Phonic 1 vs GPT Live 1: a demonstração de 1,1 segundo, o adesivo de 5 centavos e a conta que ninguém mede

O fato mais repetido sobre Phonic 1 é uma comparação de demonstração: no próprio teste da Phonic, seu agente respondeu 1,1 segundo depois de o interlocutor parar de falar, contra 15,7 segundos da OpenAI para o GPT Live 1. É um número espetacular, vem de teste do fornecedor e é a coisa menos útil nesta comparação. A coisa mais útil é quase o oposto — um preço de tabela de cinco centavos por minuto no GPT Live 1 que parece superar os sete centavos da Phonic, até o momento em que você acrescenta o segundo medidor que a OpenAI associa a ele. Entre esses dois fatos está a comparação que realmente importa, e ela tem uma resposta clara: no ranking de fala para fala do Artificial Analysis, Phonic 1 (High) pontua 87,1 e GPT-Live-1, em sua configuração Astra-medium, pontua 83,2, uma diferença de 3,9 pontos concentrada quase inteiramente em um componente.

Ambos os modelos são sistemas conversacionais full-duplex que chamam ferramentas no meio da chamada, ambos lançados num mercado que, dezoito meses atrás, não tinha nenhum modelo de voz sério com chamada de ferramentas, e ambos separam, de alguma forma, o seu raciocínio da camada de fala. Essa última semelhança é o que torna a comparação de custos tão fácil de errar, e é onde este texto dedica a maior parte do tempo.

A demonstração, desmontada

A demonstração de 1,1 segundo versus 15,7 segundos da Phonic é uma observação real de um comportamento real, e também é uma comparação com duas incógnitas. A primeira é a configuração: a latência do GPT-Live-1 depende fortemente do modelo de backend ao qual ele delega, e a Artificial Analysis mede o tempo até o primeiro áudio em 1,34 s para a configuração Astra-medium e 1,24 s para Sol-low — nenhum dos quais é quinze segundos. Um valor de 15,7 segundos implica ou um backend sob carga pesada de raciocínio ou uma tarefa cuja cadeia de ferramentas é longa. A segunda incógnita é a tarefa: os dois números descrevem conversas diferentes, e não há protocolo publicado por trás do par.

A alegação estrutural por trás da demo é sólida, porém, e aqui vale a pena separá-la do número. O Phonic 1 dispara chamadas de ferramentas enquanto o interlocutor ainda está falando; o material do fornecedor diz isso explicitamente, e sua API expõe ferramentas síncronas estritas declaradas inline durante a sessão. O GPT-Live-1 é full-duplex no sentido de que escuta enquanto fala, e delega o trabalho de ferramentas através de uma fronteira assíncrona a um modelo de backend separado. Ambos os designs tiram o trabalho do caminho crítico, por mecanismos diferentes. Qual deles vence no seu tráfego é uma medição que você faz, não uma demo que você assiste.

GPT-Live-1 é uma configuração, não uma pontuação.

Todo número público sobre o GPT-Live-1 precisa vir acompanhado de um qualificador, porque a pontuação do modelo muda conforme o seu backend. No mesmo ranking:

• GPT-Live-1 (Astra, medium) — índice de fala para fala 83,2; raciocínio 90; dinâmica 94,9; agêntico 74,5; preferência na arena 1.027; sucesso em tarefas 87,4%; tempo até o primeiro áudio 1,34s.

• GPT-Live-1 (Sol, low) — índice 80,1, raciocínio 89, dinâmica 97,3, agêntico 59,3, arena 1.037, sucesso em tarefas 90,9%, tempo até o primeiro áudio 1,24s.

• Phonic 1 (High) — índice 87,1, raciocínio 99, dinâmica não reportada, agêntico 79,9, arena 1.012, sucesso em tarefas 92,3%, tempo até o primeiro áudio 0,61 s.

Três coisas decorrem disso. Primeiro, a configuração Sol de menor esforço pontuamelhor em dinâmica, sucesso de tarefas e preferência na arena do que a configuração Astra de maior esforço, e pior em raciocínio e agência — que é o mesmo trade-off que o Gemini de pensamento estendido do Google apresenta, e significa que "a pontuação do GPT-Live-1" é uma frase sem sentido sem uma configuração associada.

Segundo, a lacuna agêntica entre o Phonic 1 e a melhor configuração do GPT-Live-1 é de 5,4 pontos. Isso é menor do que o material de lançamento da Phonic sugere — a vantagem de 8,3 pontos que ela alega é contra o Grok Voice 3.0, não contra a OpenAI — e pequena o suficiente para que uma mistura de tarefas diferente possa, plausivelmente, fechá-la.

Terceiro, o GPT-Live-1 lidera em preferência de arena nas duas configurações, por 15 e 25 Elo, respectivamente, e está à frente da Phonic em dinâmica conversacional por um número que a Phonic não publicou. No eixo que um interlocutor descreveria como "parece uma pessoa", a OpenAI está à frente, e a diferença não é medida de ambos os lados.

O adesivo de cinco centavos e o segundo medidor

O GPT-Live-1 custa US$ 0,05 por minuto de voz, cobrado por segundo sem arredondamento para cima, além de uma taxa de iniciação de sessão de quinze segundos que é creditada de volta. O Phonic 1 custa US$ 0,07 por minuto de conversa, US$ 0,065 no plano Pro. Nesses dois pontos, a OpenAI é 29% mais barata e o caso está encerrado.

Não está fechado, porque a taxa por minuto do GPT-Live-1 cobre apenas a camada de voz. O raciocínio no backend, as chamadas de ferramentas e a pesquisa na web são cobrados separadamente pelas tarifas padrão de tokens do modelo de backend — a própria orientação da OpenAI sugere um modelo pequeno para turnos de alto volume e um modelo de fronteira para raciocínio complexo. A Artificial Analysis mediu totais reais de US$ 4,47 a US$ 5,83 por hora de áudio de entrada, dependendo da configuração de raciocínio, contra US$ 4,20 para o Phonic 1.

• Camada de voz — GPT-Live-1 $0.05/min vs Phonic 1 $0.07/min, $0.065 Pro.

• O que mais gera cobrança — GPT-Live-1 acrescenta tokens de modelo no backend, chamadas de ferramentas e pesquisa na web; Phonic 1 indica uma tarifa fixa por minuto, sem repasse de LLM.

• Custo horário de entrada medido — GPT-Live-1 US$ 4,47–5,83 vs Phonic 1 US$ 4,20, segundo a Artificial Analysis.

• Previsibilidade de custos — o total do GPT-Live-1 depende do roteamento do seu backend; o da Phonic 1, não.

Essa inversão é todo o argumento de custo e aponta na direção oposta ao preço de tabela. Uma equipe que mantém baratos os turnos do seu backend pode superar com folga US$ 4,20 por hora no GPT-Live-1; uma equipe que envia cada turno para um modelo de fronteira ficará acima disso. A tarifa fixa da Phonic é um preço fixo para uma carga de trabalho variável, o que é valioso ou caro demais dependendo da combinação que você realmente executa.

A parte de backend é onde o OrcaRouter se encaixa sem fingir ser o que não é. Nem o Phonic 1 nem o GPT Live 1 estão no nosso catálogo — cada um está disponível pela API do próprio fornecedor — mas o modelo que responde aos turnos difíceis do GPT-Live-1 é um modelo de texto comum, e esses são os mais de 200 modelos que roteamos em uma única chave com 0% de markup sobre o preço de tabela do provedor. Os dois backends nomeados pela OpenAI, GPT-5.6 Luna e GPT-6 Astra, têm páginas de modelo aqui. Uma regra de roteamento pode manter os turnos fáceis no backend barato e escalar apenas os que precisam disso, com failover automático se um provedor oscilar no meio da chamada — que é precisamente o controle que transforma a fatura variável do GPT-Live-1 em uma fatura limitada.

O que a OpenAI tem que a Phonic não tem

A diferença de maturidade não é um argumento de marketing, é um ponto de produção. O GPT-Live-1 está no ChatGPT desde 8 de julho de 2026, na API desde 10 de setembro e recebeu uma atualização incremental, o GPT-Live-1.1, em 15 de outubro. Ele operou em uma escala que nenhum modelo com uma semana de vida alcançou, e sua estratégia de transporte reflete isso: Live Sessions sobre WebRTC, WebSocket ou SIP, com a telefonia tratada em vez de deixada a cargo do integrador.

A adoção é o outro sinal. A Perplexity transferiu o seu modo de voz para o GPT-Live-1 em 28 de outubro de 2026, e a Yelp e a Speak são nomeadas como parceiros iniciais. Não são provas de qualidade, mas são provas de que o modelo sobrevive ao contacto com o tráfego de consumidores.

• Transporte — GPT-Live-1 oferece WebRTC, WebSocket e SIP; Phonic 1 oferece um endpoint WebSocket, com webhooks, um socket mantido aberto ou LiveKit como estilos de integração.

• Simultaneidade — GPT-Live-1 publica limites escalonados de sessões simultâneas (cerca de 25–50 no Nível 1, até 500 no nível superior) e não tem nível gratuito; a Phonic 1 não publica nenhum limite de sessões em seu material público.

• Limites — GPT-Live-1 não aceita entrada de imagem ou vídeo e não oferece saídas estruturadas na camada de voz; Phonic 1 é nativo em áudio, com chamadas de ferramentas como a superfície estruturada.

• Implantação — O Phonic 1 oferece nuvem, locatário único, emparelhamento de VPC e auto-hospedagem com disponibilidade de SOC 2 Type II e HIPAA BAA; o GPT-Live-1 é uma API hospedada pela OpenAI.

O que o Phonic 1 tem que a OpenAI não tem

Velocidade, no placar que a mede de forma idêntica: 0,61s até o primeiro áudio, contra 1,34s e 1,24s. Essa é a única diferença medida neste confronto grande o suficiente para ser percebida por quem está na chamada, em vez de inferida a partir de um gráfico, e é consistente com a afirmação da Phonic de menos de 600ms entre fala de entrada e fala de saída.

Agência, mais especificamente: 79,9% contra 74,5% na melhor configuração da OpenAI. E uma única fatura, que é menos uma capacidade do que uma propriedade de aquisição — mas, para uma empresa que vem operando uma planilha com uma linha de voz, uma linha de backend e uma linha de ferramentas, consolidar três medidores em um vale algo real.

• Tempo até o primeiro áudio — Phonic 1 0,61s vs GPT-Live-1 1,34s (Astra, médio) e 1,24s (Sol, baixo), segundo a Artificial Analysis.

• Desempenho agêntico — Phonic 1 79,9 vs 74,5 (Astra, médio) e 59,3 (Sol, baixo).

Preferência da arena — GPT-Live-1 1.027 e 1.037 vs. Phonic 1 1.012.

• Sucesso na tarefa — Phonic 1 92,3% vs 87,4% (Astra) e 90,9% (Sol).

As próprias alegações de desempenho da OpenAI merecem sua própria rotulagem, já que nenhuma delas foi reproduzida de forma independente: 80,1% no Full Duplex Bench v1.5 contra 45,4% para GPT-Realtime-2.1, uma latência de troca de turno de 0,798 s contra 1,41 s, e cerca de 87% de sucesso em chamadas de ferramentas. Esses são números do fornecedor. São plausíveis e não verificados, e a mesma frase precisa ser escrita sobre a comparação de 15,7 segundos da Phonic.

A decisão, expressa como uma aposta.

Escolha o GPT Live 1 se as suas ligações forem mais conversacionais do que transacionais, se quiser que o transporte e a telefonia já venham resolvidos e se estiver disposto a assumir o roteamento de backend que torna a sua conta competitiva. O déficit agêntico de 5,4 pontos é real, mas não é fatal para um agente que, na maioria das vezes, responde a perguntas e, ocasionalmente, faz uma consulta — e a gama mais ampla de múltiplas configurações da OpenAI, que vai da voz de esforço mínimo aos backends de fronteira, oferece mais controles do que a Phonic publica atualmente.

Escolha o Phonic 1 se a chamada precisar concluir uma transação, se um terço de segundo até o primeiro áudio alterar sua taxa de abandono, e se uma tarifa fixa por minuto valer mais para você do que a economia teórica de um backend bem ajustado. Aceite que você está comprando um modelo de uma semana atrás, com uma única placa independente, sem limites de sessão publicados e sem histórico de implantação em escala de consumidor.

O que resolveria a questão não é que qualquer dos fornecedores publique seja o que for. É uma quinzena das suas próprias chamadas, divididas entre os dois, com a taxa de conclusão da mesma tarefa medida lado a lado. A vantagem agêntica de 5,4 pontos da Phonic é exatamente o tamanho de diferença que um único domínio de tarefas pode inverter — o que é um argumento a favor de medir, e não de escolher o líder da classificação.