Phonic 1 против GPT Live 1: демо на 1,1 секунды, наклейка за 5 центов и счёт, который никто не измеряет

Самый часто повторяемый факт о Phonic 1 — это демонстрационное сравнение: в собственном тесте Phonic его агент ответил через 1,1 секунды после того, как звонящий замолчал, против 15,7 секунды у OpenAI GPT Live 1. Это эффектная цифра, тест проводил сам производитель, и это самое бесполезное в данном сравнении. Самое полезное — почти противоположное: заявленная цена GPT Live 1 в пять центов за минуту, которая выглядит так, будто она лучше семи центов у Phonic, ровно до момента, когда добавляешь второй счётчик, который OpenAI к ней прикрепляет. Между этими двумя фактами находится сравнение, которое действительно важно, и у него есть один чистый ответ: в рейтинге speech-to-speech от Artificial Analysis Phonic 1 (High) набирает 87,1, а GPT-Live-1 в конфигурации Astra-medium — 83,2, разрыв в 3,9 балла, сосредоточенный почти целиком в одном компоненте.

Обе модели — это полнодуплексные разговорные системы, которые вызывают инструменты в середине разговора; обе вышли на рынок, где восемнадцать месяцев назад не было серьёзной голосовой модели с поддержкой вызова инструментов; и обе тем или иным образом отделили свои рассуждения от речевого слоя. Именно из-за этого последнего сходства сравнение затрат так легко провести неправильно, и именно этому данная статья уделяет большую часть своего времени.

Демо: разбор по частям

Демонстрация Phonic с 1,1 секунды против 15,7 секунды — это реальное наблюдение реального поведения, а также сравнение с двумя неизвестными. Первое — конфигурация: задержка GPT-Live-1 сильно зависит от того, какой бэкенд-модели он передаёт задачу, а Artificial Analysis измеряет время до первого аудио на уровне 1,34 с для конфигурации Astra-medium и 1,24 с для Sol-low — ни то ни другое не составляет пятнадцати секунд. Показатель в 15,7 секунды подразумевает либо бэкенд под тяжёлой нагрузкой рассуждений, либо задачу с длинной цепочкой инструментов. Второе неизвестное — задача: эти два числа описывают разные разговоры, и за этой парой нет опубликованного протокола.

Структурное утверждение, лежащее в основе демонстрации, при этом обоснованно, и здесь его стоит отделить от числа. Phonic 1 инициирует вызовы инструментов, пока вызывающий ещё говорит; в материалах вендора это сказано прямо, а его API предоставляет строгие синхронные инструменты, объявляемые inline в рамках сессии. GPT-Live-1 является полнодуплексным в том смысле, что он слушает, пока говорит, и делегирует работу с инструментами через асинхронную границу отдельной бэкенд-модели. Обе архитектуры выводят работу за пределы критического пути, но разными механизмами. Какая из них выиграет на вашем трафике — это измерение, которое вы проводите, а не демонстрация, на которую вы смотрите.

GPT-Live-1 — это конфигурация, а не оценка.

К каждому публичному числу о GPT-Live-1 нужно прикреплять уточнение, потому что оценка модели меняется в зависимости от её бэкенда. На той же доске:

• GPT-Live-1 (Astra, medium) — индекс преобразования речи в речь 83,2, рассуждения 90, динамика 94,9, агентность 74,5, предпочтение на арене 1 027, успешность задач 87,4 %, время до первого звука 1,34 с.

• GPT-Live-1 (Sol, low) — индекс 80,1, рассуждение 89, динамика 97,3, агентность 59,3, арена 1 037, успешность задач 90,9%, время до первого аудио 1,24 с.

• Phonic 1 (High) — индекс 87,1, рассуждение 99, динамика не указана, агентность 79,9, арена 1 012, успешность задач 92,3%, время до первого аудио 0,61 с.

Из этого вытекают три вещи. Во-первых, конфигурация Sol с меньшими усилиями показывает лучшие результаты по динамике, успешности выполнения задач и предпочтениям на арене, чем конфигурация Astra с большими усилиями, и худшие результаты по рассуждению и агентности — это тот же компромисс, который демонстрирует Gemini с расширенным мышлением от Google, и это означает, что «оценка GPT-Live-1» — бессмысленная фраза без указания конфигурации.

Во-вторых, разрыв в агентных возможностях между Phonic 1 и лучшей конфигурацией GPT-Live-1 составляет 5,4 балла. Это меньше, чем подразумевают материалы запуска Phonic — заявленное ею преимущество в 8,3 балла относится к Grok Voice 3.0, а не к OpenAI — и достаточно мало, чтобы другой набор задач вполне мог его сократить.

В-третьих, GPT-Live-1 лидирует по предпочтению на арене в обеих конфигурациях — с преимуществом в 15 и 25 Elo соответственно — и опережает Phonic по динамике разговора на величину, которую Phonic не публиковал. По оси, которую звонящий описал бы как «звучит как человек», OpenAI впереди, а разрыв не измерен с обеих сторон.

Пятицентовая наклейка и второй метр

GPT-Live-1 стоит $0,05 за голосовую минуту; оплата посекундная, без округления в большую сторону, плюс плата за инициацию сессии в размере пятнадцати секунд, которая затем возвращается. Phonic 1 — $0,07 за минуту разговора, $0,065 на тарифе Pro. По этим двум позициям OpenAI дешевле на 29%, и вопрос закрыт.

Он не закрыт, потому что поминутная плата GPT-Live-1 покрывает только голосовой слой. Бэкенд-рассуждение, вызовы инструментов и веб-поиск оплачиваются отдельно по стандартным токеновым тарифам бэкенд-модели — рекомендации самой OpenAI предполагают использовать небольшую модель для высоконагруженных реплик и передовую модель для сложных рассуждений. Artificial Analysis измерила реальные совокупные затраты в размере от $4.47 до $5.83 за час входного аудио в зависимости от конфигурации рассуждений, против $4.20 для Phonic 1.

• Голосовой слой — GPT-Live-1 $0,05/мин против Phonic 1 $0,07/мин, $0,065 Pro.

• Что ещё тарифицируется — GPT-Live-1 добавляет токены бэкенд-модели, вызовы инструментов и веб-поиск; Phonic 1 устанавливает единую фиксированную поминутную ставку без перевыставления затрат на LLM.

• Измеренная почасовая стоимость входных данных — GPT-Live-1 $4.47–$5.83 против Phonic 1 $4.20, по данным Artificial Analysis.

• Предсказуемость затрат — общая стоимость GPT-Live-1 зависит от того, как вы маршрутизируете бэкенд; у Phonic 1 — нет.

Эта инверсия и есть весь аргумент о затратах, и она работает в обратную сторону от заявленной цены. Команда, которая удерживает стоимость обращений к бэкенду низкой, может с лёгкостью уложиться меньше чем в $4,20 в час на GPT-Live-1; команда, которая отправляет каждое обращение к фронтирной модели, окажется выше этой планки. Фиксированная ставка Phonic — это фиксированная цена за переменную нагрузку, которая может быть выгодной или завышенной в зависимости от того, какую смесь вы фактически используете.

Серверная часть — это то место, где OrcaRouter уместен, не притворяясь тем, чем он не является. Ни Phonic 1, ни GPT Live 1 не входят в наш каталог — каждый доступен через собственный API своего поставщика — но модель, которая отвечает на сложные реплики GPT-Live-1, — это обычная текстовая модель, а это — 200+ моделей, которые мы маршрутизируем по одному ключу с наценкой 0% к прайсовой цене провайдера. Оба бэкенда, названные OpenAI — GPT-5.6 Luna и GPT-6 Astra — имеют здесь страницы моделей. Правило маршрутизации может оставлять простые реплики на дешёвом бэкенде и переводить на следующий уровень только те, которым это нужно, с автоматическим переключением на резерв, если провайдер сбоит в середине вызова — и именно этот механизм управления превращает переменный счёт GPT-Live-1 в ограниченный.

Что есть у OpenAI, чего нет у Phonic

Разрыв в зрелости — это не маркетинговый аргумент, а производственный. GPT-Live-1 присутствует в ChatGPT с 8 июля 2026 года, в API — с 10 сентября, а 15 октября получил инкрементальное обновление GPT-Live-1.1. Он работал в масштабе, недоступном ни одной модели возрастом в неделю, и его история транспорта это отражает: Live Sessions через WebRTC, WebSocket или SIP, причём телефония берётся на себя, а не оставляется интегратору.

Внедрение — другой сигнал. Perplexity перевела свой голосовой режим на GPT-Live-1 28 октября 2026 года, а Yelp и Speak названы ранними партнёрами. Это не доказательства качества, но доказательства того, что модель выдерживает контакт с потребительским трафиком.

• Транспорт — GPT-Live-1 предлагает WebRTC, WebSocket и SIP; Phonic 1 предлагает конечную точку WebSocket, а в качестве способов интеграции — вебхуки, постоянно открытый сокет или LiveKit.

• Одновременные сессии — GPT-Live-1 публикует многоуровневые ограничения на число одновременных сессий (примерно 25–50 на уровне 1, до 500 на верхнем уровне) и не имеет бесплатного уровня; Phonic 1 не публикует ограничений на количество сессий в своих публичных материалах.

• Границы — GPT-Live-1 не принимает изображения или видео и не предоставляет структурированных выходных данных на голосовом уровне; Phonic 1 изначально работает с аудио, а структурированную поверхность обеспечивают вызовы инструментов.

• Развёртывание — Phonic 1 предлагает облачное решение, single-tenant, VPC peering и self-host с доступностью SOC 2 Type II и HIPAA BAA; GPT-Live-1 — это API, размещённый OpenAI.

Что есть у Phonic 1, чего нет у OpenAI

Скорость — на табло, где она измеряется одинаково: 0,61 с до первого аудио против 1,34 с и 1,24 с. Это единственный измеренный разрыв в этом сравнении, достаточно большой, чтобы его ощутил звонящий, а не вывел из графика, и он согласуется с заявлением Phonic о менее 600 мс от поступления речи до её вывода.

Агентность, в более узком смысле: 79,9% против 74,5% на лучшей конфигурации OpenAI. И единый счёт — это скорее не возможность, а свойство закупки, — но для компании, которая вела таблицу с отдельными строками на голосовой канал, бэкенд и инструменты, свести три счётчика в один уже стоит чего-то реального.

• Время до первого аудио — Phonic 1: 0,61 с против GPT-Live-1: 1,34 с (Astra, средний) и 1,24 с (Sol, низкий), по данным Artificial Analysis.

• Производительность в агентных задачах — Phonic 1: 79,9 против 74,5 (Astra, medium) и 59,3 (Sol, low).

• Предпочтение в Arena — GPT-Live-1 1,027 и 1,037 против Phonic 1 1,012.

• Успешность выполнения задачи — Phonic 1: 92,3% против 87,4% (Astra) и 90,9% (Sol).

Собственные заявления OpenAI о производительности заслуживают отдельной пометки, поскольку ни одно из них не было независимо воспроизведено: 80,1% в Full Duplex Bench v1.5 против 45,4% у GPT-Realtime-2.1, задержка смены реплики 0,798 с против 1,41 с и около 87% успешных вызовов инструментов. Это данные производителя. Они правдоподобны и непроверены, и ту же формулировку нужно написать о 15,7-секундном сравнении Phonic.

Решение, изложенное в виде ставки

Выбирайте GPT Live 1, если ваши звонки скорее разговорные, чем транзакционные, если вы хотите, чтобы транспорт и телефония уже были реализованы, и если вы готовы взять на себя бэкенд-маршрутизацию, которая делает его стоимость конкурентоспособной. Отставание в 5,4 балла по агентности реально, но не фатально для агента, который в основном отвечает на вопросы и лишь иногда обращается к справочнику, — а более широкая линейка OpenAI с множеством конфигураций, от голоса с минимальными усилиями до передовых бэкендов, даёт вам больше настроек, чем Phonic публикует в настоящее время.

Выбирайте Phonic 1, если звонок должен завершить транзакцию, если треть секунды до первого аудио меняет ваш показатель отказов и если фиксированная поминутная ставка для вас ценнее теоретической экономии хорошо настроенного бэкенда. Примите, что вы покупаете модель недельной давности с одной независимой платой, без опубликованных ограничений на сессии и без истории развертывания в потребительском масштабе.

Решить вопрос помогла бы отнюдь не публикация данных кем-либо из вендоров. Это две недели ваших собственных прогонов, разделённых между двумя моделями, с замером доли успешных выполнений одной и той же задачи бок о бок. Преимущество Phonic в 5,4 пункта в агентных задачах — ровно тот размер разрыва, который способна переломить одна-единственная предметная область задач, а значит, это довод в пользу измерений, а не в пользу выбора лидера таблицы.