Cartão de título gerado intitulado 'GPT-Live-1.1 vs Sesame Preview' com o subtítulo 'Um cartão de tarifas contra uma assinatura', mostrando um cartão à esquerda rotulado GPT-Live-1.1 com US$ 0,05 por minuto ativo, US$ 0,02 por minuto em espera e uma API com cobrança por uso, e um cartão à direita rotulado Sesame Preview com US$ 20 por mês para o Plus, US$ 100 por mês para o Pro e somente um aplicativo para consumidor.
Guides & Insights

GPT-Live-1.1 vs Sesame Preview: Uma Tabela de Preços Contra uma Assinatura

Autor

Elias Hawthorne

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Esses dois são comparados constantemente, e a comparação geralmente é um erro. GPT-Live-1.1 e Sesame Preview ambos conseguem manter uma conversa, ambos lidam com interrupções e ambos costumam ser descritos como soando menos como um menu telefônico do que a geração anterior. Mas um é uma API com cobrança por uso e o outro é um aplicativo por assinatura, e, quando você percebe isso, a maioria das perguntas interessantes sobre eles deixa completamente de ser sobre qualidade de voz.

O GPT-Live-1.1 chegou à API da OpenAI em 19 de novembro de 2026, cinco semanas depois de substituir o GPT-Live-1 no ChatGPT Voice. O Sesame Preview é distribuído aos consumidores desde maio de 2026 e está no Android desde o início de agosto; em outubro, adicionou uma tabela de preços — Free, Plus por US$ 20 por mês, Pro por US$ 100 por mês — vendida pela App Store e pelo Google Play. Nenhuma das empresas publica um benchmark que permita colocar as duas vozes no mesmo eixo, e nenhum laboratório independente realizou um. Portanto, tudo abaixo trata do que cada produto é, não de qual soa melhor, porque a segunda pergunta atualmente não tem resposta mensurável.

Dois produtos, dois modelos de negócio

A maneira mais clara de ver a divisão é perguntar o que você está comprando.

• Acesso — GPT-Live-1.1 é um ID de modelo em v1/live/sessions, que pode ser chamado a partir da sua própria aplicação, enquanto o Sesame Preview é um aplicativo para iOS e Android, sem API pública e sem ID de modelo

• Preços — O GPT-Live-1.1 cobra por segundo: US$ 0,05 por minuto de voz ativa, US$ 0,02 em espera, enquanto a Sesame vende franquias mensais: Grátis por US$ 0 (30 minutos de conversa por dia), Plus por US$ 20 (2 horas por dia), Pro por US$ 100 (10 horas por dia)

• Quem paga — o GPT-Live-1.1 é cobrado de uma conta de desenvolvedor, além de uma fatura separada de tokens pelo backend ao qual delega, enquanto o Sesame é cobrado de um consumidor por meio das lojas de aplicativos

• Vozes — o GPT-Live-1.1 disponibiliza 21 vozes nomeadas em inglês, português, alemão, francês, hindi, japonês e coreano, além de criação de voz por prompt, enquanto o Sesame oferece quatro personagens — Maya, Miles, Simone e Charlie

• Personalização — O GPT-Live-1.1 permite que você escreva instruções de sessão, escolha um modo de delegação e defina um tempo limite de inatividade, enquanto os agentes do Sesame têm personalidades distintas entre as quais você escolhe, em vez de uma superfície de configuração contra a qual você programa

• Pesos abertos — GPT-Live-1.1 é fechado, enquanto o CSM-1B da Sesame é Apache 2.0 no Hugging Face, e não é o modelo no aplicativo

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).

Essa última frase é a que as pessoas entendem errado. A Sesame tem, sim, um modelo aberto, e ele não é o Preview. O CSM-1B é um modelo de fala conversacional de 1 bilhão de parâmetros, lançado sob a Apache 2.0, construído sobre uma base de arquitetura Llama com o codec Mimi, da Kyutai, e é um sistema diferente e menor que a voz de produção no aplicativo. Quem diz que está hospedando o Sesame Preview por conta própria está hospedando outra coisa. A diferença entre a demonstração e o download tem sido o fato central da oferta da Sesame desde o primeiro post de pesquisa, em fevereiro de 2025, e ela não diminuiu.

O minuto de US$ 0,05, com preço adequado

A tarifa do GPT-Live-1.1 é fácil de ser interpretada erroneamente em ambos os sentidos, por isso vale a pena ser preciso. Sessões de voz são cobradas por duração a US$ 0,05 por minuto ativo, com cobrança por segundo e sem arredondamento para o minuto. Desde 19 de novembro de 2026, uma sessão WebRTC pode ser configurada para pausar a inferência após 5 a 60 segundos sem fala e cobrar US$ 0,02 por minuto enquanto aguarda. O uso do modelo de backend e das ferramentas é cobrado separadamente, conforme a medição de tokens do modelo que você indicar como destino da delegação. A criação de uma sessão WebRTC cobra 15 segundos de duração de voz na inicialização, creditados de volta à duração assim que a sessão começa a ser executada.

Três horas de linha aberta contínua custam, portanto, $9.00 somente no medidor de voz, antes de um único token de backend. Esse é o número a comparar com o plano Plus do Sesame, que cobra $20 por mês por duas horas de conversa por dia — cerca de 60 horas por mês, ou aproximadamente $0.33 por hora, se você usar toda a franquia. Em uma base puramente por hora, o Sesame é drasticamente mais barato, e é mais barato por um motivo que não tem nada a ver com generosidade: você é um consumidor conversando com um assistente dentro de um app, não uma aplicação fazendo milhares de chamadas simultâneas contra um endpoint medido.

A comparação só se torna real quando você pergunta o que lhe é permitido construir. O tempo de conversa do Sesame é uma cota para uma pessoa. Os minutos do GPT-Live-1.1 são um custo de mercadoria para um produto. Uma equipe avaliando o segundo não pode substituir o primeiro, a preço algum.

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.

O que nenhum dos dois produtos oferece a você

As limitações da Sesame são declaradas pela empresa e vale a pena enumerá-las sem suavizar. A aplicação é o produto; não existe API, nem ID de modelo, nem limite de taxa, nem nível empresarial e nem um plano de monetização publicado além das subscrições. As sessões estão limitadas por uma dotação diária de tempo de conversa — 30 minutos no Free, duas horas no Plus, dez horas no Pro — e os agentes conversam em vez de executar: não reservam, compram nem arquivam nada em seu nome como faria uma API agêntica. A aplicação está disponível em iOS e Android, com óculos anunciados para 2027. A direção declarada da Sesame são parcerias de investigação e hardware.

As limitações do GPT-Live-1.1 são igualmente concretas e seguem na direção oposta. Ele recebe áudio e texto e retorna áudio e texto. Imagens e vídeo não são suportados. Ele não faz o raciocínio por conta própria — delega a um modelo de backend ou agente que você configura, por meio de delegação do Responses ou delegação do cliente — e só é acessível por v1/live/sessions. Chat Completions, Responses, Realtime, transcrição, tradução e geração de fala estão todos listados como endpoints não suportados para este modelo. Se você quer uma única chamada que retorne texto, não é este; é uma camada de voz com um buraco no meio onde entra o seu backend.

Ambos os produtos, em outras palavras, são mais limitados do que o marketing sugere. A Sesame vende uma voz sobre a qual você não pode construir. A O​penAI vende uma voz que não consegue pensar por conta própria.

Onde os números param

Nenhuma das duas vozes tem uma pontuação independente, e vale ser franco sobre o quão completa é essa lacuna. O índice de fala para fala da Artificial Analysis, consultado em 20 de novembro de 2026, traz o GPT-Live-1 duas vezes — 83,2 com um backend classe Astra em esforço de raciocínio médio e 80,1 com um backend classe Sol em esforço baixo — e não traz o GPT-Live-1.1, que tem um dia de vida na API. Não traz nenhum modelo Sesame. Não há nenhuma medição de terceiros de nenhuma das vozes atuais, então qualquer alegação de que uma soa mais natural que a outra é uma impressão de escuta apresentada como resultado.

O que existe para a Sesame é um benchmark que ela própria construiu. Em agosto de 2026, a empresa lançou o TurnBench, um benchmark aberto para tomada de turno em diálogo falado: 30 horas de conversa em inglês gravada em estúdio, em dois canais, distribuídas por 154 diálogos e 106 atores de voz, com tripla anotação, medindo com que precisão e rapidez um sistema detecta eventos de fim de turno e de interrupção. É uma contribuição genuína — a área vinha se apoiando em gravações do Switchboard do início dos anos 1990 — e o ranking público classifica 27 sistemas por recall, com taxa de falsos positivos e latência mediana ao lado. Nem o GPT-Live-1.1 nem qualquer voz de produção da Sesame aparece nele. O benchmark mede o problema que ambos os produtos afirmam resolver, e nenhum dos dois fez uma submissão.

Esse é o estado das evidências: uma avaliação humana conduzida pelo fornecedor de um lado, sem nenhum número associado; um modelo de API lançado há um dia do outro, sem pontuação independente; e um ranking aberto que poderia compará-los, vazio de ambos.

O que o OrcaRouter cobre e não cobre

O OrcaRouter não oferece nenhum dos dois produtos. Não há endpoint de voz full-duplex no catálogo, então, se você quiser o GPT-Live-1.1, chame diretamente a API Live sessions da OpenAI; e, se quiser o Sesame Preview, baixe um aplicativo. Dizer o contrário seria uma mentira sobre o que hospedamos.

O que cobrimos é a parte de uma implantação Live que é uma chamada de modelo normal. O GPT-Live-1.1 delega o raciocínio e o uso de ferramentas a um backend, e a própria orientação da O​penAI é começar com gpt-6-luna e passar para gpt-6-sol em trabalhos mais difíceis. Ambos estão no OrcaRouter pelo preço de tabela do provedor, sem markup, junto com o restante da família GPT-6 e mais de 200 outros modelos atrás de uma única chave, com failover automático entre provedores e uma DSL de roteamento para compor vários modelos em uma única chamada. Se o cérebro do seu agente de voz é a parte que você quer rotear, trocar ou fazer failover, essa é a camada com a qual podemos realmente ajudar — e o mesmo vale para o lado de text-to-speech, em que gpt-4o-mini-tts e os modelos TTS do G​oogle G​emini também estão disponíveis.

A decisão, dita claramente

Se você está criando um produto, a escolha não é nem de perto e não se trata de qualidade de voz. {{1}}GPT-Live-1.1{{/1}} pode ser chamado via API, tem preço por segundo e é configurável; {{2}}Sesame Preview{{/2}} é um aplicativo para consumidores com uma cota mensal e nenhuma forma de acesso. Aposte no primeiro e trate o segundo como evidência de para onde a voz conversacional está indo, e não como um componente.

Se você é uma pessoa escolhendo um assistente, a comparação se inverte. O plano de US$ 20 da Sesame compra aproximadamente 60 horas de conversa por mês, o que equivale ao preço de seis horas e quarenta minutos no medidor de voz do GPT-Live-1.1, e vem com personagens feitos para se conversar, em vez de uma configuração de sessão feita para se escrever. A API não é o melhor produto para essa tarefa; é simplesmente a única que permite construir.

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.

O que mudaria a resposta seria um endpoint público da Sesame ou uma medição independente de qualquer uma das vozes. Nenhum dos dois existe em 20 de novembro de 2026. Até que um deles exista, a coisa útil a dizer sobre o GPT-Live-1.1 versus o Sesame Preview é que eles não estão realmente competindo — e que o fato de serem comparados diz mais sobre o quão jovem essa categoria é do que sobre o trabalho de qualquer uma das empresas.