexpunten lager. Tijd tot eerste audio is niet de wedstrijd die Phonic won; het won de samengestelde score, die ook spraakredenering, agentisch taakgedrag, menselijke voorkeur en taaksucces meeweegt. Wie "snelste" uit een enkele kolom citeert, citeert de verkeerde kolom.

Nu de asymmetrie. Er staat geen rij voor Sesame Preview op die ranglijst, en er is geen mogelijkheid dat die er komt: de index laat modellen via een API-harness lopen, en Sesame Preview heeft geen API. Ook de eigen instrumenten van Sesame vullen de leemte niet. TurnBench wordt door Sesame gepubliceerd en bevat op het moment van schrijven geen Sesame-vermelding — de lijst noemt voice activity projection-modellen, ESPnet, Kyutai's semantische VAD, Gemini 3.1 Live, OpenAI Realtime en Moshi, maar niet de eigen productiestem van het bedrijf. Dat is geen schandaal; benchmarkauteurschap en benchmarkinzending zijn verschillende handelingen, en een begeleidende app heeft geen stabiel endpoint waar een scorer op kan worden gericht. Maar het betekent wel dat de twee kerncijfers in deze vergelijking — 87,1 aan de ene kant, sub-300 ms aan de andere — niet dezelfde soort claim zijn. Het ene is door een derde partij op een harness gemeten. Het andere is een streefwaarde die de leverancier noemt voor een product dat niemand buiten het bedrijf heeft geïnstrumenteerd.

De kolom waarin Phonic 1 verliest, op basis van Phonic's eigen bewijs

Als de reden dat je Sesame Preview bekijkt, is dat het als een mens klinkt, dan heeft deze vergelijking een ongemakkelijk antwoord, en dat komt uit Phonic's eigen persmateriaal en niet van een criticus.

Phonic heeft bij Podonos, een externe dienst voor luistertests, blinde paarsgewijze luistertests laten uitvoeren en de resultaten daarvan gemeld in het bericht over de lancering. 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%. De kop waarmee het bedrijf wilde uitpakken, is juist degene die het verloor: menselijke stemacteurs werden boven Phonic-1 verkozen met 57,0% tegen 32,0%, wat in het bericht wordt beschreven als dat mensen ongeveer 60% van de tijd winnen, met nog aanzienlijke ruimte voor verbetering. Dat zijn door de leverancier bestelde en door de leverancier gerapporteerde cijfers, en geen daarvan is onafhankelijk gerepliceerd — maar het zijn de cijfers van de leverancier, en die zeggen dat Phonic 1 de beste synthetische stem in zijn vergelijkingsset is en nog steeds geen mens.

Onafhankelijke voorkeursdatapunten wijzen in dezelfde richting. Op de Speech Agent Arena die de samengestelde index voedt, staat Phonic 1 op de achtste plaats van 30 voor luisteraarsvoorkeur met een Elo van 1.012, terwijl het op taaksucces vierde staat met 92,3%. Het model dat de index aanvoert, is niet het model waarmee luisteraars het liefst willen praten. Dat is dezelfde tweedeling die we bij Grok Voice 3.0 vanuit de tegenovergestelde hoek zagen — xAI domineerde de arena en verloor op de agentische kolom — en het is de structurele reden waarom een directe vergelijking tussen deze twee niet met één getal kan worden beslist.

De reputatie van Sesame rust daarentegen op precies die kolom en op niets strenger. De Maya-en-Miles-demo werd in februari 2025 viral om zijn ademhalingen, aarzelingen, zelfcorrecties en gelach, en de bewering die rondging, was dat luisteraars op korte clips de stemmen niet betrouwbaar van mensen konden onderscheiden. Dat is een indruk die door een publiek is gevormd, niet een test met scores, en hij is nooit in dezelfde ruimte als Phonic 1 gebracht. Er is geen gepubliceerd experiment waarin een luisteraar Sesame Preview en Phonic 1 direct achter elkaar hoort. Iedereen die je vertelt welke van de twee beter klinkt, vertelt je in feite alleen welke van de twee die persoon heeft gehoord.

Wat een minuut kost, en waarom de minuut de verkeerde eenheid is

De prijslijst is kort en onevenwichtig:

• Phonic 1 — $0,07 per minuut op Starter zonder minimum, 10 gelijktijdige oproepen, 10 agenten en 3 seats; $0,065 per minuut op Pro tegen een maandelijks minimum van $200, ongeveer 3.100 minuten, met 50 gelijktijdige oproepen; enterprise op maat. Aanmeldingen vóór 30 november krijgen $250 aan credits, en klanten die van een cascade overstappen, krijgen drie maanden gratis.

Sesame Preview — $0. Niet per minuut, niet per gebruiker, niet per agent. Gratis in de app.

• Sesame CSM-1B — de gewichten zijn gratis, en de rekening bestaat uit je GPU-uren plus de engineeringtijd om beurtwisseling, contextconditionering en een taalmodel te assembleren rond een checkpoint dat zelf geen tekst kan produceren.

Voer de productieve vergelijking uit en de framing per minuut stort in elkaar. Tienduizend minuten per maand op Phonic 1 Starter kost $700, wat voor een callcenter een afrondingsfout is en voor een nevenproject een echt budget. Sesame rekent niets omdat Sesame geen minuten verkoopt — het verkoopt een dagelijkse gewoonte voorafgaand aan een brillenlancering in 2027, en een gewoonte wordt gemonetiseerd per persoon, per jaar, op hardware, niet per minuut audio. Een tariefkaart vergelijken met een gratis app is een leverancier met een reclamebord vergelijken.

Wat overblijft is de eerlijke versie van de kostenkwestie: wat kost het om uit te rollen? Voor Phonic 1 is het antwoord één contract, één websocket en tien gelijktijdige oproepen op Starter, tenzij je voor Pro betaalt. Voor Sesame Preview is het antwoord dat er geen getal is, omdat er geen aanbod is. Het dichtst bij een Sesame die uitgerold kan worden, komt CSM-1B, en wat CSM-1B nog het dichtst bij een tariefkaart heeft, is een GPU-factuur.

Drie kopers, drie verschillende antwoorden

Je verplaatst het oproepvolume weg van een cascade, en de oproepen moeten worden afgerond. Phonic 1, en het gaat om de agentische kolom, niet om het composiet. Tool-aanroepen die worden uitgevoerd voordat de beller stopt, maken het verschil tussen een agent die de afspraak boekt en een die de beller zichzelf laat herhalen. De $0,07 is goedkoop vergeleken met de kosten van een mislukte intake-oproep, en het gelijktijdigheidsplafond is wat je moet dimensioneren voordat je je vastlegt.

Je product is hoe het klinkt. Een companion, een coach, een tutor, een merkstem — alles waarbij de reden dat de gebruiker blijft de stem zelf is. Sesame Preview is het referentiepunt en Phonic 1 is nog niet het antwoord: op de eigen blindtest van de leverancier verslaan mensen het met bijna twee tegen één. Maar het referentiepunt is niet te koop, dus de praktische opties zijn een gelicentieerd stemmodel met een gemeten preferentiescore, of CSM-1B en veel eigen engineering.

Je wilt de splitsing — Sesame-achtige spraak met een agentische backend. Dit is de combinatie waar de roadmaps van beide bedrijven op wijzen en die geen van beide verkoopt. De versie die je zelf kunt bouwen is CSM-1B of een ander open spraakmodel voor de stem, en een conventioneel tekstmodel erachter voor het denkwerk, door jou aan elkaar gekoppeld. Die tekstfase is gewone chatinferentie, de laag waarop één API voor 200+ modellen met 0% opslag daadwerkelijk van toepassing is: één sleutel voor het redeneergedeelte, de lijstprijs van de provider ongewijzigd doorgegeven, de routing-DSL om beurtwisselend geklets en beleidsintensief redeneren binnen dezelfde aanroep naar verschillende modellen te sturen, en automatische failover zodat een tijdelijke hapering bij een provider het gesprek niet beëindigt. Phonic 1 en Sesame Preview staan geen van beide in die catalogus — Phonic 1 omdat het een endpoint van één leverancier is en Sesame Preview omdat er geen endpoint is om te routeren — dus dit is een uitspraak over de helft van de stack die je zelf samenstelt, geen claim over een van de twee modellen hierboven.

Wat zou dit antwoord veranderen?

Drie dingen, in oplopende orde van waarschijnlijkheid.

Phonic publiceert luistertestcijfers voor de standaard intelligentie-instelling. Elke score in dit artikel, inclusief de 87,1 en de 0,61 s, werd geproduceerd met de instelling hoog. De API gebruikt standaard de standaardmodus, gedocumenteerd als de modus met lagere latentie, en niemand heeft gepubliceerd wat die configuratie doet met de kwaliteit of met de tijd tot de eerste audio. Een integratie die de instelling nooit aanraakt, draait een ongemeten variant.

Sesame opent een endpoint, of zet zijn eigen productiestem op zijn eigen turn-taking-board. Elk van beide zou dit van een vergelijking van een product met een reputatie veranderen in een vergelijking van twee meetbare dingen. Geen van beide staat op de routekaart die Sesame heeft beschreven, die via Android loopt en daarna, in 2027, naar brillen.

Iemand laat beide in dezelfde ruimte draaien. Een enkele blindtest met de productiestemmen van Sesame Preview en Phonic 1 op dezelfde prompts zou de kwestie van natuurlijkheid in een middag beslechten, en niemand die niet bij Sesame werkt kan die uitvoeren, omdat een van de twee systemen voor een buitenstaander niet bereikbaar is.

Totdat een van die dingen gebeurt, is de verdedigbare lezing deze: Phonic 1 is van de twee de enige die je kunt inzetten, het leidt de enige onafhankelijke composite die een van beide beoordeelt, het wint op de weddenschap over werk dat vóór het einde van de beurt is gedaan, en het is meetbaar nog geen menselijke stem. Sesame Preview is het beter klinkende ding dat je niet kunt hebben, van een bedrijf dat het momenteel niet verkoopt. Dat zijn geen twee opties op één menu. Het zijn een leverancier en een demo, en hoe sneller je stopt met het vergelijken van hun specificatiebladen, hoe sneller je kunt beslissen welke je product eigenlijk nodig had.