Wygenerowana karta tytułowa zatytułowana „GPT-Live-1.1 vs Sesame Preview” z podtytułem „Cennik stawek kontra subskrypcja”, przedstawiająca po lewej kartę oznaczoną GPT-Live-1.1 z opłatą 0,05 USD za aktywną minutę, 0,02 USD za minutę w trybie gotowości i API rozliczanym za użycie, a po prawej kartę oznaczoną Sesame Preview z opłatą 20 USD miesięcznie za Plus, 100 USD miesięcznie za Pro i wyłącznie aplikacją konsumencką.
Guides & Insights

GPT-Live-1.1 vs Sesame Preview: cennik kontra subskrypcja

Autor

Elias Hawthorne

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Te dwa rozwiązania są stale porównywane, a samo porównanie zwykle jest błędem. GPT-Live-1.1 i Sesame Previewoba prowadzą rozmowę, oba obsługują przerywanie i oba są rutynowo opisywane jako brzmiące mniej jak automat telefoniczny niż poprzednia generacja. Jednak jedno jest API rozliczanym za użycie, a drugie aplikacją subskrypcyjną; gdy to zauważysz, większość interesujących pytań o nie przestaje dotyczyć jakości głosu.

GPT-Live-1.1 trafił do OpenAI API 19 listopada 2026 r., pięć tygodni po tym, jak zastąpił GPT-Live-1 w ChatGPT Voice. Sesame Preview trafia do konsumentów od maja 2026 r. i jest dostępny na Androidzie od początku sierpnia; w październiku dodano cennik — Free, Plus za 20 USD miesięcznie, Pro za 100 USD miesięcznie — sprzedawany przez App Store i Google Play. Żadna z firm nie publikuje benchmarku, który pozwalałby zestawić oba głosy na tej samej osi, a żadne niezależne laboratorium takiego testu nie przeprowadziło. Wszystko poniżej dotyczy zatem tego, czym jest każdy z produktów, a nie tego, który brzmi lepiej, ponieważ drugie pytanie nie ma obecnie mierzalnej odpowiedzi.

Dwa produkty, dwa modele biznesowe

Najprostszym sposobem, by zobaczyć ten podział, jest zapytać, co kupujesz.

• Dostęp — GPT-Live-1.1 to identyfikator modelu w v1/live/sessions, który można wywołać z własnej aplikacji, podczas gdy Sesame Preview to aplikacja na iOS i Androida, bez publicznego API i bez identyfikatora modelu

• Cennik — GPT-Live-1.1 rozlicza za sekundę: 0,05 USD za aktywną minutę głosową, 0,02 USD w trybie gotowości, podczas gdy Sesame sprzedaje miesięczne limity: Free za 0 USD (30 minut rozmów dziennie), Plus za 20 USD (2 godziny dziennie), Pro za 100 USD (10 godzin dziennie)

• Kto płaci — GPT-Live-1.1 jest rozliczany na konto deweloperskie, plus osobny rachunek za tokeny dla backendu, do którego deleguje, podczas gdy Sesame jest rozliczany z konsumentem przez sklepy z aplikacjami

• Głosy — GPT-Live-1.1 udostępnia 21 nazwanych głosów w językach angielskim, portugalskim, niemieckim, francuskim, hindi, japońskim i koreańskim, a także tworzenie głosu na podstawie opisu, podczas gdy Sesame oferuje cztery postacie — Maya, Miles, Simone i Charlie

• Personalizacja — GPT-Live-1.1 pozwala pisać instrukcje sesji, wybrać tryb delegowania i ustawić limit czasu bezczynności, podczas gdy agenci Sesame mają odrębne osobowości, między którymi wybierasz, a nie powierzchnię konfiguracji, względem której piszesz

• Otwarte wagi — GPT-Live-1.1 jest zamknięty, podczas gdy CSM-1B od Sesame jest udostępniony na licencji Apache 2.0 na Hugging Face i nie jest modelem używanym w aplikacji

Generated two-column scoreboard titled 'GPT-Live-1.1 vs Sesame Preview — the scoreboard' with six matched rows: access (v1/live/sessions API vs iOS and Android app), pricing ($0.05 and $0.02 per minute vs $20 and $100 per month), who pays (developer account vs consumer through app stores), voices (21 named, prompt-to-voice vs four characters), customisation (instructions and delegation vs pick a character), and open weights (closed vs CSM-1B, not this model).

Ta ostatnia linia to ta, którą ludzie błędnie interpretują. Sesame faktycznie ma otwarty model i nie jest to Preview. CSM-1B to 1B-parametrowy konwersacyjny model mowy udostępniony na licencji Apache 2.0, oparty na szkielecie architektury Llama z kodekiem Mimi od Kyutai, i jest to inny, mniejszy system niż produkcyjny głos w aplikacji. Każdy, kto twierdzi, że hostuje Sesame Preview we własnej infrastrukturze, hostuje coś innego. Przepaść między demem a modelem do pobrania jest kluczowym faktem w ofercie Sesame od pierwszego wpisu badawczego z lutego 2025 r. i nadal się nie zamknęła.

Minuta za $0.05 — właściwie wyceniona

Stawkę GPT-Live-1.1 łatwo błędnie odczytać w obu kierunkach, dlatego warto zachować precyzję. Sesje głosowe są rozliczane według czasu trwania po 0,05 USD za aktywną minutę, z naliczaniem co sekundę i bez zaokrąglania w górę do pełnej minuty. Od 19 listopada 2026 r. sesję WebRTC można skonfigurować tak, aby wstrzymywała wnioskowanie po 5–60 sekundach bez mowy i naliczała 0,02 USD za minutę oczekiwania. Użycie modelu backendowego i narzędzi jest rozliczane osobno, według licznika tokenów modelu wskazanego jako cel delegowania. Utworzenie sesji WebRTC powoduje naliczenie 15 sekund czasu trwania głosu przy inicjalizacji, które są zaliczane na poczet czasu trwania po rozpoczęciu działania sesji.

Trzy godziny nieprzerwanego otwartego połączenia to zatem $9.00 wyłącznie na liczniku głosowym, zanim zużyty zostanie choćby jeden token backendu. To liczba, którą należy zestawić z planem Plus Sesame, który pobiera $20 miesięcznie za dwie godziny rozmów dziennie — około 60 godzin miesięcznie, czyli około $0.33 za godzinę, jeśli wykorzystasz cały limit. W czystym przeliczeniu na godzinę Sesame jest dramatycznie tańsze, i jest tańsze z powodu, który nie ma nic wspólnego ze szczodrością: jesteś jednym konsumentem rozmawiającym z jednym asystentem w aplikacji, a nie aplikacją wykonującą tysiące równoczesnych wywołań do rozliczanego punktu końcowego.

Porównanie staje się realne dopiero wtedy, gdy zapytasz, co wolno ci zbudować. Czas rozmów Sesame to przydział dla osoby. Minuty GPT-Live-1.1 to koszt własny produktu. Zespół oceniający drugą opcję nie może zastąpić nią pierwszej za żadną cenę.

Screenshot of Sesame's plans page showing the Free, Plus at $20 and Pro at $100 tiers with their daily talk-time allowances and the one-time top-up prices.

Czego nie zapewnia Ci żaden z tych produktów

Ograniczenia Sesame są podane przez firmę i warto je wymienić bez łagodzenia. Produktem jest aplikacja; nie ma API, ID modelu, limitu zapytań, wersji enterprise ani opublikowanego planu monetyzacji poza subskrypcjami. Sesje są ograniczone dziennym limitem czasu rozmowy — 30 minut w Free, dwie godziny w Plus, dziesięć godzin w Pro — a agenci rozmawiają, zamiast wykonywać działania: nie rezerwują, nie kupują ani nie składają żadnych wniosków w Twoim imieniu tak, jak zrobiłoby to API agentowe. Aplikacja działa na iOS i Androidzie, a okulary zapowiedziano na 2027 r. Deklarowany kierunek Sesame to partnerstwa badawcze i sprzęt.

Ograniczenia GPT-Live-1.1 są równie konkretne i idą w drugą stronę. Wejście to audio i tekst, wyjście to audio i tekst. Obrazy i wideo nie są obsługiwane. Sam nie wykonuje rozumowania — deleguje je do skonfigurowanego przez Ciebie modelu backendowego lub agenta, przez delegację Responses albo delegację po stronie klienta — i jest dostępny wyłącznie przez v1/live/sessions. Chat Completions, Responses, Realtime, transkrypcja, tłumaczenie i generowanie mowy są wymienione jako nieobsługiwane punkty końcowe dla tego modelu. Jeśli chcesz jednego wywołania, które zwraca tekst, to nie jest nim ten model; to warstwa głosowa z dziurą w środku, w którą wstawia się Twój backend.

Innymi słowy, oba produkty mają węższy zakres, niż sugeruje ich marketing. Sesame sprzedaje głos, na którym nie da się zbudować. OpenAI sprzedaje głos, który nie potrafi myśleć samodzielnie.

Gdzie kończą się liczby

Żaden z tych głosów nie ma niezależnego wyniku i warto powiedzieć wprost, jak kompletna jest ta luka. Indeks mowy na mowę Artificial Analysis, odczytany 20 listopada 2026 r., uwzględnia GPT-Live-1 dwukrotnie — 83,2 z backendem klasy Astra przy średnim wysiłku rozumowania i 80,1 z backendem klasy Sol przy niskim — i nie uwzględnia GPT-Live-1.1, który w API istnieje od zaledwie jednego dnia. Nie uwzględnia żadnego modelu Sesame. Nie istnieje pomiar zewnętrzny żadnego z obecnych głosów, więc każde twierdzenie, że jeden brzmi naturalniej niż drugi, jest wrażeniem ze słuchania przedstawionym jako ustalenie.

To, co istnieje dla Sesame, to zbudowany przez nią benchmark. W sierpniu 2026 roku firma udostępniła TurnBench, otwarty benchmark do badania zmiany mówcy w dialogu mówionym: 30 godzin studyjnie nagranych, dwukanałowych rozmów po angielsku, obejmujących 154 dialogi i 106 aktorów głosowych, potrójnie zaanotowanych, mierzący, jak dokładnie i jak szybko system wykrywa zdarzenia końca tury i przerwania. To prawdziwy wkład — dziedzina opierała się na nagraniach Switchboard z wczesnych lat 90. — a publiczny ranking klasyfikuje 27 systemów według recall, podając obok wskaźnik fałszywych alarmów i medianę opóźnienia. Na liście nie pojawia się ani GPT-Live-1.1, ani żaden produkcyjny głos Sesame. Benchmark mierzy problem, który oba produkty twierdzą, że rozwiązują, a żaden z nich nie został do niego zgłoszony.

To jest stan dowodów: z jednej strony przeprowadzona przez dostawcę ocena ludzka bez podanej liczby, z drugiej jednodniowy model API bez niezależnego wyniku, a otwarty ranking, który mógłby je porównać, pozostaje pusty w odniesieniu do obu.

Co OrcaRouter obejmuje, a czego nie obejmuje

OrcaRouter nie obsługuje żadnego z tych dwóch produktów. W katalogu nie ma punktu końcowego głosu full-duplex, więc jeśli chcesz GPT-Live-1.1, wywołujesz bezpośrednio API sesji Live OpenAI, a jeśli chcesz Sesame Preview, pobierasz aplikację. Twierdzenie inaczej byłoby kłamstwem na temat tego, co hostujemy.

To, co obejmujemy, to ta część wdrożenia Live, która jest zwykłym wywołaniem modelu. GPT-Live-1.1 deleguje rozumowanie i korzystanie z narzędzi do backendu, a własne wytyczne OpenAI mówią, by zaczynać od gpt-6-luna i przechodzić do gpt-6-sol przy trudniejszych zadaniach. Oba są dostępne w OrcaRouter w cenie katalogowej dostawcy, bez narzutu, obok reszty rodziny GPT-6 i ponad 200 innych modeli pod jednym kluczem, z automatycznym przełączaniem awaryjnym między dostawcami oraz DSL routingu do łączenia kilku modeli w jedno wywołanie. Jeśli mózg Twojego agenta głosowego to ta warstwa, którą chcesz routować, przełączać lub objąć przełączaniem awaryjnym, to właśnie w tym możemy faktycznie pomóc — i tak samo jest w przypadku syntezy mowy, gdzie dostępne są również gpt-4o-mini-tts oraz modele Google Gemini TTS.

Decyzja, wyrażona wprost

Jeśli budujesz produkt, wybór nie jest nawet bliski i nie chodzi w nim o jakość głosu. GPT-Live-1.1 można wywoływać, jest rozliczany za sekundę i konfigurowalny; Sesame Preview to aplikacja konsumencka z miesięcznym limitem i bez możliwości dostępu. Do wdrożenia wybierz pierwsze rozwiązanie, a drugie traktuj jako dowód kierunku rozwoju głosu konwersacyjnego, a nie jako komponent.

Jeśli jesteś osobą wybierającą asystenta, porównanie się odwraca. Plan za 20 USD w Sesame daje około 60 godzin rozmów miesięcznie, co odpowiada mniej więcej cenie sześciu godzin i czterdziestu minut według licznika głosowego GPT-Live-1.1, a w zestawie są postacie zaprojektowane do rozmowy, a nie konfiguracja sesji zaprojektowana do pisania. API nie jest lepszym produktem do tego zadania; jest po prostu jedynym, który pozwala ci budować.

Generated cost card titled 'Twenty dollars, two meanings', with a left card labelled GPT-Live-1.1 voice meter showing 400 active minutes, or 6 hours 40 minutes at $0.05 a minute, and a right card labelled Sesame Preview Plus tier showing about 60 hours of talk time a month at 2 hours a day, with a single $20 label between them.

To, co zmieniłoby odpowiedź, to publiczny endpoint Sesame albo niezależny pomiar któregokolwiek z głosów. Na dzień 20 listopada 2026 r. nie istnieje żadne z nich. Dopóki jedno z nich nie powstanie, najużyteczniejszą rzeczą do powiedzenia o GPT-Live-1.1 w porównaniu z Sesame Preview jest to, że tak naprawdę nie konkurują — a fakt, że w ogóle się je porównuje, mówi więcej o tym, jak młoda jest ta kategoria, niż o pracy którejkolwiek z firm.