
Sesame Preview ตอนนี้มีแพ็กเกจแล้ว: ฟรี, Plus ราคา $20, Pro ราคา $100 — และยังไม่มี Voice API
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 189 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 229 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 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
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 41 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 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
เกือบหกสัปดาห์หลังจากการอัปเกรดในเดือนตุลาคมที่มอบคอมพิวเตอร์ให้เอเจนต์ของตน Sesame Preview — แอปที่อยู่ในพรีวิวสาธารณะตั้งแต่เดือนพฤษภาคม 2026 — มีรายการราคาแล้ว หน้าตาแผนราคาของ Sesame เองตอนนี้ขายสามระดับ ได้แก่ ฟรีที่ $0 พร้อมเวลาพูดคุย 30 นาทีต่อวัน, Plus ที่ $20 ต่อเดือนโดยได้สิทธิ์เป็นสี่เท่าของจำนวนนั้น และ Pro ที่ $100 ต่อเดือนโดยได้ยี่สิบเท่าของจำนวนนั้น — เรียกเก็บเงินผ่าน App Store และ Google Play แทนที่จะเป็นบนเว็บ ราคาเหล่านี้เป็นราคาที่ผู้ขายระบุไว้บนหน้าของผู้ขายเอง ไม่ใช่ตัวเลขที่วัดได้ และไม่ใช่การรีวิวอิสระ ทุกอย่างภายใต้ราคาเหล่านั้นไม่เปลี่ยนแปลง เสียงในเวอร์ชันใช้งานจริงยังไม่มี API ไม่มี model ID และไม่มีคะแนนอิสระ และโมเดล Sesame เดียวที่ใครก็ตามภายนอกแอปสามารถโหลดได้ยังคงเป็นแบบ open-weight CSM-1B.
สามระดับตามที่เผยแพร่:
• ฟรี — $0. เวลาพูดคุย 30 นาทีต่อวัน พร้อมโควตาเครดิตจำกัดรายสัปดาห์สำหรับการส่งข้อความและงาน
• Plus — เดือนละ $20 เวลาสนทนาวันละสองชั่วโมง เครดิตประจำสัปดาห์ของ Free เป็นสี่เท่า และทดลองใช้ฟรีหนึ่งสัปดาห์ที่ใครก็ใช้ได้หนึ่งครั้ง
• Pro — 100 ดอลลาร์ต่อเดือน เวลาพูดคุย 10 ชั่วโมงต่อวัน และเครดิตประจำสัปดาห์ของ Free 20 เท่า
Sesame เป็นผู้กำหนดเส้นแบ่งที่สำคัญเอง: การพูดคุยในสายจะใช้เวลาสนทนา และ "ทุกสิ่งที่เอเจนต์ลงมือทำ" จะใช้เครดิต ไม่ว่าคุณจะถามด้วยเสียงหรือข้อความ มิเตอร์สองตัวจึงหมดลงไม่เหมือนกัน เวลาสนทนารีเซ็ตทุกวัน และเครดิตจะรีเซ็ตทุกสัปดาห์ การใช้เครดิตหมดไม่ทำให้สายถูกตัด — แต่จะลดคุณจากความฉลาดระดับ Max ลงเป็น Standard และสกิลที่ตั้งเวลาไว้จะหยุดชั่วคราวจนถึงการรีเซ็ตรายสัปดาห์ แล้วจึงกลับมาทำต่อจากจุดที่ค้างไว้ การใช้เวลาสนทนาหมดคือกำแพงที่รับมือยากกว่า: คุณยังส่งข้อความได้ แต่ความฉลาดของโมเดลจะลดลงและความสามารถบางอย่างจะถูกจำกัด ในรายการระดับแพ็กเกจ "เวลาสนทนาเพิ่มขึ้นสี่เท่า" และ "เครดิตเพิ่มขึ้นสี่เท่า" เป็นสองคำสัญญาแยกกันที่อาจหมดลงคนละวัน
ตัวเลขที่ตัดสินระดับแพ็กเกจจริง ๆ ไม่ใช่ราคาที่โฆษณาไว้ แต่เป็นอัตราค่าเสริม Sesame ขายเวลาโทรเพิ่มในราคา $5 ต่อหนึ่งชั่วโมง และ $20 ต่อห้าชั่วโมง ส่วนเครดิตขายที่ $5 ต่อหนึ่งพัน และ $20 ต่อห้าพัน แพ็กไม่หมดอายุ และจะถูกใช้ก็ต่อเมื่อสิทธิ์ในแพ็กเกจของคุณหมดแล้ว ในอัตรานั้น สองชั่วโมงต่อวันของ Plus — ประมาณ 60 ชั่วโมงในเดือน 30 วัน — มีค่าใช้จ่าย $20 ขณะที่เวลาโทรแบบ à-la-carte $20 ซื้อได้ห้าชั่วโมง หากคุณจะใช้ผู้ช่วยมากกว่าสองสามครั้งต่อสัปดาห์ การสมัครสมาชิกให้มูลค่าประมาณสิบสองเท่าของแพ็ก ซึ่งน่าจะเป็นเจตนา: FAQ ของ Sesame เองเรียกทุกแพ็กเกจว่า "ข้อเสนอที่ดีกว่ามากเมื่อเทียบกับการซื้อเวลาเพิ่มหรือเครดิตในปริมาณที่เทียบเท่า"
รายละเอียดเชิงโครงสร้างสองประการสำคัญกว่าที่เห็น ประการแรก ไม่มีการขายบนเว็บ: การซื้อเกิดขึ้นผ่าน App Store หรือ Google Play ดังนั้น Research Preview ในเบราว์เซอร์จึงไม่สามารถอัปเกรดได้เลย ประการที่สอง และนี่คือจุดที่วลี “the preview is ending” ตีความคลาดเคลื่อนไปเล็กน้อย พรีวิวบนเว็บไม่ได้จะหายไป FAQ ของ Sesame ระบุว่าผู้ใช้ที่อยู่นอกประเทศที่แอปให้บริการ “สามารถใช้ Research Preview ต่อไปได้ฟรี โดยมีขีดจำกัดเวลาพูดคุยรายวันที่ตรงกับ Free Plan: 30 นาทีต่อวัน” และว่าเวลาพูดคุยกับเครดิตผูกกับบัญชี ดังนั้นเพดานรายวันเดียวกันจึงใช้กับการโทรผ่านเว็บด้วย สิ่งที่สิ้นสุดคือสิทธิ์แบบไม่จำกัด พรีวิวเองยังคงอยู่ในฐานะระดับฟรี
ตัวแอปเองยังคงเผยแพร่ควบคู่ไปกับระบบการเรียกเก็บเงินใหม่ App Store ระบุเวอร์ชัน 48.0 ลงวันที่ 13 พฤศจิกายน พร้อมบันทึกเผยแพร่ที่โฆษณาว่า “มาตรฐานและ Max Intelligence ที่ดีขึ้น”; Google Play แสดงว่าแอปอัปเดตเมื่อวันที่ 9 พฤศจิกายน มียอดดาวน์โหลด 50,000+ ครั้ง และมีคะแนนเฉลี่ย 4.9 ดาวจากรีวิวประมาณ 2,000 รายการ ภาพหน้าจอด้านล่างไม่ใช่บิลด์นั้น — เป็นภาพที่จับไว้ในเดือนสิงหาคมซึ่งบทความนี้ตีพิมพ์ครั้งแรก เป็นหน้าจอที่ระบุว่า “ตัวอย่างพร้อมใช้งานแล้วบน iOS และ Android” และไม่ได้ระบุราคาไว้เลย ภาพนี้ถูกเก็บไว้เพราะเป็นสถานะสุดท้ายของผลิตภัณฑ์ก่อนที่ระดับแพ็กเกจต่าง ๆ จะมีอยู่

แท้จริงแล้ว Sesame คืออะไร
Sesame ไม่ใช่บริษัทโมเดลที่บังเอิญมีแอปฯ หนึ่ง แต่เป็นบริษัทโมเดลที่แอปฯ คือหัวใจหลัก ห้องแล็บซึ่งก่อตั้งในปี 2023 โดย Brendan Iribe, Ankit Kumar และ Ryan Brown และได้รับการสนับสนุนจาก a16z, Sequoia, Spark และ Matrix ได้สร้าง conversational speech model (CSM) ที่อยู่เบื้องหลังเดโม "Maya" — เสียงที่มีลมหายใจ มีการลังเล และจังหวะการขัดจังหวะที่สมจริงจนผู้ฟังครั้งแรกคิดว่ามีคนอยู่ปลายสาย สินค้าที่ขายอยู่ตอนนี้คือ "personal agents for curious people" เดือนตุลาคมเพิ่มจุดหมายปลายทาง: เมื่อวันที่ 6 ตุลาคม Nate Mitchell ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของบริษัท ได้นิยามผู้ช่วยนี้ว่าเป็นระบบปฏิบัติการสำหรับแว่นตาที่สวมได้ตลอดทั้งวัน — "a voice OS on the frames" ตามถ้อยคำของบริษัท — และหนึ่งวันก่อนหน้านั้น Sesame ประกาศว่ากรอบแว่นจะผลิตในญี่ปุ่นและวางจำหน่ายในปี 2027 ผู้ช่วยคือผลิตภัณฑ์ ส่วนแว่นตาคือเหตุผลที่มันมีอยู่ หน้าแผนบริการได้เพิ่มส่วนที่เปลี่ยนมันให้กลายเป็นธุรกิจ
เอเจนต์ทั้งสี่ และสิ่งที่แอปทำจริง ๆ
บุคลิกทั้งสี่ไม่เปลี่ยนแปลง และยังคงเป็นสิ่งที่โดดเด่นที่สุดของผลิตภัณฑ์: Maya (ผู้ร่วมงานที่มีไหวพริบ), Miles (นักสนทนาสบายๆ ที่พูดตรงๆ ตามความเป็นจริง), Simone (พันธมิตรทางความคิดที่มีพลังสำหรับการเจาะลึก) และ Charlie (ผู้รับฟังความคิดเห็นแบบสบายๆ) แต่ละบุคลิกมีความจำของตัวเอง และตั้งแต่เดือนตุลาคมเป็นต้นมา ก็มีสิทธิ์เข้าถึงแอปของตัวเอง — คุณสามารถให้อีเมลของคุณกับ Maya และกัน Charlie ออกจากอีเมลนั้นได้ บนพื้นฐานนี้ ผู้ช่วยแต่ละตัวสามารถค้นเว็บ ทำการค้นคว้าเชิงลึก จดบันทึกและตั้งการแจ้งเตือน ส่งสรุปหลังการโทร และตอบเป็นข้อความเมื่อคุณไม่สามารถพูดออกเสียงได้; Incognito Mode จะอ่านความจำในอดีตโดยไม่เขียนความจำใหม่ สิ่งที่แผนต่างๆ เปลี่ยนไปไม่ใช่สิ่งที่แอปทำได้ แต่เป็นปริมาณการใช้งานที่คุณได้รับ: ทุกฟีเจอร์ถูกระบุว่าใช้ได้ในทุกระดับแพ็กเกจ และความแตกต่างระหว่าง $0, $20 และ $100 คือโควตาการใช้งาน ไม่ใช่ขีดความสามารถ
สิ่งที่เวอร์ชันเดือนตุลาคมเพิ่มเข้ามาจริง ๆ
เริ่มจากเสียงก่อน เพราะทุกอย่างอื่นวางอยู่บนนั้น {{1}}Sesame กล่าวว่าได้ "อัปเดต Conversational Speech Model ของเราเพื่อปรับปรุงการแสดงออกและการออกเสียง" และการเปลี่ยนแปลงนั้น "สร้างความแตกต่างอย่างมาก โดยเฉพาะในการสนทนาที่นานขึ้น"{{/1}} โพสต์เดียวกันยังกล่าวว่าบุคลิกของตัวละครตอนนี้ "ชัดเจนขึ้น" มีการประจบน้อยลงและวลีที่ซ้ำซากน้อยลง นั่นคือคำกล่าวอ้างของผู้ขายที่ไม่มีหลักฐานแนบมา: ไม่มีการเผยแพร่ ID ของโมเดล ไม่มีตัวเลขความหน่วง ไม่มีเกณฑ์มาตรฐาน และเสียงของแอปก็ยังไม่ใช่จุดสิ้นสุดที่ใครจะวัดได้ ให้ถือเป็นคำแถลงเชิงทิศทางจากฝ่ายเดียวที่ได้ยินทั้งสองเวอร์ชัน
การเปลี่ยนแปลงที่ใหญ่กว่าคือตอนนี้เหล่าเอเจนต์มีร่างกายแล้ว "ด้วยการเปิดตัวในเดือนตุลาคม เอเจนต์แต่ละตัวฉลาดขึ้น โดยสามารถเข้าถึงคอมพิวเตอร์ของตัวเองได้" Sesame เขียนไว้ ซึ่งหมายความว่าผู้ช่วยสามารถท่องเว็บและลงมือทำได้ ไม่ใช่แค่พูดคุย การสาธิตที่บริษัทนำเสนอนั้นตรงประเด็น: ทีมของบริษัทเองบอกว่าพวกเขาใช้ Maya, Miles, Simone และ Charlie เพื่อ "ประสานงานเอเจนต์อื่น ๆ อย่าง Devin, Claude Code และ Codex" ผ่านเสียง ขณะเดินและเดินทางไปทำงาน หากได้ผลอย่างที่อธิบายไว้ Sesame ก็ได้เลิกแข่งขันกับผู้ช่วยเสียงเพียงอย่างเดียว และเริ่มแข่งขันเพื่อชั้นควบคุมที่อยู่เหนือเอเจนต์เขียนโค้ดแล้ว นี่ก็ยังเป็นข้ออ้างในเวอร์ชันเปิดตัวนี้ที่ผู้อ่านทดสอบด้วยตัวเองได้ง่ายที่สุด และเป็นข้อที่ไม่มีนักวิจารณ์ภายนอกคนใดได้เผยแพร่ผลการวัด ณ เวลาที่เขียนสิ่งนี้
ระบบเบื้องหลังที่ทำให้มันมีประโยชน์ก็เป็นของใหม่เช่นกัน คู่มือเริ่มต้นใช้งานของ Sesame ซึ่งอัปเดตเมื่อวันที่ 5 ตุลาคม ระบุแอป Google — Gmail, Google Calendar, Google Drive — เป็นคอนเนกเตอร์ โดยบางตัวติดป้าย Beta พร้อมรองรับเซิร์ฟเวอร์ MCP ภายนอกผ่าน OAuth และมีคำเตือนตรงไปตรงมาให้เชื่อถือผู้พัฒนาก่อนเชื่อมต่อ เหนือคอนเนกเตอร์ขึ้นไปคือ “skill”: เพลย์บุ๊กภาษาธรรมชาติที่คุณสร้างผ่านการสนทนา แล้วเรียกใช้เมื่อต้องการหรือตามกำหนดเวลา โดยจะมีหรือไม่มีแอปที่เชื่อมต่ออยู่ก็ได้ การสร้างภาพปรากฏขึ้นเป็นหนึ่งในเครื่องมือของเอเจนต์เอง: แอประบุ “Image by Sesame” ไว้ในเครื่องมือเหล่านั้น โดยอธิบายว่าสามารถสร้าง แก้ไข และวิเคราะห์ภาพ และผู้ช่วยจะเสนอสร้างภาพจากคำอธิบายหรือบอกคุณว่ามีอะไรอยู่ในภาพที่คุณส่งไป สังเกตแหล่งที่มาของข้อมูลตรงนั้น — นั่นคือรายการเครื่องมือภายในแอป ไม่ใช่สิ่งที่ประกาศของ Sesame เองระบุ และทั้งแอปและบริษัทไม่ได้ระบุชื่อโมเดลภาพที่อยู่เบื้องหลัง
หน้าแผนเพิ่มรายละเอียดหนึ่งอย่างที่บันทึกของเดือนตุลาคมไม่ได้ระบุไว้อย่างชัดเจน: ตอนนี้แอปมีระดับความสามารถด้านปัญญาสองระดับ คือ Standard และ Max โดย Max คือระดับที่ใช้ทั้งเครดิตและเวลาพูดคุย สิ่งนี้ทำให้โควตาเครดิตเป็นเพดานด้านคุณภาพมากกว่าเป็นโควตางาน ซึ่งเป็นความแตกต่างที่หน้ารายการในร้านค้ารองรับ โดยบันทึกการอัปเดตของ App Store สำหรับเวอร์ชัน 48.0 ระบุว่า “Standard และ Max Intelligence ที่ดีขึ้น”
ข้อจำกัดที่ไม่ได้เปลี่ยนแปลง
ยังไม่มี API และยังไม่มี ID โมเดลสำหรับเสียงนี้ ดังนั้นจึงไม่มีสิ่งใดในนี้ที่นักพัฒนาสามารถเรียกใช้งานได้ — และหน้าราคาแพ็กเกจก็ไม่ได้เปลี่ยนความจริงข้อนี้ ทุกตัวเลขบนหน้านั้นเป็นการสมัครสมาชิกสำหรับผู้บริโภค ไม่มีตัวเลขใดเป็นอัตราค่าบริการต่อโทเค็น ต่อนาที หรือต่อตัวอักษรสำหรับโมเดล เครื่องมือสร้างภาพจะไม่บอกคุณว่าขับเคลื่อนด้วยโมเดลใด ความน่าเชื่อถือที่เอเจนต์จะควบคุม Devin หรือ Claude Code โดยไม่มีคนดูแลได้นั้นเป็นคำถามที่ยังไม่มีคำตอบ ซึ่งผู้ขายตอบได้เพียงด้วยเรื่องเล่าจากประสบการณ์ของตนเองเท่านั้น ภาษาอังกฤษยังเป็นภาษาเดียวที่รองรับอย่างเป็นทางการ — คู่มือระบุว่าแอสซิสแตนต์ยังรองรับภาษาฝรั่งเศส อิตาลี เยอรมัน สเปน จีน ญี่ปุ่น และเกาหลีในระยะเริ่มต้น ซึ่งเป็นการเตือนมากกว่ารายการฟีเจอร์ คุณต้องมีอายุอย่างน้อย 18 ปี และการเข้าถึงแอปเป็นแบบแยกตามแอสซิสแตนต์ ซึ่งดีต่อความเป็นส่วนตัวแต่ไม่สะดวกในทางปฏิบัติ: สิ่งที่คุณเชื่อมต่อไว้สำหรับ Maya นั้น Charlie มองไม่เห็น Sesame ยังคงระบุว่าไม่ลงโฆษณาและไม่ขายข้อมูล ซึ่งเป็นข้ออ้างที่แพ็กเกจแบบชำระเงินทำให้รักษาไว้ได้ง่ายขึ้นในปัจจุบัน
เสียงคือผลิตภัณฑ์ — และจนถึงตอนนี้ก็ยังวัดไม่ได้
สิ่งที่ทำให้ Sesame ยังน่าเขียนถึงไม่ใช่คะแนน benchmark เพราะยังไม่มี benchmark สำหรับแอปนี้เลย โมเดลโปรดักชันยังไม่เปิดตัว: ไม่มี model ID ไม่มี API ไม่มีเป้าหมาย latency และไม่มีการขึ้นทะเบียนบน leaderboard speech-to-speech ของ Artificial Analysis แบบที่โมเดลเสียงที่เรียกใช้ได้มีกัน สิ่งที่ตรวจสอบได้คือตระกูลสถาปัตยกรรม CSM ของ Sesame เป็นการออกแบบสองตัวถอดรหัส (two-decoder) — แกนหลัก Llama ทำนาย audio codebook ชุดแรก และตัวถอดรหัส "depth" ขนาดเล็กทำนายส่วนที่เหลือ — บน Mimi codec ของ Kyutai ให้เสียงพูดโมโน 24 kHz และ CSM-1B แบบ open-weight (Apache-2.0) คือชิ้นส่วนเดียวที่ใครก็ดาวน์โหลดได้ บันทึกเดือนตุลาคมเป็นหลักฐานยืนยันครั้งแรกในรอบหลายเดือนว่า production CSM เองได้ขยับไปแล้ว และบริษัทยังไม่ได้เผยแพร่สิ่งใดที่ชี้ benchmark ไปที่ได้ มีเครื่องมือหนึ่งอยู่จริง และวัดสิ่งใกล้เคียง: เมื่อวันที่ 28 สิงหาคม 2026 Sesame เผยแพร่ TurnBench ซึ่งเป็น benchmark แบบเปิดสำหรับการผลัดกันพูด (turn-taking) ในบทสนทนาเสียง — ข้อมูลเสียงบทสนทนาสองฝ่ายความยาว 30 ชั่วโมงที่ผ่านการใส่คำอธิบายประกอบสามรอบ โปรโตคอลการให้คะแนนที่ดึงมาจากการวิเคราะห์บทสนทนา leaderboard สาธารณะ และผลลัพธ์ของ 14 ระบบ สร้างร่วมกับ Carnegie Mellon, Mundo AI และ Oto มันเปิดอย่างแท้จริง เป็นของ Sesame เอง และให้คะแนนการผลัดกันพูด ไม่ใช่เสียงของแอปนี้
สกอร์บอร์ดด้านล่างคือสแนปช็อตเดือนสิงหาคมฉบับเก่านั้น ตอนนี้มันขาดข้อมูลไปสองด้านแล้ว มันไม่มีอะไรจะพูดเกี่ยวกับการใช้คอมพิวเตอร์ คอนเนกเตอร์ หรือการสร้างภาพ เพราะสิ่งเหล่านี้ยังไม่มีอยู่ตอนที่มันถูกวาดขึ้น และแถวราคาของมันยังคงเขียนว่า “ฟรี (พรีวิว ไม่มีแพ็กเกจแบบชำระเงิน)” ซึ่งไม่เป็นความจริงอีกต่อไปตั้งแต่สัปดาห์ที่หน้าแผนราคาเปิดตัว การ์ดชื่อเรื่องที่ด้านบนของหน้านี้มาจากชุดเดือนสิงหาคมเดียวกันและมีป้าย “ฟรี — ยังไม่มี API” ที่ล้าสมัยแบบเดียวกัน โปรดอ่านทั้งสองอย่างเป็นบันทึกว่าสิ่งนี้เคยเป็นอะไร ไม่ใช่สิ่งที่มันมีค่าใช้จ่ายในตอนนี้

หนึ่งชั่วโมงของ Sesame มีค่าใช้จ่ายจริงเท่าไหร่
เมื่อคิดราคาต่อชั่วโมงการพูด Plus จะออกมาประมาณ 33 เซนต์ ตัวเลขนี้ควรนำไปวางเทียบกับตลาด API เพราะเป็นตัวเลขเดียวที่ Sesame เผยแพร่ในตอนนี้ซึ่งสามารถนำไปเปรียบเทียบกับสิ่งใดได้ Grok Voice Think Fast 2.0 คิดค่าบริการ $0.08 ต่อนาทีเสียง ซึ่งเท่ากับ $4.80 ต่อชั่วโมง GPT-Realtime-2.1 คิดค่าบริการตามโทเคนเสียงที่ $32 ต่ออินพุตหนึ่งล้านโทเคน และ $64 ต่อเอาต์พุตหนึ่งล้านโทเคน ซึ่งเป็นหน่วยที่ไม่สามารถแปลงเป็นชั่วโมงได้หากไม่รู้ว่าคุณพูดมากน้อยเพียงใด
การเปรียบเทียบนั้นไม่ใช่การเปรียบเทียบแบบเทียบกันได้ตรง ๆ และไม่ควรอ่านว่าเป็นเช่นนั้น Grok Voice เป็น API ที่คุณใช้สร้างผลิตภัณฑ์ ส่วน Sesame เป็นแอปที่คุณพูดคุยด้วย เครดิตของ Sesame วัดการกระทำของเอเจนต์เพิ่มจากเวลาพูด ดังนั้นสัปดาห์ที่งานหนักอาจใช้โควต้าที่ตัวเลขรายชั่วโมงไม่เคยเห็น และยังไม่มีการวัดอย่างอิสระว่าสองเสียงอยู่ในระดับเดียวกันหรือไม่ — ตัวเลขเดียวที่จะชี้ขาดยังไม่มีสำหรับแอปนี้ สิ่งที่ 33 เซนต์บอกได้คือ Sesame ตั้งราคาค่าสมาชิกแบบเหมาจ่ายสำหรับผู้บริโภคเทียบกับตลาดที่คิดค่าบริการเป็นรายนาที และที่ 20 ดอลลาร์ต่อเดือน มันขายชั่วโมงในราคาที่ต่ำกว่าที่ API เสียงแบบคิดค่าบริการตามการใช้งานเรียกเก็บมากทีเดียว การที่มันเป็นความใจกว้างหรือส่วนลดเปิดตัวเป็นคำถามที่หน้าตาราคาครั้งหน้าจะตอบ
ตำแหน่งของ Sesame Preview ในวงการเสียง
ในปี 2026 วงการเสียงเรียลไทม์แบ่งออกเป็นแอปและ API และเดือนตุลาคมได้เพิ่มแกนที่สามเข้ามา: ใครเป็นผู้ควบคุมเอเจนต์ ฝั่งแอป Sesame Preview แข่งขันเพื่อชิงความสนใจเดียวกับโหมดเสียงใน ChatGPT และ Gemini Live — โดยมีความต่างใหม่หนึ่งอย่าง คือโหมดเสียงเหล่านั้นถูกรวมมาใน subscription ที่ซื้อโมเดลข้อความด้วย ขณะที่ $20 ของ Sesame ซื้อได้เพียงผู้ช่วยเท่านั้น สิ่งนี้ทำให้ระดับฟรีคือการแข่งขันที่แท้จริง: 30 นาทีต่อวันเป็นความยาวระดับเดโม และเมื่อผู้ใช้อ่านผ่านจุดนั้นไป การตัดสินใจก็กลายเป็นว่าเสียงนี้คุ้มค่ากับ $20 แบบแยกหรือไม่ ฝั่ง API ตัวเลือกที่เรียกใช้ได้คือโมเดลที่คุณชี้ WebSocket ไปที่ได้: Grok Voice Think Fast 2.0 ที่ $0.08 ต่อนาทีเสียง โดยมีเวลาถึงเสียงแรก 0.70 วินาที ได้อันดับหนึ่งบน benchmark เอเจนต์ τ-Voice และอันดับสองบนดัชนีคุณภาพ speech-to-speech ของ Artificial Analysis ที่ 82.9% (ตัวเลขเหล่านี้เป็นของ Artificial Analysis ไม่ใช่ของ xAI) หรือ GPT-Realtime-2.1 ที่ $32 ต่อล้านโทเคนอินพุตเสียง และ $64 ต่อล้านโทเคนเอาต์พุตเสียง แกนที่สามคือแกนที่ Sesame เคลื่อนไปหาในเดือนตุลาคม: ไม่ใช่ "เรียกโมเดลเสียงของเรา" แต่เป็น "คุยกับเอเจนต์ของเรา แล้วพวกมันจะขับเคลื่อนเอเจนต์อื่น ๆ ของคุณ" นั่นคือข้อกล่าวอ้างเกี่ยวกับ orchestration และไม่มีใครวัดมัน — คำอธิบายของผู้ขายคือหลักฐานทั้งหมดที่มีจนถึงตอนนี้
แผนภูมิด้านล่างคือกระดานฝั่ง API ณ วันที่ 6 สิงหาคม 2026 ซึ่งเตือนใจว่า Sesame ต้องแข่งขันช่วงชิงความสนใจกับสิ่งใด และเตือนถึงประเภทของตัวตนที่เสียงของแอปยังไม่มี

มันหมายความว่าอย่างไรสำหรับผู้สร้าง
ฝั่งผู้บริโภคตอนนี้มีราคาแล้ว ส่วนฝั่งนักพัฒนายังไม่มีเลย หากวันนี้คุณต้องการสร้างผลิตภัณฑ์บนเสียงระดับโปรดักชันของ Sesame คุณทำไม่ได้ — ไม่มี API สำหรับสิ่งนั้น และไม่มีแพ็กเกจใดบนหน้าราคาที่เป็นแพ็กเกจสำหรับนักพัฒนา โมเดล Sesame เดียวที่นักพัฒนาสามารถเรียกใช้ได้คือฐานแบบเปิด CSM-1B ซึ่งคุณต้องโฮสต์เองหรือเข้าถึงผ่านผู้ให้บริการที่ระบุโมเดลนี้ไว้: พารามิเตอร์ 1B, คอนเท็กซ์ 4K, โมเดลแปลงข้อความเป็นเสียงที่มีการโคลนเสียงแบบ zero-shot แต่ไม่มีความสามารถในการเรียกเครื่องมือของตัวเอง สิ่งที่เดือนตุลาคมเปลี่ยนคือทิศทางที่กำลังไป: ผู้ช่วยเชื่อมต่อกับเซิร์ฟเวอร์ MCP และ Sesame กล่าวว่ากำลัง "เพิ่มเครื่องมือสำหรับนักพัฒนาเพื่อให้คุณสร้างแอป Sesame ของตนเองได้ภายในปลายปีนี้" สิ่งที่แพ็กเกจเพิ่มเข้ามาคือเบาะแสของโมเดลธุรกิจที่เครื่องมือเหล่านี้จะตั้งอยู่บนนั้น — เวลาพูดที่คิดตามปริมาณการใช้งาน บวกงานของเอเจนต์ที่คิดตามปริมาณการใช้งาน ซึ่งขายเป็นแพ็กเกจหลายระดับ แอสซิสแทนต์ที่คุณขยายได้และตอนนี้จ่ายตามชั่วโมงนั้นอยู่ห่างเพียงก้าวเดียวจากแอสซิสแทนต์ที่คุณเรียกใช้ตามโทเค็น
วิธีที่พบได้บ่อยขึ้นในปี 2026 ในการประกอบ voice agent แบบสั่งทำเองยังคงเป็นการจับคู่เลเยอร์เสียงพูดเข้ากับสมองฝั่งข้อความที่ตัดสินใจว่าจะพูดอะไร — และสมองส่วนนั้นก็คือสิ่งที่ router ทำหน้าที่เป็นด่านหน้าให้พอดี OrcaRouter ให้คุณเข้าถึงโมเดลกว่า 200+ ตัว อยู่เบื้องหลังปลายทางเดียวที่เข้ากันได้กับ OpenAI ในราคาตามที่ผู้ให้บริการประกาศไว้ ส่งผ่านมาถึงคุณโดยไม่บวกกำไรใด ๆ ดังนั้นเมื่อผู้ให้บริการรายใดลดราคา ราคานั้นก็มีผลที่นี่ในวันเดียวกัน; การสลับไปใช้ระบบสำรองอัตโนมัติ (automatic failover) คือวิธีที่ปลอดภัยในการนำโมเดลที่เพิ่งเปิดตัวและยังไม่ผ่านการพิสูจน์มาเดินบนเส้นทางจริงเคียงข้างโมเดลที่พิสูจน์แล้ว พูดกันตรง ๆ ถึงความครอบคลุมของเราเอง: วันนี้ยังไม่มีโมเดล Sesame ใดเป็นเส้นทางให้บริการที่นี่ รวมถึง CSM-1B ด้วย — ดังนั้นทั้งหมดที่กล่าวมาจึงไม่ใช่การที่คุณเช่าเสียงของ Sesame แต่เป็นแพตเทิร์นสำหรับฝั่งข้อความในขณะที่ฝั่งเสียงยังปิดอยู่ และเป็นแพตเทิร์นที่คุณจะอยากได้ในวันที่มันไม่ปิดอีกต่อไป
การทดสอบ "โหมดขับขี่"
วลีของ TestingCatalog จากเดือนสิงหาคม — “my drive mode default” — ยังคงเป็นสรุปที่เฉียบคมที่สุดว่า Sesame Preview มีไว้เพื่ออะไร และในเดือนตุลาคมก็ทำให้มันตรงตัวและมีความหมายมากขึ้นกว่าเดิม โหมดขับขี่เป็นกรณีที่ยากที่สุดสำหรับผู้ช่วยเสียง: มือไม่ว่าง สายตาจับอยู่บนถนน ไม่มีหน้าจอให้พึ่งพา และไม่มีความอดทนต่อความล้มเหลวในการผลัดกันพูดขณะขับด้วยความเร็ว เมื่อเพิ่มความสามารถด้านการใช้คอมพิวเตอร์เข้าไป ความเสี่ยงก็เปลี่ยนไป — ตอนนี้คุณกำลังมอบหมายงานที่คุณไม่สามารถตรวจสอบได้จากที่นั่งคนขับ ให้กับเอเจนต์ที่จะไปลงมือทำและกลับมารายงานความคืบหน้า การพูดที่สื่ออารมณ์และความหมายได้โดยไม่ต้องมีหน้าจอ และการจัดการการขัดจังหวะที่ให้คุณพูดแทรกกลางประโยคได้ ยังคงเป็นเหตุผลที่เสียงนี้คุ้มค่าที่จะขับไปสัมผัส
แผนเหล่านั้นเพิ่มโหมดล้มเหลวที่โรแมนติกน้อยลงให้กับการทดสอบนั้น เนื่องจากงานที่ทำใช้เครดิตแทนเวลาพูด สิ่งที่หมดไปในรถจึงไม่ใช่บทสนทนาแต่เป็นการลงมือทำ เมื่อชนเพดานเครดิตประจำสัปดาห์ สายจะดำเนินต่อที่ Standard intelligence ขณะที่สกิลที่ตั้งเวลาไว้ใด ๆ จะหยุดชั่วคราวจนกว่าจะรีเซ็ต การเหลือเวลาพูดสิบห้านาทีแต่ไม่มีเครดิตเป็นสถานะที่แย่กว่าการเหลือสิบนาทีพร้อมโควตาเต็ม และแอปจะเตือนคุณก่อนที่คุณจะไปถึงจุดนั้นไม่ใช่หลังจากนั้น
สิ่งที่ควรดูต่อไป
ห้าสิ่งที่อาจเปลี่ยนเรื่องราวนี้ ประการแรก API หรือ model ID สำหรับเสียงระดับโปรดักชัน — เหตุการณ์ที่เปลี่ยน Sesame จากแอปสำหรับผู้บริโภคให้เป็นสิ่งที่นักพัฒนาสามารถเชื่อมต่อได้ และเป็นช่วงเวลาที่กำหนดราคาต่อโทเคนแทนรายเดือนได้ ประการที่สอง โครงสร้างแพ็กเกจจะคงรูปเดิมหรือไม่: วันนี้ทุกฟีเจอร์ถูกโฆษณาในทุกระดับแพ็กเกจ ดังนั้นแต่ละระดับจึงต่างกันเพียงโควตาการใช้งาน หากมีฟีเจอร์เดียวถูกย้ายไปอยู่หลัง Plus ก็จะบอกคุณได้ว่าการคิดตามการใช้งานเป็นเพียงการทดลอง ไม่ใช่การออกแบบ ประการที่สาม เครื่องมือสำหรับนักพัฒนาที่ Sesame สัญญาไว้ว่าจะมาใน “ช่วงปลายปีนี้”: หากคุณสร้างแอป Sesame ได้ เสียงของแอปก็จะน่าสนใจในเชิงโปรแกรมแม้ไม่มี API ในความหมายแบบดั้งเดิม ประการที่สี่ น้ำหนักแบบเปิด — CSM-1B อยู่เพียงลำพังบน Hugging Face ตั้งแต่มีนาคม 2025 และ CSM แบบเปิดที่ใหม่กว่าหรือใหญ่กว่าจะทำให้ใครก็ตามรันเสียงนี้ได้ด้วยตนเองแทนการเช่าชั่วโมงใช้งาน ประการที่ห้า แว่นตาอัจฉริยะ ซึ่งไม่ใช่ข่าวลืออีกต่อไป: ในวันที่ 5 และ 6 ตุลาคม บริษัทได้ระบุกำหนดการเปิดตัวแว่นตาเป็นปี 2027 กล่าวว่าจะผลิตในญี่ปุ่น และอธิบายว่าผู้ช่วยคือระบบปฏิบัติการที่แว่นตาเหล่านี้รันอยู่
คำถามที่พบบ่อย
Sesame ยังฟรีอยู่ไหม
บางส่วน แอปดาวน์โหลดได้ฟรี และระดับ Free ยังคงเข้าถึงทุกฟีเจอร์ได้เต็มรูปแบบ โดยจำกัดเวลาพูดคุยไว้ที่ 30 นาทีต่อวันและมีโควต้าเครดิตต่อสัปดาห์แบบจำกัด; Research Preview บนเบราว์เซอร์ใช้งานภายใต้เพดาน 30 นาทีต่อวันเช่นเดียวกัน Plus ราคา $20 ต่อเดือน ให้เวลาพูดคุย 2 ชั่วโมงต่อวันและเครดิตเป็นสี่เท่า Pro ราคา $100 ต่อเดือน ให้เวลาพูดคุย 10 ชั่วโมงต่อวันและเครดิตเป็นยี่สิบเท่า และแพ็กเกจแบบ à-la-carte ($5 ต่อชั่วโมงการพูดคุย, $5 ต่อหนึ่งพันเครดิต) ช่วยให้คุณเติมเครดิตได้โดยไม่ต้องสมัครสมาชิก ทุกอย่างคิดค่าบริการผ่าน App Store หรือ Google Play
Sesame มี API สำหรับเสียงของแอปหรือไม่?
ไม่ โมเดลโปรดักชันที่อยู่เบื้องหลังแอปยังไม่เปิดตัว — ไม่มี model ID, endpoint หรือราคาต่อโทเคน — แม้ว่ารีลีสเดือนตุลาคมจะระบุว่า Conversational Speech Model ที่เป็นพื้นฐานได้รับการอัปเดตแล้ว แผนแบบชำระเงินเป็นบริการสมัครสมาชิกสำหรับผู้บริโภค ไม่ใช่อัตราสำหรับนักพัฒนา โมเดล Sesame เดียวที่นักพัฒนาสามารถเรียกใช้ได้ในวันนี้คือ CSM-1B base แบบ open-weight ซึ่งคุณต้องโฮสต์เองหรือเข้าถึงผ่านผู้ให้บริการที่ให้บริการโมเดลนี้ ผู้ช่วยเหล่านี้สามารถเชื่อมต่อกับเซิร์ฟเวอร์ MCP ภายนอกได้ แต่นั่นทำให้ผู้ช่วยใช้เครื่องมือของคุณได้ ไม่ได้ทำให้โค้ดของคุณใช้ผู้ช่วยเหล่านั้นได้
จริงๆ แล้วเสียงดีแค่ไหน?
ยังไม่มีคะแนนที่เป็นอิสระ โมเดลของแอปนี้ไม่ได้อยู่ในลีดเดอร์บอร์ด speech-to-speech ของ Artificial Analysis และ Sesame ก็ไม่ได้เผยแพร่ผลทดสอบมาตรฐานจากบุคคลที่สามของโมเดลนี้ สิ่งที่มีอยู่คือคำอธิบายของผู้ผลิตเองเกี่ยวกับสิ่งที่เปลี่ยนแปลงไปในเดือนตุลาคม ได้แก่ การแสดงออกที่มากขึ้น การออกเสียงที่ดีขึ้น และการประจบประแจงที่ลดลง บวกกับ TurnBench แบบโอเพนซอร์สของ Sesame ซึ่งวัดการผลัดกันพูดมากกว่าจะวัดแอปนี้ และ CSM-1B แบบโอเพนซอร์ส ซึ่งความเป็นธรรมชาติของมันเป็นส่วนเดียวในงานด้านเสียงของ Sesame ที่ใครก็สามารถรันทดสอบได้อย่างอิสระ
Sesame Preview ใช้เดือนตุลาคมในการกลายเป็นผลิตภัณฑ์ และตั้งแต่นั้นมาก็กลายเป็นธุรกิจ สองข้อเท็จจริงนี้ควรแยกออกจากกัน ในฐานะผู้ใช้ คำถามไม่ใช่ว่าเสียงนั้นน่าประทับใจหรือไม่อีกต่อไป แต่คือ 30 นาทีต่อวันเพียงพอต่อวิธีที่คุณพูดจริงหรือไม่, $20 ซื้อพื้นที่ได้มากพอหรือไม่ และเพดานเครดิต รายสัปดาห์จะไปตกอยู่กลางสิ่งที่คุณวางแผนไว้หรือไม่ ในฐานะนักพัฒนา ไม่มีอะไรเปลี่ยนเลย: ไม่มี API, ไม่มี model ID, ไม่มีอัตราค่าบริการต่อนาที, ไม่มีคะแนน ลองใช้เสียงนี้ในแพ็กเกจฟรีก่อนสมัครสมาชิก ดูว่า “หน้าผาเครดิต” ส่งผลต่อสัปดาห์จริงของคุณอย่างไร ไม่ใช่สัปดาห์สาธิต และจับตา model ID ไว้ — เพราะทันทีที่ Sesame ปล่อยออกมาสักตัว สิ่งนี้จะไม่ใช่เรื่องราวสำหรับผู้บริโภคอีกต่อไป และจะกลายเป็นเรื่องราวสำหรับนักพัฒนาในชั่วข้ามคืน
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
