
Realtime 1 против Realtime Venus: арендовать голосового агента или владеть им за цену GPU
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 90 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 87 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 124 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 · 43 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 · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 130 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 · 135 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 · 182 tok/s
Всё в этом противостоянии сводится к одной фразе в файле лицензии. Realtime Venus распространяется под Apache 2.0 — это 9B-модель, которую вы скачиваете, запускаете на собственном A100 и за которую больше никогда не платите поминутно. MAI Realtime 1, анонсированный Microsoft 17 ноября 2026 года, — это облачный API по цене $0.01 за аудиоминуту, за которым стоит уровень рассуждений с оплатой по токенам, а также предварительная версия Foundry, которая не тарифицируется до публичной предварительной версии. У одного из них есть цена за вызов. У другого — цена за GPU-час. Сравнивать их по тарифным картам — категориальная ошибка; именно поэтому почти каждый материал о противостоянии облачного голоса и открытых весов ошибается в одном и том же месте.
Правильный вопрос — сколько стоит эксплуатация каждой из них при ваших объёмах и что каждая из них реально умеет, — и вот тут сравнение переворачивается: цифры открытой модели сопровождаются статьёй с описанием испытательного стенда, тогда как цифры хостинговой модели взяты со страницы модели, где указан единственный показатель точности. Именно этот переворот и есть суть.
Что каждый из них на самом деле из себя представляет
Realtime Venus создана inclusionAI и описана в arXiv 2609.13814; авторство приписывается команде Venus компании Ant Group и Университету Цинхуа, а статья датирована сентябрём 2026 года. Она поставляется в виде двух чекпойнтов: Realtime-Venus-Omni — аудиовизуальная модель на 9 млрд параметров, адаптированная из MiniCPM-o 4.5, которая непрерывно смотрит и слушает, решает, когда говорить, и выводит текст и речь на одной временной шкале; и Realtime-Venus-Audio — аудиомодель на 9 млрд параметров на том же потоковом бэкбоне. Обе используют Whisper-Medium в качестве аудиокодера, Qwen3-8B в качестве языкового бэкбона, дискретные речевые токены S3 с потоковым декодером flow-matching, контекст в 40 960 токенов, веса BF16, а их языки — английский и китайский.
MAI Realtime 1 — первая модель Microsoft для преобразования речи в речь, облачная двухуровневая система: быстрый разговорный путь за цент в минуту и движок рассуждений по $1,00 за миллион входных и $5,00 за миллион выходных токенов, в который направляются более сложные реплики. Никаких деталей архитектуры, ни числа параметров, ни списка языков. Единственная опубликованная цифра точности — 98,8% на Big Bench Audio на собственной странице модели, полученная поставщиком и невоспроизведённая, — что является зеркальным отражением ситуации ниже, где небольшая лаборатория изложила свой метод оценки в статье, доступной любому.
• Веса — Realtime Venus Apache 2.0, доступны для скачивания, два 9B-чекпоинта; MAI Realtime 1 закрытая, доступ к превью по регистрации.
• Языки — Realtime Venus: английский и китайский, явно указаны; MAI Realtime 1 не указан.
• Контекст — Realtime Venus 40 960 токенов; MAI Realtime 1 не опубликован.
• Оборудование — Realtime Venus требует A100 для демонстрации дуплексного режима в реальном времени; MAI Realtime 1 не требует ничего, кроме ключа.
• Модальности — Realtime Venus Omni принимает потоковое видео и аудио; MAI Realtime 1 работает по принципу «речь в речь».
• Структура цены — Realtime Venus за GPU-час, бессрочно; MAI Realtime 1 за минуту аудио плюс токены рассуждений.
Цифры, опубликованные Realtime Venus, и что они означают
Статья необычно конкретна в отношении поведения в режиме полного дуплекса — той части, которую большинство голосовых моделей оставляют расплывчатой:
• Реакция на прерывания — 75% прерываний пользователя обработаны, по данным Full-Duplex-Bench v1.5.
• Продолжение после бэкчейнлов — 97%.
• Продолжение, когда речь обращена к другому — 88%.
• Продолжение при фоновой речи — 86%.
• Утверждение авторов — эти модели «превосходят Gemini 3.1 Live и GPT-4o по всем трём метрикам продолжения». Обратите внимание на цели сравнения: Gemini 3.1 Live, которую Google теперь помечает как legacy в пользу 3.8 Live, и GPT-4o. Ни одна из них не является текущим фронтиром, так что победа реальна, но планка — на поколение старше.
В задачах понимания Realtime-Venus-Audio лидирует среди моделей своего набора сравнения по MMAU (78,0%), MMAU-Pro (63,2%), Llama Questions (83,8%) и Speech CMMLU (67,8%), а также делит лучший результат VoiceBench AlpacaEval — 4,81. Realtime-Venus-Omni — лучшая среди оценённых онлайн-моделей на шести из восьми видеобенчмарков, включая StreamingBench (70,2%), OVO-Bench (64,7%) и Daily-Omni (81,3%).
Все это — собственные оценки авторов в их собственной статье. Это более сильное свидетельство, чем маркетинговая страница (по крайней мере, описаны тестовый стенд и набор для сравнения), и более слабое, чем независимый рейтинг. По состоянию на 18 ноября Artificial Analysis не включает Realtime Venus, поэтому ни одна третья сторона не перепроверяла их.
Единственное число, которого не хватает в сводке статьи на уровне аннотации, — это то, которое важно для агента поддержки: оценка выполнения агентных задач τ-Voice. Realtime Venus построен вокруг другой идеи — механизма <delegate>, который передаёт асинхронные внешние задачи в отдельную среду выполнения Harness, чтобы разговор продолжался, пока работа выполняется в фоне. Архитектурно это близко к тому, что MAI Realtime 1 делает внутри со своим уровнем рассуждений, и к тому, что GPT Live 1 делает, передавая задачи бэкенд-агенту. Три разных продукта, один конвергентный замысел: говори быстро, делегируй размышления. Никто не опубликовал прямого сравнения по части делегирования.

Арифметика, которую скрывает цена за минуту
Вот здесь сравнение перестаёт быть сравнением тарифов. MAI Realtime 1 по центу за минуту — это $0,60 за час аудио. Один A100 с запущенным Realtime Venus стоит где-то в районе $1,50–$2,50 в час при стандартных ценах на облачные ресурсы — скажем, $2 для аргумента, и обратите внимание, что это рыночная ставка, а не то, что публикует кто-либо из этих двух поставщиков.
• Точка безубыточности — при таких тарифах примерно три-четыре одновременных диалога заполняют один A100. Ниже этого аренда дешевле. Выше — владение дешевле.
Подвох на стороне хостинга — уровень рассуждений MAI Realtime 1 оплачивается за токены сверх поминутной ставки, поэтому реальная стоимость в час превышает $0.60 и остаётся неизвестной.
• Подвох на стороне самостоятельного размещения: параллелизм на одну A100 для дуплексной модели 9B тоже не опубликован. Демо требует «как минимум одну NVIDIA A100», а это говорит лишь о том, что оно работает, и ничего — о том, сколько потоков оно выдерживает.
Итак, обе стороны точки безубыточности — это оценки. Оценкой не является форма кривой: стоимость хостинга растёт линейно и бесконечно; стоимость собственного развёртывания имеет фиксированный минимум, а затем изгибается. Пилот на сотню звонков в день должен брать в аренду. Контакт-центр, обслуживающий двести одновременных линий, — не должен, если только хостинговая модель не существенно лучше; а в этом противостоянии именно открытая модель — та, чьи заявления о точности подкреплены опубликованным испытательным стендом.
Есть также операционная асимметрия, которая никогда не фигурирует в тарифном справочнике. Самостоятельный хостинг дуплексной модели 9B означает владение GPU-мощностями, холодными стартами, загрузкой модели и сценарием отказа, когда узел падает и вызовы обрываются. Хостинг у провайдера означает, что ничего из этого у вас нет, и вы принимаете задержки, доступность и график вывода из эксплуатации вендора. Команды неизменно недооценивают первое и переоценивают второе, обычно потому что первое невидимо в электронной таблице.
Где у хостируемой модели нет аналога с открытыми весами
Три вещи, и они не маленькие.
Корпоративные интеграции: MAI Realtime 1 появится в Dynamics 365 Contact Center и в Dragon Copilot для симуляций обучения медсестёр, а Agoda и Reservations.ai проводят тестирование. Это интеграции в системы, до которых модель, развёрнутая на собственных серверах, не доберётся, если вы сами не создадите коннекторы.
Совместимость: он поддерживает OpenAI Realtime API, поэтому существующему голосовому стеку достаточно строки модели, а не переписывания. Realtime Venus поставляется как Python-пакет — AutoModel.from_pretrained, as_duplex(), посекундные streaming_prefill() и streaming_generate(), FFmpeg и CUDA на хосте. Это настоящий инженерный проект.
И широта транскрипции: сопутствующий анонс Microsoft — Dragon Copilot Transcribe на MAI Transcribe 2 — охватывает клиническую диктовку в масштабе, который ничто в статье Venus не рассматривает: 10 миллионов приёмов пациентов в месяц, вдвое меньшая частота ошибок в многоязычных сценариях, по собственным данным Microsoft. Если ваш продукт клинический, аргументом является эта экосистема, а не цена за минуту.
Где у открытых весов нет готового ответа
Видео. Realtime-Venus-Omni — это потоковая аудиовизуальная модель: она смотрит и слушает, а бенчмарки Omni — это видеобенчмарки. MAI Realtime 1 — это речь. Если взаимодействие включает камеру, демонстрацию экрана или жесты пациента в сторону чего-либо, сравнение даже не будет близким, потому что размещённая модель не пытается это делать.
Память для длинных видео тоже: в карточке Venus заявлена работа с памятью на длинном видео без дополнительного обучения — через переключатель use_memory(). Ничего в анонсе Microsoft не говорит о памяти в рамках одной сессии.
А ещё лицензия. Apache 2.0 означает, что вы можете дообучать её, поставлять внутри продукта, запускать в юрисдикции, где у Microsoft нет региона, и держать аудио на собственном оборудовании. Для клинического или государственного развёртывания, где данные не могут покидать здание, это не предпочтение — это требование, и никакая поминутная скидка его не заменит.

Гибридное решение, которое большинству команд действительно стоит создавать
Отмеченная ранее конвергенция — это практический ответ. Все три этих продукта — Realtime Venus, MAI Realtime 1, GPT Live 1 — отделяют разговор от работы: Venus — через <delegate> и среду выполнения Harness, Microsoft — через внутренний уровень рассуждений, OpenAI — через явно подключённого бэкенд-агента. В каждом случае сложная часть — это вторая модель, которая выполняет мышление, и в каждом случае именно на этом слое сосредоточены затраты и задержка.
Что означает, что выбор между ними — это на самом деле решение о фронтенде, а бэкенд в любом случае может быть одним и тем же. OrcaRouter создан для этого второго слоя: 200+ моделей на одном ключе по прайс-листу провайдера с 0% наценки, так что какой бы фронтенд вы ни выбрали, reasoning-модели за ним можно заменить, а изменение цены от вендора вступает в силу в тот же день. Автоматическое переключение при сбое — это то, что превращает делегированную задачу в нечто безопасное для запуска в продакшене: фоновый вызов, который молча завершается ошибкой, — это обещание вызывающей стороне, которое никогда не будет выполнено, а маршрутизированный повторный запрос между провайдерами — это разница между задачей, которая завершается, и той, которая тихо не завершается. DSL маршрутизации — это то, как политика делегирования становится правилом: какие интенты эскалируются, к какой модели, при каком бюджете.
Ни одна из этих двух голосовых моделей не входит в наш каталог — Realtime Venus — это веса под Apache 2.0, которые вы хостите самостоятельно, а MAI Realtime 1 — это превью с ограниченным доступом от MAI Labs и Foundry. Мы маршрутизируем всё, что они делегируют.

Выбор, конкретно
Начните с Realtime Venus, если верно хотя бы одно из следующего: данные не могут покидать вашу инфраструктуру, взаимодействие включает видео, вам нужны именно английский и китайский и ничего больше, у вас уже есть мощности GPU, или ваш объём достаточно велик, чтобы линейная поминутная оплата была неподходящей моделью. Взамен примите, что вы используете стек исследовательского уровня с Python API, статью в качестве документации и отсутствие независимого бенчмарка, подтверждающего цифры авторов.
Начните с MAI Realtime 1, если взаимодействие только голосовое, объём небольшой, интеграция уже выполнена в стиле OpenAI-Realtime, а один цент в минуту — это та цифра, которая вообще делает проект жизнеспособным. Взамен примите, что измерить почти ничего из этого вы не сможете: одна заявленная поставщиком цифра точности, P50-задержка без распределения, отсутствие оценки τ-Voice, отсутствие списка языков и двухминутное некоммерческое демо, которое на момент нашей проверки сообщало о своей недоступности.
И следите за тем, на что оба тихо делают ставку. Realtime Venus, MAI Realtime 1 и GPT Live 1 все пришли к выводу, что голосовая модель не должна усиленно размышлять, пока кто-то ждёт. Разница между ними лишь в том, куда уходит размышление. Тот, кто первым опубликует показатель завершения задач для делегированной половины, решит исход противостояния, который поминутные ставки никогда не могли решить.
