Phonic 1 vs GPT Live 1: Demon på 1,1 sekund, 5-centdekalen och räkningen som ingen mäter

Det mest upprepade faktumet om Phonic 1 är en demojämförelse: i Phonics eget test svarade dess agent 1,1 sekunder efter att den som ringde hade slutat tala, mot 15,7 sekunder för OpenAIs GPT Live 1. Det är en spektakulär siffra, den är leverantörsdriven och den är det minst användbara i den här jämförelsen. Det mest användbara är nästan det motsatta – ett listpris på fem cent per minut för GPT Live 1 som ser ut att slå Phonics sju cent, ända tills man lägger till den andra mätaren som OpenAI kopplar till den. Mellan dessa två fakta ligger den jämförelse som verkligen spelar roll, och den har ett tydligt svar: på Artificial Analysis tal-till-tal-topplistan får Phonic 1 (High) 87,1 och GPT-Live-1 i sin Astra-medium-konfiguration får 83,2, en skillnad på 3,9 punkter som nästan helt är koncentrerad till en komponent.

Båda modellerna är full-duplex konversationssystem som anropar verktyg mitt i ett samtal, båda lanserades på en marknad som för arton månader sedan saknade en seriös röstmodell med verktygsanrop, och båda separerar sitt resonemang från röstlagret på något sätt. Den sista likheten är det som gör kostnadsjämförelsen så lätt att göra fel, och det är där den här artikeln lägger större delen av sin tid.

Demon, uppdelad

Phonics demonstration på 1,1 sekunder kontra 15,7 sekunder är en verklig observation av ett verkligt beteende, och den är också en jämförelse med två okända. Den första är konfigurationen: GPT-Live-1:s latens beror starkt på vilken backendmodell den delegerar till, och Artificial Analysis mäter tid till första ljud på 1,34 s för Astra-medium-konfigurationen och 1,24 s för Sol-low – ingen av dem är femton sekunder. En siffra på 15,7 sekunder antyder antingen en backend med tung resonemangsbelastning eller en uppgift vars verktygskedja är lång. Den andra okända är uppgiften: de två siffrorna beskriver olika konversationer, och det finns inget publicerat protokoll bakom paret.

Den strukturella principen bakom demon håller, men här är det värt att skilja den från siffran. Phonic 1 utfärdar verktygsanrop medan den som ringer fortfarande talar; leverantörens material säger detta explicit och dess API exponerar strikta synkrona verktyg som deklareras direkt över sessionen. GPT-Live-1 är full-duplex i den meningen att den lyssnar medan den talar, och den delegerar verktygsarbete över en asynkron gräns till en separat backendmodell. Båda konstruktionerna flyttar arbete bort från den kritiska vägen, genom olika mekanismer. Vilken som vinner på din trafik är en mätning du gör, inte en demo du ser på.

GPT-Live-1 är en konfiguration, inte en poäng.

Varje offentlig siffra om GPT-Live-1 måste åtföljas av en precisering, eftersom modellens poäng varierar med dess backend. På samma resultattavla:

• GPT-Live-1 (Astra, medium) – tal-till-tal-index 83,2, resonemang 90, dynamik 94,9, agentisk förmåga 74,5, arena-preferens 1 027, uppgiftsframgång 87,4 %, tid till första ljud 1,34 s.

• GPT-Live-1 (Sol, low) — index 80,1, resonemang 89, dynamik 97,3, agentisk 59,3, arena 1 037, uppgiftsframgång 90,9 %, tid till första ljud 1,24 s.

• Phonic 1 (High) — index 87,1, resonemang 99, dynamik rapporteras inte, agentisk 79,9, arena 1 012, uppgiftsframgång 92,3 %, tid till första ljud 0,61 s.

Tre saker följer av det. För det första presterar Sol-konfigurationen med lägre ansträngning bättre på dynamik, uppgiftsframgång och arena-preferens än Astra-konfigurationen med högre ansträngning, och sämre på resonemang och agens — vilket är samma avvägning som Googles Gemini med utökat tänkande visar, och det betyder att "GPT-Live-1-poängen" är en meningslös fras utan en konfiguration kopplad.

För det andra är det agentiska gapet mellan Phonic 1 och den bästa GPT-Live-1-konfigurationen 5,4 poäng. Det är mindre än Phonics lanseringsmaterial antyder – den 8,3 poängs ledning som det hävdar är gentemot Grok Voice 3.0, inte OpenAI – och tillräckligt litet för att en annan uppgiftsmix rimligen skulle kunna stänga det.

För det tredje leder GPT-Live-1 i arenapreferens i båda konfigurationerna, med 15 respektive 25 Elo, och leder över Phonic i samtalsdynamik med ett antal som Phonic inte har publicerat. På den axel som en uppringare skulle beskriva som "låter som en person" är OpenAI före, och gapet är inte mätt på båda sidor.

Femcentsdekalen och den andra mätaren

GPT-Live-1 kostar $0,05 per röstminut, faktureras per sekund utan avrundning uppåt, samt en sessionsstartavgift på femton sekunder som krediteras tillbaka. Phonic 1 kostar $0,07 per samtalsminut, $0,065 på Pro-nivån. På dessa två punkter är OpenAI 29 % billigare och saken är avgjord.

Det är inte avslutat, eftersom GPT-Live-1:s minutavgift endast täcker röstlagret. Backend-resonemang, verktygsanrop och webbsökning debiteras separat enligt backendmodellens standardtokenpriser – OpenAI:s egen vägledning föreslår en liten modell för högvolymsturer och en frontier-modell för komplexa resonemang. Artificial Analysis uppmätte faktiska totalsummor på $4,47 till $5,83 per timme indataljud beroende på resonemangskonfiguration, jämfört med $4,20 för Phonic 1.

• Röstlager — GPT-Live-1 0,05 USD/min mot Phonic 1 0,07 USD/min, 0,065 USD Pro.

• Vad faktureras utöver detta — GPT-Live-1 lägger till backend-modelltokens, verktygsanrop och webbsökning; Phonic 1 anger ett fast pris per minut utan LLM-vidarefakturering.

• Uppmätt timkostnad för inmatning — GPT-Live-1 $4,47–$5,83 jämfört med Phonic 1 $4,20, enligt Artificial Analysis.

• Kostnadsförutsägbarhet — GPT-Live-1:s totalkostnad beror på hur du dirigerar backend; Phonic 1:s gör inte.

Den inversionen är hela kostnadsargumentet, och den slår åt motsatt håll jämfört med prislappen. Ett team som håller sina backend-anrop billiga kan med lätthet slå $4,20 i timmen på GPT-Live-1; ett team som skickar varje anrop till en frontier-modell kommer att hamna över det. Phonic's fasta taxa är ett fast pris för en variabel arbetsbelastning, vilket är värdefullt eller överprissatt beroende på vilken mix du faktiskt kör.

Backend-delen är där OrcaRouter passar in utan att utge sig för att vara något det inte är. Varken Phonic 1 eller GPT Live 1 finns i vår katalog – var och en är tillgänglig via leverantörens eget API – men modellen som besvarar GPT-Live-1:s svåra turer är en vanlig textmodell, och det är de 200+ modeller som vi routar på en enda nyckel med 0 % påslag över leverantörens listpris. Båda backendarna som OpenAI nämner, GPT-5.6 Luna och GPT-6 Astra, har modellsidor här. En routningsregel kan hålla kvar enkla turer på den billiga backend-delen och endast eskalera de som behöver det, med automatisk failover om en leverantör svajar mitt i ett anrop – vilket är precis den kontroll som gör GPT-Live-1:s variabel faktura till en begränsad sådan.

Vad OpenAI har som Phonic saknar

Mognadsgapet är inte en marknadsföringspunkt, det är en produktionspunkt. GPT-Live-1 har funnits i ChatGPT sedan den 8 juli 2026, i API:et sedan den 10 september och fick en inkrementell uppdatering, GPT-Live-1.1, den 15 oktober. Den har kört i en skala som ingen veckogammal modell har, och dess transportlösning speglar det: Live Sessions via WebRTC, WebSocket eller SIP, där telefoni hanteras i stället för att lämnas till integratören.

Anammande är den andra signalen. Perplexity flyttade sin röstfunktion till GPT-Live-1 den 28 oktober 2026, och Yelp och Speak nämns som tidiga partner. Det är inte bevis på kvalitet, utan bevis på att modellen överlever mötet med konsumenttrafik.

• Transport — GPT-Live-1 erbjuder WebRTC, WebSocket och SIP; Phonic 1 erbjuder en WebSocket-slutpunkt, med webhooks, en öppethållen socket eller LiveKit som integrationssätt.

• Samtidighet — GPT-Live-1 publicerar nivåindelade gränser för samtidiga sessioner (ungefär 25–50 på nivå 1, upp till 500 på högsta nivån) och har ingen gratisnivå; Phonic 1 publicerar inget tak för sessioner i sitt offentliga material.

• Gränser – GPT-Live-1 accepterar ingen bild- eller videoinmatning och erbjuder inga strukturerade utdata på röstlagret; Phonic 1 är ljudnativt med verktygsanrop som den strukturerade ytan.

• Driftsättning — Phonic 1 erbjuder molnbaserad drift, single-tenant, VPC-peering och självhosting med tillgång till SOC 2 Type II och HIPAA BAA; GPT-Live-1 är ett API som hostas av OpenAI.

Vad Phonic 1 har som OpenAI inte har

Hastighet, på den resultattavla som mäter den på samma sätt: 0,61 s till första ljudet mot 1,34 s och 1,24 s. Det är den enda uppmätta skillnaden i den här jämförelsen som är stor nog att en uppringare kan känna av den i stället för att härleda den från ett diagram, och den stämmer överens med Phonics uppgift om under 600 ms från tal in till tal ut.

Agens, snävare sagt: 79,9 % mot 74,5 % i den bättre OpenAI-konfigurationen. Och en enda faktura, vilket är mindre en kapacitet än en upphandlingsegenskap – men för ett företag som har kört ett kalkylblad med en röstrad, en backend-rad och en verktygsrad på det är det värt något verkligt att slå ihop tre mätare till en.

• Tid till första ljudet — Phonic 1 0,61 s jämfört med GPT-Live-1 1,34 s (Astra, medium) och 1,24 s (Sol, low), enligt Artificial Analysis.

{{1}}Agentisk prestanda{{/1}} — Phonic 1 79,9 mot 74,5 (Astra, medel) och 59,3 (Sol, låg).

• Arenapreferens — GPT-Live-1 1,027 och 1,037 mot Phonic 1 1,012.

• Uppgiftsframgång — Phonic 1 92,3 % vs 87,4 % (Astra) och 90,9 % (Sol).

OpenAI:s egna prestandapåståenden bör märkas för sig, eftersom inget av dem har reproducerats oberoende: 80,1 % på Full Duplex Bench v1.5 mot 45,4 % för GPT-Realtime-2.1, en turtagningslatens på 0,798 s mot 1,41 s och cirka 87 % lyckade verktygsanrop. Det är leverantörssiffror. De är rimliga och de är overifierade, och samma mening måste skrivas om Phonics jämförelse på 15,7 sekunder.

Beslutet, uttryckt som ett vad.

Välj GPT Live 1 om dina samtal är mer konversationella än transaktionella, om du vill att transport och telefoni ska hanteras åt dig och om du är beredd att själv stå för den backend-routing som gör dess prissättning konkurrenskraftig. Underskottet på 5,4 poäng i agentisk förmåga är verkligt men inte fatalt för en agent som mestadels svarar på frågor och ibland utför en sökning – och OpenAIs större utbud med flera konfigurationer, från röst med minimal ansträngning till frontier-backends, ger dig fler justeringsmöjligheter än vad Phonic för närvarande publicerar.

Välj Phonic 1 om samtalet måste slutföra en transaktion, om en tredjedels sekund till första ljud ändrar din avbrottsgrad och om ett fast minutpris är värt mer för dig än de teoretiska besparingarna från en vältrimmad backend. Acceptera att du köper en vecka gammal modell med en enda oberoende styrelse, inga publicerade sessionsgränser och ingen driftsättningshistorik i konsumentskala.

Det som skulle avgöra saken är inte att någon av leverantörerna publicerar något. Det är två veckor av dina egna anrop, fördelade mellan de två, med slutförandegraden för samma uppgift mätt sida vid sida. Phonics agentiska försprång på 5,4 poäng är precis så stort gap som en enda uppgiftsdomän kan vända – vilket är ett argument för att mäta, inte för att välja ledaren på resultattavlan.