สร้างการ์ดชื่อเรื่องชื่อ GPT-Live-1.1 vs Sesame Preview พร้อมคำโปรยว่า ตารางอัตราค่าบริการเทียบกับการสมัครสมาชิก โดยแสดงการ์ดด้านซ้ายที่ระบุชื่อ GPT-Live-1.1 พร้อม $0.05 ต่อนาทีที่ใช้งาน $0.02 ต่อนาทีในโหมดสแตนด์บาย และ API แบบคิดค่าตามปริมาณการใช้งาน และการ์ดด้านขวาที่ระบุชื่อ Sesame Preview พร้อม $20 ต่อเดือนสำหรับ Plus $100 ต่อเดือนสำหรับ Pro และมีเฉพาะแอปสำหรับผู้บริโภคเท่านั้น
Guides & Insights

GPT-Live-1.1 กับ Sesame Preview: เรทการ์ดค่าบริการเทียบกับการสมัครสมาชิก

ผู้เขียน

Elias Hawthorne

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

สองตัวนี้ถูกนำมาเปรียบเทียบกันอยู่ตลอด และการเปรียบเทียบนั้นมักเป็นเรื่องที่ผิดพลาด GPT-Live-1.1 และ Sesame Previewทั้งคู่สนทนาได้ ทั้งคู่จัดการกับการขัดจังหวะได้ และทั้งคู่มักถูกบรรยายว่าฟังดูไม่เหมือนระบบตอบรับโทรศัพท์อัตโนมัติเท่ากับรุ่นก่อนหน้า แต่ตัวหนึ่งเป็น API แบบคิดค่าบริการตามการใช้งาน และอีกตัวเป็นแอปแบบสมัครสมาชิก และเมื่อคุณสังเกตเห็นสิ่งนี้ คำถามที่น่าสนใจส่วนใหญ่เกี่ยวกับทั้งสองก็เลิกเป็นเรื่องของคุณภาพเสียงไปเลย

GPT-Live-1.1 มาถึง O​penAI API เมื่อวันที่ 19 พฤศจิกายน 2026 ห้าสัปดาห์หลังจากที่มันเข้ามาแทนที่ GPT-Live-1 ภายใน ChatGPT Voice ส่วน Sesame Preview วางจำหน่ายให้ผู้บริโภคตั้งแต่เดือนพฤษภาคม 2026 และอยู่บน Android ตั้งแต่ต้นเดือนสิงหาคม ในเดือนตุลาคมได้เพิ่มรายการราคา ได้แก่ Free, Plus ราคา $20 ต่อเดือน และ Pro ราคา $100 ต่อเดือน ซึ่งขายผ่าน App Store และ G​oogle Play ไม่มีบริษัทใดเผยแพร่เบนช์มาร์กที่ทำให้วางสองเสียงไว้บนแกนเดียวกันได้ และยังไม่มีห้องปฏิบัติการอิสระใดจัดทำขึ้น ดังนั้นทุกอย่างด้านล่างจึงว่าด้วยว่าผลิตภัณฑ์แต่ละตัวมีลักษณะอย่างไร ไม่ใช่ว่าเสียงไหนฟังดูดีกว่า เพราะคำถามข้อหลังยังไม่มีคำตอบที่วัดได้ในปัจจุบัน

สองผลิตภัณฑ์ สองโมเดลธุรกิจ

วิธีที่ชัดเจนที่สุดในการมองเห็นการแบ่งแยกคือการถามว่าคุณกำลังซื้ออะไร

• การเข้าถึง — GPT-Live-1.1 เป็น ID ของโมเดลบน v1/live/sessions ซึ่งเรียกใช้ได้จากแอปพลิเคชันของคุณเอง เทียบกับ Sesame Preview ที่เป็นแอปสำหรับ iOS และ Android โดยไม่มี API สาธารณะและไม่มี ID ของโมเดล

• ราคา — GPT-Live-1.1 คิดค่าบริการเป็นรายวินาที: $0.05 ต่อนาทีเสียงที่ใช้งานอยู่, $0.02 เมื่ออยู่ในโหมดสแตนด์บาย เทียบกับ Sesame ที่ขายโควต้ารายเดือน: Free ราคา $0 (เวลาพูดคุย 30 นาทีต่อวัน), Plus ราคา $20 (2 ชั่วโมงต่อวัน), Pro ราคา $100 (10 ชั่วโมงต่อวัน)

• ใครเป็นผู้จ่าย — GPT-Live-1.1 ถูกเรียกเก็บเงินกับบัญชีนักพัฒนา พร้อมค่าบริการโทเค็นแยกต่างหากสำหรับแบ็กเอนด์ที่มันส่งงานต่อไป เทียบกับ Sesame ที่เรียกเก็บเงินจากผู้บริโภคผ่านแอปสโตร์

• เสียง — GPT-Live-1.1 มีเสียงที่ตั้งชื่อไว้ 21 เสียง ครอบคลุมภาษาอังกฤษ โปรตุเกส เยอรมัน ฝรั่งเศส ฮินดี ญี่ปุ่น และเกาหลี พร้อมความสามารถในการสร้างเสียงจากพรอมต์ เทียบกับ Sesame ที่มีสี่คาแรกเตอร์ — Maya, Miles, Simone และ Charlie

• การปรับแต่ง — GPT-Live-1.1 ให้คุณเขียนคำสั่งสำหรับเซสชัน เลือกโหมดการมอบหมายงาน และกำหนดเวลาหมดอายุเมื่อไม่มีการใช้งาน ต่างจากเอเจนต์ของ Sesame ที่มีบุคลิกเฉพาะตัวให้คุณเลือกใช้ มากกว่าจะเป็นพื้นผิวการกำหนดค่าที่คุณเขียนโต้ตอบด้วย

• น้ำหนักโมเดลแบบเปิด — GPT-Live-1.1 เป็นแบบปิด ในขณะที่ CSM-1B ของ Sesame เป็น Apache 2.0 บน Hugging Face และไม่ใช่โมเดลที่อยู่ในแอป

Generated two-column scoreboard titled 'GPT-Live-1.1 vs Sesame Preview — the scoreboard' with six matched rows: access (v1/live/sessions API vs iOS and Android app), pricing ($0.05 and $0.02 per minute vs $20 and $100 per month), who pays (developer account vs consumer through app stores), voices (21 named, prompt-to-voice vs four characters), customisation (instructions and delegation vs pick a character), and open weights (closed vs CSM-1B, not this model).

ประโยคสุดท้ายนั่นแหละคือสิ่งที่ผู้คนเข้าใจผิดกัน Sesame มีโมเดลเปิดอยู่จริง และมันไม่ใช่ Preview CSM-1B คือโมเดลเสียงสนทนาขนาด 1B พารามิเตอร์ที่เผยแพร่ภายใต้ Apache 2.0 สร้างบนโครงกระดูกสถาปัตยกรรม Llama พร้อมตัวแปลงสัญญาณ Mimi ของ Kyutai และเป็นระบบที่แตกต่างและเล็กกว่าระบบเสียงที่ใช้งานจริงในแอป ใครก็ตามที่บอกคุณว่ากำลังโฮสต์ Sesame Preview ด้วยตัวเอง แท้จริงแล้วกำลังโฮสต์อย่างอื่นอยู่ ช่องว่างระหว่างเดโมกับไฟล์ดาวน์โหลดเป็นข้อเท็จจริงสำคัญของสิ่งที่ Sesame นำเสนอมาตั้งแต่โพสต์วิจัยแรกในเดือนกุมภาพันธ์ 2025 และมันยังไม่ปิดลง

นาทีละ $0.05 ในราคาที่เหมาะสม

อัตราของ GPT-Live-1.1 เป็นเรื่องที่อ่านผิดได้ง่ายทั้งสองทาง จึงควรระบุให้แม่นยำ เซสชันเสียงคิดค่าบริการตามระยะเวลาในอัตรา $0.05 ต่อนาทีที่ใช้งาน โดยคิดเป็นรายวินาทีและไม่ปัดเศษขึ้นเป็นนาที ตั้งแต่ 19 พฤศจิกายน 2026 เป็นต้นมา สามารถกำหนดค่าให้เซสชัน WebRTC หยุดการอนุมานหลังจากไม่มีเสียงพูด 5 ถึง 60 วินาที และคิดค่าบริการ $0.02 ต่อนาทีระหว่างรอ การใช้งานโมเดลแบ็กเอนด์และเครื่องมือคิดค่าบริการแยกต่างหาก ตามมาตรวัดโทเค็นของโมเดลใดก็ตามที่คุณระบุเป็นเป้าหมายการมอบหมาย การสร้างเซสชัน WebRTC จะคิดค่าบริการระยะเวลาการใช้งานเสียง 15 วินาที ณ การเริ่มต้นระบบ โดยจะเครดิตคืนเทียบกับระยะเวลาการใช้งานเมื่อเซสชันเริ่มทำงาน

ดังนั้น สายเปิดต่อเนื่องสามชั่วโมงจึงเท่ากับ $9.00 จากมิเตอร์เสียงเพียงอย่างเดียว ก่อนจะมีโทเค็น backend แม้แต่โทเค็นเดียว นั่นคือตัวเลขที่ควรนำไปเทียบกับแพ็กเกจ Plus ของ Sesame ซึ่งคิด $20 ต่อเดือนสำหรับเวลาพูดสองชั่วโมงต่อวัน — ประมาณ 60 ชั่วโมงต่อเดือน หรือราว $0.33 ต่อชั่วโมง หากใช้โควต้าเต็มที่ เมื่อคิดตามชั่วโมงล้วน ๆ Sesame ถูกกว่าอย่างมาก และที่ถูกกว่านั้นเป็นเพราะเหตุผลที่ไม่เกี่ยวกับความใจกว้างเลย: คุณคือผู้บริโภคคนหนึ่งที่กำลังคุยกับผู้ช่วยหนึ่งตัวภายในแอป ไม่ใช่แอปพลิเคชันที่กำลังเรียกพร้อมกันหลายพันครั้งไปยังปลายทางที่คิดค่าบริการตามการใช้งาน

การเปรียบเทียบจะกลายเป็นเรื่องจริงจังก็ต่อเมื่อคุณถามว่าคุณได้รับอนุญาตให้สร้างอะไร เวลาใช้งานเสียงของ Sesame คือโควตาสำหรับบุคคล ส่วนนาทีของ GPT-Live-1.1 คือต้นทุนสินค้าสำหรับผลิตภัณฑ์ ทีมที่กำลังประเมินตัวหลังไม่สามารถเอาตัวแรกมาใช้แทนได้ ไม่ว่าจะด้วยราคาเท่าใด

Screenshot of Sesame's plans page showing the Free, Plus at $20 and Pro at $100 tiers with their daily talk-time allowances and the one-time top-up prices.

สิ่งที่ไม่มีผลิตภัณฑ์ใดมอบให้คุณได้

ข้อจำกัดของ Sesame ถูกระบุโดยบริษัทและควรค่าแก่การ listing ไว้โดยไม่ทำให้ดูเบาลง แอปคือตัวผลิตภัณฑ์ ไม่มี API ไม่มี model ID ไม่มี rate limit ไม่มีแพ็กเกจองค์กร และไม่มีแผนสร้างรายได้ที่เปิดเผยนอกเหนือจากการสมัครสมาชิก เซสชันถูกจำกัดด้วยโควต้าเวลาพูดต่อวัน — 30 นาทีใน Free สองชั่วโมงใน Plus และสิบชั่วโมงใน Pro — และเอเจนต์พูดได้แต่ไม่ได้ลงมือทำ พวกเขาไม่จอง ซื้อ หรือยื่นเอกสารใด ๆ แทนคุณในแบบที่ API แบบเอเจนต์จะทำได้ แอปมีบน iOS และ Android โดยมีแว่นตาที่ประกาศไว้สำหรับปี 2027 ทิศทางที่ Sesame ระบุคือความร่วมมือด้านการวิจัยและฮาร์ดแวร์

ข้อจำกัดของ GPT-Live-1.1 ก็เป็นรูปธรรมไม่แพ้กัน และไปในทิศทางตรงกันข้าม กล่าวคือ รับเสียงและข้อความเข้า ส่งเสียงและข้อความออก ไม่รองรับภาพและวิดีโอ ตัวมันเองไม่ได้ทำการให้เหตุผล — มันมอบหมายงานให้โมเดลหรือเอเจนต์แบ็กเอนด์ที่คุณกำหนดค่า ผ่านการมอบหมายแบบ Responses หรือการมอบหมายฝั่งไคลเอนต์ — และเข้าถึงได้เฉพาะผ่านv1/live/sessionsเท่านั้น ทั้ง Chat Completions, Responses, Realtime, การถอดเสียงเป็นข้อความ, การแปล และการสังเคราะห์เสียง ต่างถูกระบุว่าเป็นเอนด์พอยต์ที่ไม่รองรับสำหรับโมเดลนี้ หากคุณต้องการการเรียกเพียงครั้งเดียวที่คืนค่าข้อความ นี่ไม่ใช่ตัวนั้น มันคือชั้นเสียงที่มีช่องโหว่ตรงกลางไว้ให้แบ็กเอนด์ของคุณเสียบ

กล่าวอีกนัยหนึ่ง ผลิตภัณฑ์ทั้งสองมีขอบเขตแคบกว่าที่สื่อสารการตลาดของพวกเขาบอกไว้ Sesame ขายเสียงที่คุณนำไปสร้างต่อยอดไม่ได้ ส่วน OpenAI ขายเสียงที่ไม่สามารถคิดได้ด้วยตัวเอง

จุดที่ตัวเลขหยุดลง

ทั้งสองเสียงยังไม่มีคะแนนประเมินอิสระ และควรพูดให้ตรงไปตรงมาว่าช่องว่างนี้สมบูรณ์เพียงใด ดัชนี speech-to-speech ของ Artificial Analysis ซึ่งอ่านเมื่อวันที่ 20 พฤศจิกายน 2026 มี GPT-Live-1 อยู่สองรายการ — 83.2 กับแบ็กเอนด์ระดับ Astra ที่ระดับความพยายามในการให้เหตุผลปานกลาง และ 80.1 กับแบ็กเอนด์ระดับ Sol ที่ระดับต่ำ — และไม่มี GPT-Live-1.1 ซึ่งเพิ่งมีอายุหนึ่งวันบน API ทั้งยังไม่มีโมเดล Sesame อยู่ในดัชนีเลยแม้แต่โมเดลเดียว ไม่มีการวัดโดยบุคคลที่สามสำหรับเสียงปัจจุบันทั้งสองเสียง ดังนั้นข้อกล่าวอ้างใด ๆ ที่ว่าเสียงหนึ่งฟังดูเป็นธรรมชาติมากกว่าอีกเสียงหนึ่ง จึงเป็นเพียงความประทับใจจากการฟังที่ถูกนำเสนอในฐานะผลการค้นพบ

สิ่งที่มีอยู่สำหรับ Sesame คือเบนช์มาร์กที่บริษัทสร้างขึ้นเอง ในเดือนสิงหาคม 2026 บริษัทได้เปิดตัว TurnBench ซึ่งเป็นเบนช์มาร์กแบบเปิดสำหรับการผลัดกันพูดในการสนทนาด้วยเสียง ประกอบด้วยบทสนทนาภาษาอังกฤษที่บันทึกในสตูดิโอแบบสองช่องสัญญาณความยาว 30 ชั่วโมง จาก 154 บทสนทนาและนักพากย์เสียง 106 คน โดยมีการกำกับข้อมูลสามรอบ วัดว่า�าระบบตรวจจับเหตุการณ์การสิ้นสุดช่วงการพูดและการขัดจังหวะได้แม่นยำและรวดเร็วเพียงใด นี่คือผลงานที่มีคุณค่าจริง ๆ — สาขานี้เคยพึ่งพาการบันทึกของ Switchboard จากช่วงต้นทศวรรษ 1990 — และกระดานผู้นำสาธารณะจัดอันดับระบบ 27 ระบบตามรีคอล พร้อมด้วยอัตราผลบวกลวงและความหน่วงมัธยฐานประกอบกัน ไม่มี GPT-Live-1.1 หรือเสียงที่ใช้งานจริงใด ๆ ของ Sesame ปรากฏอยู่ในนั้น เบนช์มาร์กนี้วัดปัญหาที่ทั้งสองผลิตภัณฑ์อ้างว่าแก้ได้ และทั้งคู่ก็ไม่ได้ส่งผลเข้าร่วม

นี่คือสภาพของหลักฐาน: ด้านหนึ่งคือการประเมินโดยมนุษย์ที่ผู้ขายเป็นผู้จัดทำโดยไม่มีตัวเลขระบุไว้ อีกด้านหนึ่งคือโมเดล API ที่เพิ่งมีอายุได้หนึ่งวันโดยไม่มีคะแนนอิสระ และกระดานผู้นำแบบเปิดที่สามารถนำทั้งสองมาเปรียบเทียบกันได้กลับว่างเปล่าจากทั้งคู่

สิ่งที่ OrcaRouter ครอบคลุมและไม่ครอบคลุม

OrcaRouter ไม่ได้ให้บริการผลิตภัณฑ์ทั้งสองรายการนี้ ในแค็ตตาล็อกไม่มีเอนด์พอยต์เสียงแบบ full-duplex ดังนั้นหากคุณต้องการ GPT-Live-1.1 คุณต้องเรียก Live sessions API ของ OpenAI โดยตรง และหากคุณต้องการ Sesame Preview คุณต้องดาวน์โหลดแอป การพูดเป็นอย่างอื่นจะเป็นการโกหกเกี่ยวกับสิ่งที่เราโฮสต์

สิ่งที่เราครอบคลุมคือส่วนหนึ่งของการติดตั้งใช้งาน Live ที่เป็นการเรียกโมเดลตามปกติ GPT-Live-1.1 มอบหมายการให้เหตุผลและการใช้เครื่องมือให้กับแบ็กเอนด์ และคำแนะนำของ O​penAI เองคือให้เริ่มต้นด้วย gpt-6-luna แล้วเปลี่ยนไปใช้ gpt-6-sol สำหรับงานที่ยากขึ้น ทั้งสองพร้อมใช้งานบน OrcaRouter ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม พร้อมกับโมเดลอื่น ๆ ในตระกูล GPT-6 และโมเดลอื่นอีกกว่า 200 โมเดลภายใต้คีย์เดียว โดยมีการสลับสำรองอัตโนมัติข้ามผู้ให้บริการ และมี DSL สำหรับการกำหนดเส้นทางเพื่อประกอบหลายโมเดลไว้ในการเรียกครั้งเดียว หากสมองของ voice agent ของคุณคือส่วนที่คุณต้องการกำหนดเส้นทาง สลับ หรือสลับสำรอง นั่นคือเลเยอร์ที่เราช่วยได้จริง — และเช่นเดียวกันกับฝั่ง text-to-speech ซึ่งมี gpt-4o-mini-tts และโมเดล G​emini TTS ของ G​oogle ให้ใช้งานเช่นกัน

การตัดสินใจที่กล่าวไว้อย่างตรงไปตรงมา

ถ้าคุณกำลังสร้างผลิตภัณฑ์ ทางเลือกนี้ไม่ได้สูสีกันเลย และไม่ใช่เรื่องของคุณภาพเสียง GPT-Live-1.1 เรียกใช้งานได้ คิดราคาตามวินาที และกำหนดค่าได้ ส่วน Sesame Preview เป็นแอปสำหรับผู้บริโภคที่มีโควต้ารายเดือนและไม่มีช่องทางให้เข้าไปใช้งานได้ จงเลือกใช้ตัวแรก และมองตัวที่สองเป็นหลักฐานบ่งชี้ว่าเสียงสนทนากำลังมุ่งไปทางไหน มากกว่าจะมองมันเป็นคอมโพเนนต์ชิ้นหนึ่ง

ถ้าคุณเป็นคนที่กำลังเลือกผู้ช่วย การเปรียบเทียบจะกลับทิศ แพ็กเกจ $20 ของ Sesame ให้เวลาพูดคุยประมาณ 60 ชั่วโมงต่อเดือน ซึ่งใกล้เคียงกับราคาของหกชั่วโมงสี่สิบนาทีบนมาตรวัดเสียงของ GPT-Live-1.1 และมาพร้อมตัวละครที่ออกแบบมาให้พูดคุยด้วย มากกว่าการตั้งค่าเซสชันที่ออกแบบมาให้เขียน API ไม่ใช่ผลิตภัณฑ์ที่ดีกว่าสำหรับงานนั้น มันเป็นเพียงตัวเดียวที่ให้คุณสร้างได้

Generated cost card titled 'Twenty dollars, two meanings', with a left card labelled GPT-Live-1.1 voice meter showing 400 active minutes, or 6 hours 40 minutes at $0.05 a minute, and a right card labelled Sesame Preview Plus tier showing about 60 hours of talk time a month at 2 hours a day, with a single $20 label between them.

สิ่งที่จะเปลี่ยนคำตอบคือ endpoint สาธารณะของ Sesame หรือการวัดเสียงใดเสียงหนึ่งในสองเสียงนี้โดยอิสระ ณ วันที่ 20 พฤศจิกายน 2026 ยังไม่มีทั้งสองอย่าง จนกว่าจะมีสิ่งใดสิ่งหนึ่ง สิ่งที่มีประโยชน์ที่จะพูดเกี่ยวกับ GPT-Live-1.1 เทียบกับ Sesame Preview คือพวกเขาไม่ได้แข่งขันกันจริง ๆ — และการที่พวกเขาถูกนำมาเปรียบเทียบกันเลยนั้น สะท้อนว่าหมวดหมู่นี้ยังใหม่แค่ไหน มากกว่าจะสะท้อนถึงงานของบริษัทใดบริษัทหนึ่ง

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube