Fish Audio Live 3 против Sesame Preview: два решения проблемы смены реплик, и одно из них поддаётся измерению
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 100 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 122 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 229 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 39 tok/s
- OrcaНОВИНКАOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 97 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 124 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 63 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 417 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228Интеллект
Sesame создала бенчмарк именно для той проблемы, которую Fish Audio Live 3 называет решённой, а затем Fish Audio выпустила модель, которой в этом бенчмарке нет. Вот краткая версия этого сравнения. Sesame Preview — потребительский продукт из четырёх агентов, работающий на Conversational Speech Model от этой лаборатории, — опубликовала TurnBench в августе 2026 года: тридцать часов речи двух собеседников с тройной аннотацией, публичный лидерборд, интерактивный просмотрщик диалогов и результаты для четырнадцати систем. Fish Audio Live 3, анонсированная 10 ноября 2026 года, утверждает, что разговорный тайминг следует изучать внутри речевой модели, а не навязывать порогами тишины, и публикует три примера звонков и показатель в 186 миллисекунд. Аргумент тот же самый. Доказательства — не те же самые.
Всё остальное следует из того, насколько по-разному две компании превратили этот довод в продукт. Live 3 продаётся: {{1}}0,035 доллара за минуту{{/1}} на Agent Platform от Fish Audio в рамках акции, которая заканчивается {{2}}31 декабря 2026 года{{/2}}, документированный API и вариант локального развертывания для предприятий. Sesame Preview раздаётся бесплатно: {{3}}четыре фиксированных персонажа{{/3}} в приложении для iOS и Android, без API, без идентификатора модели для голоса в приложении и без какой-либо тарификации по токенам или минутам. Один из них можно использовать для разработки уже на этой неделе. Другой можно только слушать.
Существующий тест и почему Live 3 не включён в него
Смена реплик — редкая способность, для которой индустрия согласовала способ измерения ещё до появления моделей, и Sesame во многом тому причина. TurnBench, выпущенный 28 августа 2026 года и созданный совместно с Университетом Карнеги—Меллона, Mundo AI и Oto, оценивает системы по тому, как они обрабатывают именно те события, из-за которых телефонный агент кажется неестественным: подтверждение, которое не должно перехватывать инициативу, прерывание, которое должно, пауза, которая не является завершением. Таблица лидеров открыта, набор для разработки доступен для самостоятельного использования, а результаты охватывают четырнадцать систем.
Fish Audio Live 3 среди них нет, как нет и любой другой дуплексной модели Fish Audio. Это не скандал — модель, выпущенная в ноябре, не может быть в августовской таблице лидеров — но это самый полезный факт в этом сравнении, потому что он показывает, какое заявление делает каждая компания. Sesame поместила свой продукт в публичный тест, который помогала разрабатывать, где любой может проверить оценку. Fish Audio поместила свой продукт в рекламный прайс-лист, где любой может проверить цену.
Оба запуска легитимны. Только один из них позволяет постороннему проверить то, о чём говорит маркетинг.
Что на самом деле поставляет каждая сторона
• Что это — Fish Audio Live 3 — это полнодуплексная речевая модель, лежащая в основе агентской платформы; Sesame Preview — это потребительское приложение-ассистент с четырьмя агентами — Maya, Miles, Simone и Charlie, у каждого из которых есть собственная память.
Распространение — Live 3: платформа самообслуживания, документированный API, корпоративное локальное развертывание. Sesame Preview: приложения для iOS и Android, бесплатно, без API, без идентификатора модели для голоса в приложении.
• Цена — Live 3: $0.035/мин по промоакции, $0.07 по прайс-листу, плюс $0.01/мин за телефонные звонки и $1.20/месяц за номер. Sesame Preview: цена и тарифный план не опубликованы; приложение можно скачать бесплатно.
• Языки — Live 3: на старте только английский, по собственным словам Fish Audio, хотя платформа в целом рекламирует голоса на 30+ языках. Sesame Preview: англоцентричный, обучен в основном на английском, согласно собственным исследовательским заметкам лаборатории.
• Independence — Live 3: по состоянию на 11 ноября 2026 года не опубликовано ни одного бенчмарка, и нет ни одной строки в таблице Artificial Analysis speech-to-speech. Sesame Preview: независимой оценки голоса приложения тоже нет, но есть публичный лидерборд по очерёдности реплик, который компания помогла создать и публикует.
• Openness — Live 3: нет весов, нет лицензии, нет репозитория. Sesame: один открытый чекпойнт, CSM-1B, Apache-2.0 на Hugging Face с марта 2025 года — но это не тот голос, что в приложении.
• Интерфейс — Live 3: вы интегрируете его. Sesame Preview: вы общаетесь с ним.
Проблема словаря, общая для обеих компаний
Ни один из продуктов не публикует достаточно данных, чтобы можно было сравнить то, что вас на самом деле волнует, и оба используют для этого одно и то же слово. Fish Audio называет это ритмом разговора и описывает номер телефона, прочитанный по частям — «415… 555… 0132», — тогда как обычный агент слышит в этом три отдельных окончания реплики. В маркетинге Sesame то же самое поведение называется presence, а в примечаниях к выпуску за октябрь 2026 года говорится, что компания обновила свою Conversational Speech Model, чтобы улучшить выразительность и произношение, а также снизить угодливость и количество повторяющихся фраз. Оба утверждения в том виде, в каком они изложены, невозможно опровергнуть. Ни один из них не приводит цифр.
Разница в том, что Sesame выпустила линейку. Если Fish Audio хочет сравнения по существу, dev-набор TurnBench открыт и позволяет оценивать самостоятельно; таблица результатов ждёт заявки.
Что может сделать билдер с каждым из них, а что — нет
Вот здесь два продукта перестают быть сопоставимыми в принципе. Sesame Preview — не компонент. Нет ни эндпоинта, ни API сессий, ни способа использовать его голос на вашем собственном номере телефона, а единственный чекпойнт Sesame, который кто-либо за пределами приложения может загрузить, — это CSM-1B, модель с 1 млрд параметров от марта 2025 года, которая на полтора года работы предшествует голосу в текущем приложении. У команды, желающей получить разговорное ощущение Sesame в своём продукте, сегодня нет иного пути, кроме ожидания.
Live 3 — это противоположная сделка. Он закрыт в том, что действительно важно, — нет весов, нет способа разместить его у себя вне корпоративного контракта, — но открыт в том, что позволяет выпускать продукт: конструктор агентов, документированный API, телефония и поминутная тарификация. Слой рассуждений — отдельная заменяемая часть; агент может обращаться к OpenAI-совместимой конечной точке для «мышления», тогда как речь остаётся за Fish Audio. Именно эта структура позволяет небольшой команде развернуть его во вторник.
Если говорить конкретно о части, отвечающей за рассуждения, OrcaRouter предоставляет более 200 моделей за одним ключом по прайсовой цене провайдера без наценки, с автоматическим переключением при ошибке бэкенда в середине вызова и DSL маршрутизации, позволяющим решать, какая модель обрабатывает тот или иной тип реплики. Fish Audio Live 3 не входит в число этих моделей — для закрытой дуплексной речевой модели не существует стороннего эндпоинта, и здесь нечего маршрутизировать. Задача роутера в этом стеке начинается там, где заканчивается речь.
Какой из них смотреть и для чего?
Три сигнала позволили бы поставить точку в этом сравнении, и ни один из них не является пресс-релизом. Появление Live 3 в TurnBench или строка на табло speech-to-speech от Artificial Analysis превратили бы аргумент Fish Audio о поведении в оценку с числом рядом. Sesame developer API — компания говорила, что инструменты для разработчиков появятся, но без даты — превратил бы голос приложения в то, что продукт мог бы взять в аренду. А второй открытый чекпойнт Sesame, новее CSM-1B, дал бы сообществу открытых весов то, чего запуск Live 3 явно не дал.
Пока что-то из этого не выйдет, честное ранжирование полностью зависит от того, что именно вы покупаете. Если вам нужен лучший по звучанию разговор, доступный сегодня, и вы готовы получить его внутри чужого приложения, Sesame Preview — более впечатляющий продукт и более честный в том, как его следует оценивать. Если вам нужен голос в продакшене в этом квартале, Sesame не является кандидатом, и сравнение сводится к одному вопросу о Live 3: достаточно ли промо-минуты за $0.035 и нижней границы подтверждения в 186 миллисекунд, чтобы рискнуть телефонной линией. Для большинства команд ответ — да для пилота и пока нет для штатной эксплуатации — а бенчмарк, который изменил бы этот ответ, уже существует, и одна строка в нём осталась пустой.
