
Sesame Preview har nu planer: Free, Plus för 20 $, Pro för 100 $ – och fortfarande inget röst-API
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 189 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 229 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Nästan sex veckor efter oktoberuppgraderingen som gav dess agenter en dator har Sesame Preview – en app i offentlig förhandsversion sedan maj 2026 – en prislista. Sesames egen abonnemangssida säljer nu tre nivåer – Gratis för $0 med 30 minuters samtalstid per dag, Plus för $20 i månaden med fyra gånger den tilldelningen och Pro för $100 i månaden med tjugo gånger – debiteras via App Store och Google Play i stället för på webben. Det är leverantörsangivna priser på leverantörens egen sida: inte ett uppmätt tal, inte en oberoende recension. Allt under dem är oförändrat. Produktionsrösten har fortfarande inget API, inget modell-ID och ingen oberoende poäng, och den enda Sesame-modellen som någon utanför appen kan ladda är fortfarande CSM-1B.
De tre nivåerna, så som de publicerats:
Gratis – $0. 30 minuters samtalstid per dag, plus en begränsad veckovis kredit för sms och uppgifter.
• Plus – 20 dollar i månaden. Två timmars samtalstid om dagen, fyra gånger Free:s veckokrediter och en veckas gratis provperiod som alla kan använda en gång.
• Pro — $100 i månaden. Tio timmars taltid om dagen och tjugo gånger Free:s veckokrediter.
Sesame drar själv den gräns som spelar roll: att prata i ett samtal förbrukar samtalstid, och "allt som agenten tar sig för" förbrukar krediter, oavsett om du frågade via röst eller text. De två mätarna tar därför slut på olika sätt. Samtalstid återställs dagligen och krediter återställs veckovis. Att krediterna tar slut avbryter inte samtalet — det sänker dig från Max-intelligens till Standard, och schemalagda färdigheter pausas till den veckovisa återställningen och återupptas sedan där de slutade. Att samtalstiden tar slut är den hårdare väggen: du kan fortfarande skicka textmeddelanden, men modellens intelligens sjunker och vissa funktioner begränsas. På nivålistan är "fyra gånger samtalstiden" och "fyra gånger krediterna" två separata löften som kan ta slut på olika dagar.
Det tal som faktiskt avgör nivån är inte rubrikpriset utan tilläggspriset. Sesame säljer extra samtalstid för 5 dollar per timme och 20 dollar för fem timmar, samt krediter för 5 dollar per tusen och 20 dollar per fem tusen. Paketen löper aldrig ut och används först när det som ingår i din plan är slut. Med det priset kostar Plus två timmar om dagen – ungefär 60 timmar under en 30-dagarsmånad – 20 dollar, medan 20 dollar à la carte-samtalstid ger fem timmar. Om du kommer att använda assistenten mer än några gånger i veckan är prenumerationen ungefär tolv gånger så värdefull som paketen, vilket förmodligen är avsikten: Sesames egen FAQ kallar varje plan "en mycket bättre affär än att köpa motsvarande mängd extra tid eller krediter."
Två strukturella detaljer spelar större roll än de verkar. För det första säljs ingenting på webben: köp sker via App Store eller Google Play, så webbläsarens Research Preview kan inte uppgraderas alls. För det andra – och det är här som ”förhandsvisningen är över” tolkas lite fel – är webbförhandsvisningen inte på väg att försvinna. Sesames FAQ säger att användare utanför appens länder ”kan fortsätta använda Research Preview gratis, med en daglig gräns för samtalstid som motsvarar Free Plan: 30 minuter per dag”, och att samtalstid och krediter är knutna till kontot, så samma dagliga tak gäller för webbsamtal. Det som upphörde var den obegränsade kvoten. Själva förhandsvisningen finns kvar som gratisnivån.
Själva appen fortsätter att släppas parallellt med den nya faktureringen. App Store listar version 48.0, daterad 13 november, med versionsinformation som gör reklam för ”bättre standard och Max Intelligence”; Google Play visar att appen uppdaterades den 9 november, har över 50 000 nedladdningar och ett genomsnitt på 4,9 stjärnor bland cirka 2 000 recensioner. Skärmbilden nedan är inte den versionen – det är skärmdumpen från augusti som den här artikeln ursprungligen publicerades med, av en sida där det stod ”Förhandsversion tillgänglig nu på iOS och Android” och där inget pris angavs alls. Den behålls eftersom den är produktens sista tillstånd innan prisnivåerna fanns.

Vad Sesame faktiskt är
Sesame är inte ett modellföretag som råkar ha en app; det är ett modellföretag vars app är själva poängen. Labbet, som grundades 2023 av Brendan Iribe, Ankit Kumar och Ryan Brown och backas av a16z, Sequoia, Spark och Matrix, byggde den konversationella talmodellen (CSM) bakom "Maya"-demon – en röst med andning, tvekan och avbrottstiming så övertygande att förstagångslyssnare antog att en person var i luren. Produkten de säljer nu är "personliga agenter för nyfikna människor". I oktober tillkom en destination: den 6 oktober beskrev företagets produktchef Nate Mitchell assistenten som operativsystemet för ett par heldagsglasögon – "ett röst-OS på bågarna", enligt företagets formulering – och dagen innan meddelade Sesame att bågarna ska tillverkas i Japan och komma 2027. Assistenten är produkten; glasögonen är anledningen till att den finns. Sidan med abonnemangsplaner lade till delen som gör den till en affärsverksamhet.
De fyra agenterna och vad appen faktiskt gör
De fyra personligheterna är oförändrade och fortfarande det mest särpräglade med produkten: Maya (en kvick samarbetspartner), Miles (en avslappnad samtalspartner som säger det som det är), Simone (en dynamisk tankepartner för djupdykningar) och Charlie (ett avslappnat bollplank). Var och en behåller sitt eget minne och, sedan oktober, sin egen appåtkomst – du kan ge Maya din e-postadress och hålla Charlie utanför. På den grunden söker assistenterna på webben, gör djupdykningar, tar anteckningar och påminnelser, skickar en sammanfattning efter ett samtal och svarar i text när du inte kan prata högt; ett Incognito-läge läser tidigare minnen utan att skriva nya. Det planerna ändrade är inte vad appen gör utan hur mycket av det du får: varje funktion anges som tillgänglig på alla nivåer, och skillnaden mellan $0, $20 och $100 är tilldelning, inte kapacitet.
Vad oktoberversionen faktiskt lade till
Börja med rösten, för allt annat vilar på den. Sesame säger att man "uppdaterade vår Conversational Speech Model för att förbättra uttrycksfullhet och uttal" och att ändringen "innebär en enorm skillnad, särskilt i längre samtal". Samma inlägg säger att karaktärernas personligheter nu "framträder tydligare", med mindre inställsamhet och färre upprepade fraser. Det är ett leverantörspåstående utan siffror: inget modell-ID publicerat, ingen latenssiffra, ingen benchmark, och appens röst är fortfarande inte en slutpunkt som någon kan mäta. Behandla det som ett riktningsgivande uttalande från den enda parten som har hört båda versionerna.
Den större förändringen är att agenterna nu har en kropp. "Med oktoberutgåvan är varje agent nu smartare, med tillgång till sin egen dator," skriver Sesame – vilket innebär att en assistent kan surfa och agera i stället för att bara prata. Demonstrationen företaget erbjuder är riktad: dess eget team säger att de har använt Maya, Miles, Simone och Charlie för att "orkestrera andra agenter som Devin, Claude Code och Codex", via röst, på promenader och pendling. Om det fungerar som beskrivet har Sesame slutat konkurrera endast med röstassistenter och börjat konkurrera om kontrollagret ovanför kodningsagenter. Det är också det påstående i denna utgåva som en läsare enklast kan testa personligen – och det som ingen utomstående granskare hade publicerat en mätning av när detta skrevs.
Det underliggande maskineriet som gör den användbar är också nytt. Sesames guide för att komma igång, uppdaterad 5 oktober, listar Google-appar – Gmail, Google Calendar, Google Drive – som anslutningar, några märkta Beta, plus stöd för externa MCP-servrar via OAuth, med en uppriktig varning att lita på utvecklaren innan du ansluter en. Ovanpå anslutningarna ligger "skill": en lättbegriplig spelbok som du bygger upp i samtal och sedan kör på begäran eller enligt schema, med eller utan anslutna appar. Bildgenerering kom som ett av agentens egna verktyg: appen listar "Image by Sesame" bland dem, beskrivet som att generera, redigera och analysera bilder, och assistenten erbjuder sig att generera en bild från en beskrivning eller att berätta vad som finns i ett foto du skickar. Notera ursprunget där – det är appens interna verktygslista, inte något som Sesames eget tillkännagivande säger, och varken appen eller företaget namnger bildmodellen bakom den.
Plansidan lägger till en detalj som oktoberanteckningarna inte angav uttryckligen: appen har nu två intelligensnivåer, Standard och Max, och det är Max som förbrukar både krediter och samtalstid. Det gör kreditutrymmet till ett kvalitetstak snarare än en uppgiftskvot – en distinktion som App Store-listningen stöder, med App Stores versionsinformation för version 48.0 som utlovar "bättre Standard- och Max Intelligence".
Gränserna som inte förändrades
Det finns fortfarande inget API och inget modell-ID för rösten, så inget av detta är något en utvecklare kan anropa – och plansidan ändrar inte det. Varje siffra på den är ett konsumentabonnemang; inget av det är en taxa per token, per minut eller per tecken för modellen. Bildverktyget berättar inte vilken modell som driver det. Hur tillförlitligt en agent orchestrerar Devin eller Claude Code utan övervakning är en öppen fråga som leverantören bara har besvarat med sin egen anekdot. Engelska är fortfarande det enda officiellt stödda språket – guiden noterar att assistenterna även hanterar franska, italienska, tyska, spanska, kinesiska, japanska och koreanska "tidigt", vilket är en varning snarare än en funktionslista. Du måste vara minst 18 år. Och appåtkomst är per assistent, vilket är bra för integriteten men besvärligt i praktiken: det du ansluter för Maya kan Charlie inte se. Sesame säger fortfarande att de inte visar några annonser och inte säljer data, ett påstående som de betalda nivåerna nu gör lättare att hålla.
Rösten är produkten — och den är omätbar hittills.
Det som gör Sesame värt att skriva om är fortfarande inte en benchmarkpoäng, eftersom det fortfarande inte finns någon för appen. Produktionsmodellen är inte släppt: inget modell-ID, inget API, inget latensmål och ingen listning på Artificial Analysiss tal-till-tal-topplista så som anropbara röstmodeller har. Det man kan verifiera är arkitekturfamiljen. Sesames CSM är en design med två dekodrar – en Llama-ryggrad som förutsäger den första ljudkodbooken och en liten "djup"-dekoder som förutsäger resten – över Kyutais Mimi-codec, som producerar 24 kHz mono tal, och CSM-1B med öppna vikter (Apache-2.0) är den enda delen av den som någon kan ladda ner. Oktoberanteckningarna är den första bekräftelsen på månader att själva produktions-CSM:en har förändrats, och företaget publicerade fortfarande inget som man kan rikta ett benchmark mot. Ett instrument finns dock, och det mäter något angränsande: den 28 augusti 2026 publicerade Sesame TurnBench, ett öppet benchmark för turväxling i talad dialog – 30 timmar trippelannoterat dyadiskt tal, ett bedömningsprotokoll hämtat från samtalsanalys, en offentlig topplista och resultat för 14 system, byggt med Carnegie Mellon, Mundo AI och Oto. Det är genuint öppet, det är Sesames eget, och det poängsätter turväxling snarare än den här appens röst.
Resultattavlan nedan är den äldre ögonblicksbilden från augusti. Den är nu otillräcklig i två avseenden. Den har inget att säga om datoranvändning, anslutningar eller bildgenerering, eftersom ingen av dem fanns när den togs fram; och i prisraden står det fortfarande "gratis (förhandsversion, ingen betald nivå)", vilket slutade vara sant veckan då plansidan lanserades. Titelkortet högst upp på den här sidan kommer från samma omgång från augusti och bär samma föråldrade märke "gratis – inget API ännu". Läs båda som en redogörelse för vad appen var, inte för vad den kostar nu.

Vad en timme av Sesame faktiskt kostar
Med ett pris per timme talande landar Plus på ungefär 33 cent. Det är värt att ställa bredvid API-marknaden, eftersom det är den enda siffra som Sesame nu publicerar som kan jämföras med något. Grok Voice Think Fast 2.0 tar $0.08 per ljudminut, vilket är $4.80 i timmen. GPT-Realtime-2.1 faktureras per ljudtoken till $32 per miljon input och $64 per miljon output, en enhet som inte kan omvandlas till timmar utan att veta hur mycket du säger.
Den jämförelsen är inte rättvis och bör inte läsas som en sådan. Grok Voice är ett API som man bygger en produkt på; Sesame är en app som man pratar med. Sesames krediter mäter agentens åtgärder utöver prattiden, så en intensiv vecka med uppgifter kan kosta kvot som timsiffran aldrig ser. Och inget oberoende har mätt huruvida de två rösterna är i samma liga – det enda tal som skulle avgöra saken finns inte för appen. Det som 33 centen däremot säger är att Sesame har prissatt en fast konsumentprenumeration mot en marknad som debiterar per minut, och att den för 20 dollar i månaden säljer timmar långt under vad ett mätarbaserat röst-API tar för dem. Om det är generositet eller en lanseringsrabatt är en fråga som nästa prissida kommer att besvara.
Var Sesame Preview befinner sig i röstlandskapet
Under 2026 delas realtidsröstområdet upp i appar och API:er, och i oktober tillkom en tredje axel: vem som kontrollerar agenterna. På appsidan konkurrerar Sesame Preview om samma uppmärksamhet som röstlägena i ChatGPT och Gemini Live – med en ny skillnad: dessa röstlägen ingår i en prenumeration som också ger en textmodell, medan Sesames $20 bara köper assistenten. Det gör gratisnivån till den verkliga tävlingen: 30 minuter om dagen är en demolängd, och i samma stund som en läsare passerar den blir beslutet huruvida den här rösten är värd ett fristående $20. På API-sidan är de anropbara alternativen de modeller du kan rikta en WebSocket mot: Grok Voice Think Fast 2.0 för $0,08 per ljudminut med 0,70 sekunder till första ljud, rankad etta i τ-Voice agent benchmark och tvåa i Artificial Analysis index för tal-till-tal-kvalitet på 82,9 % (siffrorna är från Artificial Analysis, inte från xAI), eller GPT-Realtime-2.1 för $32 per miljon ljudindatatoken och $64 per miljon ljudutdatatoken. Den tredje axeln är den som Sesame flyttade till i oktober: inte "anropa vår röstmodell" utan "prata med våra agenter så styr de dina andra agenter". Det är ett påstående om orkestrering, och ingen mäter det – leverantörens beskrivning är hela bevisningen så här långt.
Diagrammet nedan är API-sidans tavla som den såg ut den 6 augusti 2026: en påminnelse om vad Sesame konkurrerar med om uppmärksamheten, och om vilken sorts siffra appens röst fortfarande inte har.

Vad det innebär för byggare
Konsumentsidan har nu ett pris; developersidan har fortfarande inget. Om du vill bygga en produkt på Sesames produktionsröst idag går det inte – det finns inget API för det, och ingen plan på prissidan är en utvecklarplan. Den enda Sesame-modell en utvecklare kan anropa är den öppna basmodellen CSM-1B, som du antingen driftar själv eller når via en leverantör som listar den: 1B parametrar, 4K kontext, en text-till-tal-modell med zero-shot-röstkloning men utan egna verktygsanrop. Det oktober förändrar är färdriktningen: assistenterna ansluter till MCP-servrar, och Sesame säger att de "lägger till utvecklarverktyg så att du kan göra dina egna Sesame-appar senare i år". Det planerna tillför är en antydan om affärsmodellen som verktygen kommer att vila på – förbrukningsdebiterad samtalstid plus förbrukningsdebiterat agentarbete, sålt som nivåer. En assistent som du kan bygga ut och nu betala per timme är ett steg från en assistent som du kan anropa per token.
Det vanligare sättet 2026 att sätta ihop en anpassad röstagent är fortfarande att para ihop ett tallager med en texthjärna som avgör vad som ska sägas – och det är precis en sådan hjärna en router ligger framför. OrcaRouter ger dig 200+ modeller bakom en OpenAI-kompatibel slutpunkt till leverantörens listpris, vidarebefordrad utan påslag, så när en leverantör sänker ett pris är det live här samma dag; automatisk failover är det säkra sättet att sätta en alldeles nysläppt, obeprövad modell på en verklig väg bredvid en beprövad. För att vara ärliga om vår egen täckning: ingen Sesame-modell är en rutt här i dag, CSM-1B inkluderad – så inget av ovanstående innebär att du hyr Sesames röst. Det är mönstret för textsidan medan rösten förblir stängd, och mönstret du skulle vilja ha den dag den inte längre är stängd.
Testet för "drive mode"
TestingCatalogs fras från augusti – "my drive mode default" – är fortfarande den skarpaste sammanfattningen av vad Sesame Preview är till för, och oktober gjorde den mer bokstavlig och mer konsekvensrik. Körläge är det svåraste fallet för en röstassistent: händerna upptagna, blicken på vägen, ingen skärm att falla tillbaka på, inget tålamod med turtagningsfel i hög fart. Lägg till datoranvändning och insatserna förändras – du delegerar nu uppgifter som du inte kan verifiera från förarsätet till en agent som ger sig ut, agerar och återkommer med en uppdatering. Uttrycksfull prosodi som förmedlar betydelse utan en skärm, och avbrottshantering som låter dig bryta in mitt i en mening, är fortfarande anledningarna till att den här rösten är värd bilturen.
Planerna tillför ett mindre romantiskt felmod till det testet. Eftersom uppgiftsarbete förbrukar krediter i stället för samtalstid är det som tar slut i en bil inte samtalet utan utförandet: nå veckans kredittak och samtalen fortsätter på Standard intelligence medan varje schemalagd färdighet pausas till återställningen. Femton minuters samtalstid kvar och inga krediter är ett sämre läge än tio minuter och en full kvot, och appen varnar dig innan du hamnar där i stället för efter.
Vad du ska titta på härnäst
Fem saker skulle förändra den här historien. För det första ett API eller modell-ID för produktionsrösten – händelsen som förvandlar Sesame från en konsumentapp till något en utvecklare kan routa till, och ögonblicket då den kan prissättas per token i stället för per månad. För det andra huruvida planstrukturen håller sin form: i dag annonseras varje funktion på varje nivå, så nivåerna skiljer sig bara i kvot. Om en enda funktion flyttas bakom Plus skulle det visa att förbrukningsmätningen var ett test snarare än en design. För det tredje utvecklarverktygen som Sesame har utlovat till "senare i år": om du kan bygga en Sesame-app blir appens röst programmatiskt intressant även utan ett API i klassisk mening. För det fjärde öppna vikter – CSM-1B har varit ensam på Hugging Face sedan mars 2025, och en nyare eller större öppen CSM skulle låta vem som helst köra rösten själv i stället för att hyra timmar. För det femte glasögonen, som inte längre är ett rykte: under den 5 och 6 oktober angav företaget 2027 som datum för glasögonen, sade att de ska tillverkas i Japan och beskrev assistenten som det operativsystem de kör.
Vanliga frågor
Är Sesame fortfarande gratis?
Delvis. Appen laddas ner gratis och Free-nivån behåller full åtkomst till alla funktioner, med en gräns på 30 minuters samtalstid per dag och ett begränsat veckovis kreditutrymme; webbläsarens Research Preview har samma dagliga tak på 30 minuter. Plus kostar $20 i månaden för två timmar om dagen och fyra gånger så många krediter, Pro kostar $100 i månaden för tio timmar om dagen och tjugo gånger så många krediter, och à la carte-paket ($5 per timme samtalstid, $5 per tusen krediter) låter dig fylla på utan att prenumerera. Allt faktureras via App Store eller Google Play.
Har Sesame ett API för appens röst?
Nej. Produktionsmodellen bakom appen är inte släppt – inget modell-ID, ingen endpoint och inget pris per token – även om släppet i oktober säger att den underliggande Conversational Speech Model uppdaterades. De betalda planerna är konsumentabonnemang, inte utvecklarpriser. Den enda Sesame-modell en utvecklare kan anropa i dag är basmodellen CSM-1B med öppna vikter, som du skulle vara värd för själv eller nå via en leverantör som tillhandahåller den. Assistenterna kan ansluta till externa MCP-servrar, men det låter dem använda dina verktyg; det låter inte din kod använda dem.
Hur bra är rösten, egentligen?
Det finns ingen oberoende poäng. Appmodellen finns inte med på topplistan för tal-till-tal hos Artificial Analysis, och Sesame har inte publicerat något tredjepartsbenchmark för den. Det som finns är leverantörens egen redogörelse för vad som förändrades i oktober – mer uttrycksfullhet, bättre uttal, mindre inställsamhet – plus Sesames öppna TurnBench, som mäter samtalsväxling snarare än den här appen, och den öppna CSM-1B, vars naturlighet är den enda delen av Sesames röstarbete som vem som helst kan köra självständigt.
Sesame Preview tillbringade oktober med att bli en produkt och har sedan dess blivit en affärsverksamhet, och de två sakerna är värda att hålla isär. Som användare är frågan inte längre om rösten är imponerande – utan om 30 minuter om dagen räcker till hur du faktiskt pratar, om $20 köper tillräckligt med utrymme, och om det veckovisa kredittaket infaller mitt i något du har schemalagt. Som utvecklare förändrades ingenting alls: inget API, inget modell-ID, ingen minutpris, ingen poäng. Prova rösten på gratisnivån innan du prenumererar, se vad kreditstupet gör med en verklig vecka i stället för en demovecka, och håll ett öga på modell-ID:t – för i samma stund som Sesame släpper ett upphör detta att vara en konsumenthistoria och blir en utvecklarhistoria över en natt.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
