
MAI Realtime 1 ของ Microsoft เปิดตัวในราคา 1 เซนต์ต่อนาที — และข้อกล่าวอ้างเรื่อง Copilot ไม่ได้อยู่ในเอกสาร
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 97 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-079 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 134 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 121 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 141 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 265 tok/s
เมื่อวันที่ 17 พฤศจิกายน 2026 ในงาน Ignite Microsoft ได้ประกาศเปิดตัวโมเดลเจ็ดรุ่น หนึ่งในนั้นคือ MAI Realtime 1 ซึ่งเป็นโมเดลเสียงเป็นเสียงรุ่นแรกของบริษัท ในราคา 0.01 ดอลลาร์สหรัฐต่อนาทีเสียง โพสต์บน X ที่ทำให้เราสนใจมันให้ข้อมูลไปไกลกว่าหน้าเพจของ Microsoft เอง โดยระบุว่า Realtime 1 "จะขับเคลื่อน Voice Mode ใน Copilot" และโมเดลนี้ "ให้ความรู้สึกใกล้เคียงกับโมเดล GPT Live มาก" ไม่มีข้อกล่าวอ้างใด ๆ เหล่านี้ปรากฏอยู่ที่ใดในสื่อเปิดตัวของ Microsoft แต่สิ่งที่สื่อนั้นระบุกลับแคบกว่า น่าสนใจกว่า และวางแผนรับมือได้ง่ายกว่า: การพรีวิวแบบจำกัดสิทธิ์การเข้าถึง อินเทอร์เฟซที่เข้ากันได้กับ OpenAI Realtime API และการออกแบบสองระดับที่ส่งช่วงผลัดบทสนทนาที่ยากไปยังเอนจินการให้เหตุผลแยกต่างหากซึ่งคิดค่าบริการตามโทเค็น
ช่องว่างระหว่างโพสต์กับเอกสารคือเรื่องที่ควรจดบันทึกไว้ตั้งแต่วันแรก เพราะฉบับที่ได้ยินต่อ ๆ กันมาแพร่ไปไกลกว่าฉบับที่ได้จากแหล่งแรกอยู่แล้ว นี่คือสิ่งที่ได้รับการบันทึกไว้เป็นเอกสาร สิ่งที่ถูกกล่าวอ้างโดยไม่มีตัวเลข และสิ่งที่คุณเรียกได้จริงในวันนี้
ส่งมอบสองรุ่น ไม่ใช่รุ่นเดียว
โพสต์ระบุชื่อทั้งสอง และก็ถูกต้องที่ทำเช่นนั้น โมเดลเสียงคือ MAI Realtime 1 โมเดลถอดเสียงคือ Dragon Copilot Transcribe ซึ่งสร้างบน MAI Transcribe 2 — เส้นทางการบันทึกเวชระเบียนด้วยเสียงทางคลินิกของ Microsoft ซึ่งบริษัทกล่าวว่าจัดการการถอดเสียงบทสนทนาระหว่างแพทย์กับผู้ป่วยได้ 100% ภายใน Dragon Copilot ครอบคลุมการพบผู้ป่วย 10 ล้านครั้งต่อเดือน ถูกใช้โดยแพทย์ในสหรัฐฯ หนึ่งในสาม และลดอัตราข้อผิดพลาดด้านหลายภาษาได้ครึ่งหนึ่ง ตัวเลขเหล่านี้เป็นของ Microsoft และยังไม่ได้ผ่านการตรวจสอบ และตัวเลขเหล่านี้อธิบายถึงกลุ่มผลิตภัณฑ์ที่มีการใช้งานมาหลายปีมากกว่าโมเดลที่เพิ่งประกาศเมื่อวานนี้ มันเป็นครึ่งที่เติบโตเต็มที่กว่าในคู่นี้ และเป็นครึ่งที่ถูกพูดถึงน้อยกว่า
MAI Realtime 1 คือของใหม่ที่ Microsoft อธิบายว่าเป็นโมเดลแปลงเสียงเป็นเสียง “ที่มีการสนทนาไหลลื่นเป็นธรรมชาติและสามารถควบคุมทิศทางได้อย่างแม่นยำ” โดยผสานความเข้าใจเสียงและการสร้างเสียงเข้ากับการให้เหตุผลแบบเรียลไทม์ เพื่อให้อินเทอร์เฟซเดียวสามารถรองรับเอเจนต์เสียงที่ควบคุมทิศทางได้

หนึ่งเซนต์ต่อนาทีซื้ออะไรได้จริง
อัตราที่พาดหัวคือ $0.01 ต่อนาทีเสียงของการแปลงเสียงเป็นเสียงแบบเรียลไทม์ นั่นคือตัวเลขในชื่อบทความของ Microsoft เอง และเป็นการก้าวกระโดดเชิงขนาดที่แท้จริงเมื่อเทียบกับ voice API ที่ผลิตภัณฑ์นี้มุ่งแข่งขันด้วย แต่นั่นไม่ใช่ค่าใช้จ่ายทั้งหมด และโครงสร้างค่าใช้จ่ายสำคัญกว่าตัวเลขที่พาดหัว:
• บทสนทนาพื้นฐาน — $0.01 ต่อนาทีเสียง โดยครอบคลุมวงจรเสียงเป็นเสียงด้วย
• การใช้เหตุผล — คิดค่าบริการแยกต่างหากในอัตรา $1.00 ต่อล้านโทเค็นอินพุต และ $5.00 ต่อล้านโทเค็นเอาต์พุต
• การเรียกเก็บเงินในช่วงพรีวิว — ลูกค้าที่อยู่ในพรีวิวแบบจำกัดการเข้าถึงของ Foundry จะไม่ถูกเรียกเก็บเงินจนกว่าพรีวิวสาธารณะจะเริ่มขึ้น สิ่งใดก็ตามที่คุณวัดในพรีวิวจะฟรี ซึ่งเป็นเหตุผลที่ดีที่สุดเพียงข้อเดียวที่ควรเริ่มตอนนี้แทนที่จะรอจนถึงช่วงพร้อมใช้งานทั่วไป
• สิ่งที่ยังไม่มีการเผยแพร่ — ไม่มีตัวเลขว่าบทสนทนาจะยกระดับไปยังระดับการให้เหตุผล (reasoning tier) บ่อยเพียงใด หากไม่มีข้อมูลดังกล่าว $0.01 จึงเป็นเพียงขอบเขตขั้นต่ำ ไม่ใช่ค่าประมาณ สายเรียกเข้าฝ่ายสนับสนุนที่ต้องเรียกใช้เอนจินการให้เหตุผลถึงสี่รอบมีต้นทุนสูงกว่าสายที่ไม่เคยออกจากเส้นทางเร็ว (fast path) อย่างมีนัยสำคัญ และ Microsoft ยังไม่ได้ระบุว่าสัดส่วนดังกล่าวเป็นอย่างไรในทางปฏิบัติ
เมื่อเทียบกับโมเดลที่ถูกนำมาเปรียบเทียบด้วยในวันแรก GPT Live 1 ของ OpenAI ราคา $0.05 ต่อนาทีสำหรับเซสชันเสียง โดยคิดค่าบริการรายวินาที และมีค่าใช้จ่ายของโมเดลแบ็กเอนด์และการใช้เครื่องมือเพิ่มเติม GPT Realtime 2.1 ของ OpenAI คิดราคาตามโทเคนแทน — $32 ต่อล้านโทเคนอินพุตเสียง และ $64 ต่อล้านโทเคนเอาต์พุตเสียง ซึ่ง Artificial Analysis ปรับให้เป็นมาตรฐานที่ประมาณ $10.75 ต่อชั่วโมงที่การตั้งค่า High ของมัน Eleven Realtime Max ของ ElevenLabs อยู่ที่ประมาณ $4.80 ต่อชั่วโมงบนพื้นฐานอิสระเดียวกัน ค่าใช้จ่ายระดับเซนต์ของ Microsoft คำนวณออกมาเป็น $0.60 ต่อชั่วโมงก่อนโทเคนการให้เหตุผลใด ๆ เมื่อดูเฉพาะสายเสียงเพียงอย่างเดียว นั่นคือช่องว่างที่แท้จริง เมื่อรวมการให้เหตุผลเข้าไปในบิลแล้ว มันจะเป็นช่วง ไม่ใช่ตัวเลขตัวเดียว

ข้อกล่าวอ้างด้านความสามารถสี่ข้อ โดยสองข้อมีหมายเลขกำกับ
รายการความสามารถนี้อ่านแล้วเข้าใจง่ายและเป็นเชิงคุณภาพทั้งหมด Microsoft กล่าวว่าโมเดลนี้รับมือกับการพูดขัดและคำตอบรับสั้น ๆ ได้ และรู้ว่าควรปล่อยให้ผู้พูดพูดจบเมื่อใด; ระบบที่รวดเร็วช่วยให้บทสนทนาเป็นเรียลไทม์ ขณะที่งานที่ยากกว่าจะถูกส่งต่อไปยังเอนจินการให้เหตุผลที่แข็งแกร่งกว่าโดยไม่เกิดช่วงหยุดที่น่าอึดอัด; ยังจดจำคำขอได้แม้มีเสียงรบกวนรอบข้างและเสียงของผู้อื่น; เชื่อมต่อกับระบบองค์กรเพื่อดำเนินการตามคำขอหลายขั้นตอน; และสามารถกำหนดทิศทางโทน สไตล์ และพฤติกรรมได้ผ่านการพรอมป์ต์
ในทางกลับกัน ด้านการวัดผลกลับมีข้อมูลบางเบาและเป็นการรายงานตนเองทั้งหมด Microsoft กล่าวว่า MAI Realtime 1 "อยู่บนเส้นพรมแดนพาเรโตด้านประสิทธิภาพเทียบราคา" สำหรับการให้เหตุผลด้านเสียงของ Big Bench Audio และชุดทดสอบงานแบบเอเจนต์ τ-Voice และกล่าวว่าโมเดลนี้เหนือกว่า GPT Realtime 2.1 ทั้งด้านคุณภาพ ความเร็ว และราคา ตัวเลขความแม่นยำเพียงตัวเดียวที่บริษัทเผยแพร่คือบนหน้ารุ่นโมเดล: 98.8% บน Big Bench Audio ซึ่งในหน้านั้นอธิบายว่าเป็น "ความแม่นยำในคำถามให้เหตุผลแบบพูดจากชุดทดสอบ Big Bench Audio" นั่นเป็นตัวเลขจากผู้ขาย ที่ผู้ขายสร้างขึ้น บนชุดทดสอบที่ผู้ขายเลือก โดยไม่มีหมายเหตุระเบียบวิธีกำกับอยู่ข้าง ๆ หน้าเดียวกันมีการ์ด P50 "time to first audio" และการ์ดที่สองที่ระบุว่า "P50 Latency on BigBench Audio" และไม่มีคะแนน τ-Voice ใด ๆ เลย ไม่มีการเผยแพร่รายการภาษาเช่นกัน
ดังนั้นการตีความอย่างซื่อตรงจึงแคบกว่าทั้งสองสุดโต่ง นี่ไม่ใช่โมเดลที่ไม่มีตัวเลขเลย แต่เป็นโมเดลที่มีตัวเลขความแม่นยำหนึ่งค่า ตัวเลขความหน่วงภายในหนึ่งค่า และไม่มีการทวนสอบอิสระสำหรับค่าใดค่าหนึ่งเลย บอร์ด speech-to-speech ของ Artificial Analysis ไม่มี MAI Realtime 1 ณ วันที่ 18 พฤศจิกายน ซึ่งหมายความว่าไม่มีใครรันซ้ำตัวเลข 98.8% นั้นภายใต้ฮาร์เนสที่คุณตรวจสอบได้ มองมันเป็นข้อกล่าวอ้างที่บังเอิญถูกกำหนดเป็นตัวเลข มากกว่าจะเป็นผลลัพธ์
นี่ไม่ใช่เหตุผลที่จะตัดทิ้งโมเดลนี้ แต่เป็นเหตุผลที่จะถือว่าทุกการเปรียบเทียบที่คุณอ่านในสัปดาห์นี้ รวมถึงอันที่อยู่ในโพสต์ที่ทำให้เรื่องนี้ถูกหยิบขึ้นมา เป็นเพียงความประทับใจเท่านั้น “รู้สึกว่าใกล้เคียงกับโมเดล GPT Live มาก” เป็นข้อความที่ทดสอบได้ ซึ่งยังไม่มีใครทดสอบต่อสาธารณะ และชุดทดสอบอิสระก็ยังไม่ได้ให้คะแนน MAI Realtime 1 เช่นกัน — กระดาน speech-to-speech ของ Artificial Analysis ยังไม่มีการจัดอันดับโมเดลนี้ ณ วันที่ 18 พฤศจิกายน เป้าหมายการเปรียบเทียบที่ Microsoft เลือกเองคือ GPT Realtime 2.1 ซึ่งเป็นโมเดลเสียงที่ใช้การให้เหตุผลแบบต่อโทเคน ไม่ใช่ GPT Live 1 ซึ่งเป็นตัว full-duplex สองผลิตภัณฑ์นี้แตกต่างกันและมีโครงสร้างราคาต่างกัน และการเปรียบเทียบแบบตัวต่อตัวจากผู้ขายยังไม่มีสำหรับตัวที่สอง
คำถามเกี่ยวกับ Copilot
สิ่งที่เอกสารของ Microsoft ระบุจริงเกี่ยวกับ Copilot นั้นเจาะจงและแคบกว่าคำว่า "Voice Mode" มาก โดย MAI Realtime 1 กำลังจะมาในDynamics 365 Contact Centerสำหรับการบริการลูกค้า และกำลังจะมาในDragon Copilotสำหรับบทสนทนาผู้ป่วยจำลองที่ช่วยให้พยาบาลฝึกซ้อมการปฏิสัมพันธ์ทางคลินิก ทั้งสองกรณีมีการระบุชื่อชัดเจน ทั้งสองเป็นการติดตั้งใช้งานในองค์กร และทั้งสองเป็นรูปอนาคตกาล
Copilot Voice Mode ก็ไม่ใช่เช่นกัน ทรานสคริปต์คีย์โนตของ Ignite ไม่ได้กล่าวถึง Realtime 1 เลย — มันปรากฏเฉพาะในรายการเรื่องที่เกี่ยวข้องเท่านั้น — และหน้าของโมเดลก็ไม่ได้กล่าวถึง Copilot ในรูปแบบใด ๆ ดังนั้น ข้อกล่าวอ้างที่ว่า Realtime 1 จะขับเคลื่อน Voice Mode ใน Copilot นั้น ณ วันนี้ยังไม่มีแหล่งที่มา มันอาจกลายเป็นความจริงก็ได้ ฟีเจอร์เสียง Copilot สำหรับผู้บริโภคเป็นสถานที่ที่ชัดเจนสำหรับการวางโมเดลที่ราคาหนึ่งเซนต์ต่อนาที แต่การตัดสินใจด้านผลิตภัณฑ์ที่ยังไม่ได้ประกาศนั้นไม่เหมือนกับการตัดสินใจที่ประกาศแล้ว และการวางแผนการย้ายระบบโดยอิงกับโรดแมปที่ยังไม่ประกาศ คือวิธีที่ทำให้ทีมลงเอยด้วยการผสานรวมที่ไม่มีใครรองรับ

ใครสามารถเรียกได้ และอย่างไร
ปัจจุบันความพร้อมใช้งานมีสองประตู และทั้งสองบานก็แคบ มีเดโมอยู่ใน MAI Labs ซึ่งเป็นพื้นที่พรีวิวแบบจำกัดของ Microsoft สำหรับโมเดลใหม่และโมเดลทดลอง: เซสชันละสองนาที ต้องลงชื่อเข้าใช้ อายุ 18 ปีขึ้นไป ใช้ส่วนตัวเพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น ระหว่างการตรวจสอบของเรา ตัวเดโมเองรายงานว่า "MAI Realtime ไม่พร้อมให้บริการในขณะนี้" ซึ่งเป็นสิ่งที่ควรรู้ไว้ก่อนที่คุณจะวางแผนให้ทีมประเมินผลโดยอิงจากสิ่งนี้ ประตูที่สองคือพรีวิวแบบจำกัดการเข้าถึงของ Foundry ซึ่งเข้าถึงได้ผ่านแบบฟอร์มลงทะเบียนแทนที่จะเป็นคีย์แบบบริการตนเอง
รายละเอียดที่สำคัญที่สุดสำหรับงานวิศวกรรมคือความเข้ากันได้: MAI Realtime 1 ใช้ OpenAI Realtime API. หากสแต็กเสียงของคุณสร้างขึ้นบนอินเทอร์เฟซนั้นอยู่แล้ว การประเมินก็คือการเปลี่ยน base-URL และสตริงโมเดล แทนการเขียนใหม่ — ซึ่งเป็นข้อได้เปรียบเชิงปฏิบัติแบบเดียวกับที่ ElevenLabs ได้มาโดยการเปิดตัว Realtime endpoint ที่เข้ากันได้กับ OpenAI หากสแต็กของคุณสร้างขึ้นบนโปรโตคอลเซสชันของผู้ให้บริการรายอื่น ตัวพรีวิวก็เป็นโครงการพอร์ตจริง ไม่ว่าราคาจะเป็นเท่าใด
การส่งต่อกระบวนการให้เหตุผลคือส่วนที่คุ้มค่าที่จะออกแบบโดยยึดเป็นแกนกลาง
การออกแบบสองระดับเป็นสิ่งที่มีผลกระทบมากที่สุดในการประกาศครั้งนี้ และเป็นสิ่งที่พาดหัวข่าวราคาปิดบังไว้ หนึ่งเซนต์ซื้อเส้นทางเร็วได้ ทันทีที่ผู้โทรถามสิ่งที่ต้องมีการวางแผน การเรียกใช้เครื่องมือข้ามระบบองค์กร หรือคำตอบหลายขั้นตอนที่ต้องพิถีพิถัน เทิร์นนั้นจะออกจากโมเดลเสียงและไปลงบนโมเดลการให้เหตุผลที่คิดค่าบริการ $1 และ $5 ต่อล้านโทเค็น นั่นคือใบอัตราค่าบริการของโมเดลข้อความทั่วไปที่แนบมากับผลิตภัณฑ์เสียง ซึ่งหมายความว่าบิลเสียงของคุณตอนนี้มีบิลข้อความอยู่ข้างใน และงบประมาณความหน่วงของคุณมีโมเดลตัวที่สองอยู่ด้วย
นั่นคือจุดเชื่อมต่อที่เราเตอร์ควรเข้าไปอยู่พอดี OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยคิดส่วนบวกเพิ่ม 0% ดังนั้นเมื่ออัตราของระดับการให้เหตุผลเปลี่ยนแปลง ตัวเลขที่เกตเวย์ของคุณรายงานจะเปลี่ยนในวันเดียวกัน แทนที่จะเป็นตอนต่อสัญญาครั้งถัดไป การสลับไปยังระบบสำรองอัตโนมัติมีความสำคัญที่นี่มากกว่าในผลิตภัณฑ์แชต: เทิร์นเสียงที่หยุดชะงักคือคนที่กำลังฟังความเงียบ และคำขอที่สลับไปยังผู้ให้บริการรายที่สองภายใน 400 มิลลิวินาทีนั้นแทบมองไม่เห็น ขณะที่คำขอที่ลองใหม่เป็นเวลาสี่วินาทีนั้นไม่เป็นเช่นนั้น DSL การกำหนดเส้นทางคืออีกครึ่งหนึ่ง — เส้นทางการสนทนาที่รวดเร็วและการยกระดับสู่การให้เหตุผลสามารถประกอบกันเป็นการเรียกครั้งเดียว เพื่อให้การส่งต่อเป็นการกำหนดเส้นทางแทนที่จะเป็นลอจิกแอปพลิเคชันที่คุณต้องดูแลเอง
เพื่อให้ชัดเจนว่าเรามีอะไรให้บริการและไม่มีอะไร: {{1}}MAI Realtime 1{{/1}} ไม่ได้อยู่ในแคตตาล็อกของ {{2}}OrcaRouter{{/2}} แต่สามารถเข้าถึงได้ผ่านเดโมของ {{3}}Microsoft{{/3}} {{4}}MAI Labs{{/4}} และพรีวิวแบบจำกัดสิทธิ์การเข้าถึงของ {{5}}Foundry{{/5}} ส่วนโมเดลการให้เหตุผลที่อยู่เบื้องหลัง {{6}}voice agent{{/6}} นั้นเป็นอีกเรื่องหนึ่ง — นั่นคือเลเยอร์ที่เราจัดเส้นทาง และเป็นเลเยอร์ที่การเปลี่ยนแปลงราคาภายในวันเดียวกันหรือปัญหาขัดข้องชั่วคราวจากผู้ให้บริการส่งผลถึงผู้ใช้ของคุณได้จริง
จะวัดอะไรในพรีวิว ในเมื่อ Microsoft วัดมันแบบส่วนตัว
เนื่องจากพรีวิวไม่มีการเรียกเก็บเงินจนกว่าจะถึงช่วงพับลิกพรีวิว งานที่มีประโยชน์และประหยัดที่สุดในเดือนนี้คือการวัดผลมากกว่าการจัดซื้อจัดหา ตัวเลขสี่ตัวจะเป็นตัวตัดสินว่าเซนต์จะยังคงอยู่ได้หรือไม่:
• อัตราการยกระดับ — สัดส่วนของเทิร์นที่ออกจากเส้นทางด่วนไปยังระดับการให้เหตุผล สิ่งนี้แปลง $0.01 ให้เป็นต้นทุนจริงต่อการเรียกหนึ่งครั้ง และเป็นตัวเลขเดียวที่ Microsoft ละเว้นไปโดยสิ้นเชิง
• เวลาถึงเสียงแรก โดยวัดบนเส้นทางเสียงของคุณเอง หน้าโมเดลของ Microsoft แสดงตัวเลข P50 สำหรับค่านี้ แต่ P50 ที่ไม่มีข้อมูลการกระจายรองรับจะไม่บอกอะไรคุณเกี่ยวกับหาง (tail) ของคุณเลย และหางคือสิ่งที่ผู้โทรสังเกตเห็น วัดรอบที่ช้าที่สุดในหนึ่งร้อยรอบ ไม่ใช่ค่ามัธยฐาน
• พฤติกรรมการขัดจังหวะเมื่อมีการพูดทับซ้อนกันจริง — คำกล่าวอ้างของผู้จำหน่ายคือระบบสามารถแยกสัญญาณตอบรับ (backchannel) ออกจากการขัดจังหวะและการแก้ไขคำพูดได้ นั่นคือคำกล่าวอ้างที่คุณพิสูจน์ว่าผิดได้ภายในบ่ายเดียวด้วยไฟล์เสียงบทสนทนาที่บันทึกไว้ และมันคือความแตกต่างระหว่างเอเจนต์ที่ให้ความรู้สึกเป็นธรรมชาติกับเอเจนต์ที่พูดทับคนอื่น
• อัตราข้อผิดพลาดกับ{{1}}คำศัพท์เฉพาะโดเมนของคุณเอง{{/1}} เสียงจากศูนย์บริการลูกค้าและเสียงทางคลินิกคือจุดที่โมเดลการรู้จำเสียงทั่วไปล้มเหลว และ{{2}}ตัวเลขทางคลินิกของ Dragon Copilot{{/2}}ไม่ได้บอกอะไรเกี่ยวกับชื่อผลิตภัณฑ์ของคุณ
ลองนำสิ่งเหล่านั้นไปเทียบกับผู้ให้บริการรายเดิมรายหนึ่ง而非เทียบกับใบสเปก การประเมินตามจริง ณ วันที่ 18 พฤศจิกายน คือ MAI Realtime 1 มีราคาที่ดุที่สุดในหมวดและมีหลักฐานสาธารณะที่บางที่สุด — ตัวเลข 98.8% ที่ยังไม่ได้ตรวจสอบหนึ่งตัวและเปอร์เซ็นไทล์ความหน่วงหนึ่งค่า เทียบกับคู่แข่งที่มีชุดทดสอบให้คุณตรวจสอบได้ — ว่าเป้าหมายด้าน Copilot ของมันถูกบันทึกไว้เพียงในฐานะการติดตั้งใช้งานในศูนย์ติดต่อลูกค้าและการฝึกอบรมพยาบาล และว่าข้ออ้างที่ว่าจะขับเคลื่อน Copilot Voice Mode เป็นเพียงโพสต์ ไม่ใช่ข่าวประชาสัมพันธ์ หนึ่งเซนต์ต่อนาทีนั้นถูกพอที่จะทดลอง และถูกเกินกว่าจะเชื่อถือได้โดยไม่วัด
