
GPT-Live-1.1 против SeedRealtime: один продаёт минуты, другой не продаёт ничего
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 187 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 414 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 138 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 42 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 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Поставьте GPT-Live-1.1 и SeedRealtime рядом — и сравнение сразу перестаёт быть вопросом качества. GPT-Live-1.1 — это полнодуплексная голосовая модель, которую можно вызвать уже сегодня, арендовать с оплатой по секундам и встроить в продукт; она появилась в API OpenAI 19 ноября 2026 года, через пять недель после того, как заменила GPT-Live-1 внутри ChatGPT Voice. SeedRealtime, которую команда Seed от ByteDance анонсировала 5 августа 2026 года, — более интересная архитектура на бумаге: нативная аудиовизуальная полнодуплексная модель, которая смотрит, слушает и говорит в одной системе, — и вызвать её нельзя. Ни публичного API, ни открытых весов на Hugging Face, ни числа параметров, ни технического отчёта с цифрами.
Так что честная формулировка — не «что лучше». Она такая: одно из этого — продукт с тарифной сеткой, а другое — демонстрация возможности, которую первый явно отказался выпускать. Оба утверждения верны одновременно, и то, какое из них важно, полностью зависит от того, создаёте ли вы что-то.
Форма входной поверхности не совпадает.
GPT-Live-1.1 слышит. В этом заключается вся история его входных данных. На странице модели аудио и текст указаны как модальности ввода, а аудио и текст — как вывода, и ничего больше — ни изображений, ни видео, ни документов. То, что он делает со слухом, действительно необычно: он полнодуплексный, то есть слушает, пока говорит, а не обменивается репликами по очереди, и много раз в секунду решает, продолжать ли слушать, сделать паузу, прервать или передать работу бэкенду. Единственное заявленное изменение возможностей в этом обновлении версии касается этого слоя: по сравнению с GPT-Live-1 он «точнее транскрибирует речь и поддерживает более последовательный акцент и голос для разных языков». К этому утверждению не приложено никаких цифр.
SeedRealtime слышит и видит — в рамках одной модели, а не конвейера. В публикации ByteDance о запуске описывается унифицированная архитектура, которая объединяет аудио, видео и текст и выполняет восприятие, понимание, принятие решений и выражение параллельно, на непрерывных потоках. Перечисленные там конкретные следствия — именно те, которых текстовая голосовая модель структурно не может достичь: распознать омофон, взглянув на сцену, понять по жесту и взгляду, на что указывает «это», и заговорить без запроса, когда в кадре появляется целевой объект. Демонстрации конкретны: привязка имён к лицам за шумным обеденным столом, перевод меню только на китайском для иностранного посетителя, замечание целых зёрен, попадающих в портафильтр, и сообщение об этом до экстракции, удержание музейного экспоната в поле зрения, пока не появится запрошенный пользователем предмет, и последующее напоминание о нём.
• Входные данные — GPT-Live-1.1: только аудио и текст, тогда как SeedRealtime объединяет аудио, видео и текст в одной модели
• Смена реплик — GPT-Live-1.1 принимает решения внутри с высокой частотой, тогда как SeedRealtime переносит смену реплик в саму модель и устраняет внешний детектор голосовой активности
• Проактивное поведение — GPT-Live-1.1 отвечает, делегирует задачи и вызывает инструменты, тогда как SeedRealtime описывается как проявляющий инициативу без запроса, когда что-то появляется в поле зрения
• Где это работает — GPT-Live-1.1 на v1/live/sessions по опубликованной поминутной ставке против SeedRealtime внутри приложения Doubao от ByteDance
• Доказательства — GPT-Live-1.1 имеет сторонние оценки для своего предшественника в Artificial Analysis, тогда как SeedRealtime имеет сквозную человеческую оценку без указания размера выборки и без числовых данных

Сколько вы на самом деле платите и кому
GPT-Live-1.1 тарифицирует голосовые сессии по длительности, посекундно, из расчёта $0.05 за активную минуту. С 19 ноября 2026 года сессию WebRTC также можно настроить так, чтобы она приостанавливала инференс во время бездействия и тарифицировалась по $0.02 за минуту, пока ожидает, и возобновляла работу, когда кто-то говорит. Использование бэкенд-модели и инструментов — рассуждения и работа с инструментами, которые делегирует голосовой слой, — тарифицируется отдельно по токеновому счётчику той модели, которую вы укажете. При создании сессии WebRTC на инициализации списываются 15 секунд голосовой длительности, которые затем зачитываются в счёт длительности после запуска сессии.
Цена SeedRealtime для разработчика — не число, потому что продукта для разработчиков не существует. Он доступен внутри Doubao — потребительского ассистента, где, по словам ByteDance, он «полностью развёрнут» с момента запуска в августе. Это реальное развёртывание в реальном масштабе, и это не API. Будет ли его предлагать платформа ByteDance «модель-как-услуга» и по какой ставке, не указано ни в публикации о запуске, ни на сайте Seed по состоянию на 20 ноября 2026 года.
У этой асимметрии есть ценовое последствие, выходящее за рамки очевидного. Модель, которую вы арендуете посекундно, можно заложить в бюджет, сравнить с другими и отключить. Модель внутри чужого потребительского приложения не позволяет ни того, ни другого, ни третьего, и поэтому у сравнения между ними нет обменного курса. Вы выбираете не между $0,05 в минуту и чем-то более дешевым; вы выбираете между статьей расходов и демо.
Там, где доказательства становятся скуднее
У самой GPT-Live-1.1 нет независимой оценки. Индекс преобразования речи в речь от Artificial Analysis по состоянию на 20 ноября 2026 года дважды упоминает GPT-Live-1 — 83,2 с бэкендом класса Astra при среднем уровне усилий и 80,1 с бэкендом класса Sol при низком — и пока не включает 1.1. Это API-модель, которой всего день, так что разрыв ожидаем, а не критичен, но это означает, что улучшение согласованности акцента на этой неделе остается лишь заявлением вендора. Что индекс действительно показывает, так это то, что конфигурация влияет на цифру не меньше, чем версия: одна и та же модель набирает 83,2 или 80,1 в зависимости от подключенного бэкенда. Любой обзор, который приводит одну цифру GPT-Live без указания бэкенда, сообщает вам очень мало.
Доказательства SeedRealtime тоньше, но иначе. ByteDance публикует один главный результат — сквозную оценку с участием людей, в которой модель «вдвое сокращает проблемы с темпом аудиовизуального разговора» по сравнению с каскадными системами ASR + компьютерное зрение + TTS, с меньшим числом обрывов на середине предложения, меньшим числом замедленных ответов после паузы и меньшим числом ложных срабатываний из-за фоновой болтовни. Там нет ни размера выборки, ни методологии, ни доверительного интервала, ни показателя задержки. Также нет ни числа параметров, ни технического отчёта. Это не доказательство слабости модели — демонстрации достаточно конкретны, чтобы предполагать реальную систему — но это утверждение, которое нельзя проверить, и оно не фигурирует ни в одном независимом рейтинге.

Обратите внимание, что это означает конкретно для сравнения: две модели не находятся в единой шкале. У одной есть сторонние цифры для предыдущей версии и опубликованный тариф; у другой — фраза от поставщика и никакой возможности её купить. Ранжировать их друг против друга означало бы изобретать измерение.
Почему пробел в API — это весь аргумент
Соблазнительно воспринимать «отсутствие API» как временное состояние, которое разрешится само собой, и потому как деталь. Для решения о сборке всё наоборот: это единственный факт, который полностью определяет ответ.
Если вы выпускаете голосовой продукт в следующем квартале, SeedRealtime не входит в список ваших вариантов, и никакие архитектурные амбиции этого не изменят. GPT-Live-1.1 в этот список входит: у него есть документированная конфигурация сессии, опубликованный тариф, режим ожидания, благодаря которому простаивающие соединения обходятся дешево, и модель делегирования, позволяющая держать логику рассуждений в бэкенде, который вы контролируете. Единственное, чего он не сделает, — это не будет смотреть в камеру вашего пользователя.
Эту последнюю ограниченность стоит честно оценить, потому что именно здесь требования команды фактически разделяются. Линия поддержки, автомобильный помощник, репетитор по языку, агент по планированию — ни одному из них не нужно видео, и все они выигрывают от модели, которая хорошо справляется с прерываниями и делегированием при известной стоимости. Агенту, который наблюдает за ремонтом, читает меню или следит за демонстрацией, нужна модальность, которая есть у SeedRealtime и которой нет у GPT-Live-1.1, и для такой рабочей нагрузки ответ сегодня — ждать или строить каскад, против которого выступает ByteDance.

Место маршрутизатора — это часть, отвечающая за делегирование. OrcaRouter не обслуживает GPT-Live-1.1 или SeedRealtime — ни один из них не является чат-моделью, и в каталоге нет полнодуплексного голосового эндпоинта. Но он обслуживает бэкенд, которому голосовой слой передаёт работу: gpt-6-luna, gpt-6-sol и остальные модели семейства GPT-6 доступны по одному ключу по прайс-листовой цене провайдера без наценки, с автоматическим переключением при сбое между провайдерами и DSL маршрутизации для объединения нескольких моделей в один вызов. Если ваш сеанс Live делегирует работу бэкенду, именно этот бэкенд можно маршрутизировать уже сегодня.
За чем следить и что делать сейчас
Две вещи изменили бы это сравнение, и ни одна из них не произошла. Публичный эндпоинт SeedRealtime — на собственной платформе ByteDance или где-либо ещё — в одночасье превратил бы демонстрацию в доступную опцию и сразу поставил бы вопрос о том, оправдывает ли визуальный контекст затраты на интеграцию. Независимое измерение GPT-Live-1.1 в индексе speech-to-speech показало бы, реально ли утверждение о многоязычных акцентах и сохранится ли оценка 83,2, которую GPT-Live-1 показывает с бэкендом Astra.
До тех пор решение на удивление однозначное. Если вам нужно выпустить голосовой продукт, GPT-Live-1.1 можно вызвать, цена определена, а с режимом ожидания оставлять его подключённым дешевле, чем неделю назад. Если вам нужна модель, которая видит, никакие возможности на стороне ByteDance не превращаются в API-ключ, и ответственный подход — сказать об этом прямо, а не ранжировать продукт против превью.
Сравнение в этой статье1
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
