
GPT-Live-1.1 vs Sesame Preview: Bảng giá cước so với gói đăng ký
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 187 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 414 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 87 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 138 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Hai sản phẩm này liên tục bị đem ra so sánh, và việc so sánh thường là một sai lầm. GPT-Live-1.1 và Sesame Preview đều có thể trò chuyện, đều xử lý việc ngắt lời, và đều thường được mô tả là nghe ít giống tổng đài tự động hơn thế hệ trước. Nhưng một bên là API tính phí theo mức sử dụng còn bên kia là ứng dụng đăng ký thuê bao, và một khi nhận ra điều đó, hầu hết những câu hỏi thú vị về chúng không còn xoay quanh chất lượng giọng nói nữa.
GPT-Live-1.1 đã có mặt trên OpenAI API vào ngày 19 tháng 11 năm 2026, năm tuần sau khi nó thay thế GPT-Live-1 bên trong ChatGPT Voice. Sesame Preview đã được phát hành cho người tiêu dùng từ tháng 5 năm 2026 và đã có mặt trên Android từ đầu tháng 8; vào tháng 10, nó bổ sung một bảng giá — Free, Plus $20 một tháng, Pro $100 một tháng — được bán qua App Store và Google Play. Cả hai công ty đều không công bố một chuẩn đánh giá nào cho phép đặt hai giọng nói lên cùng một trục, và chưa có phòng thí nghiệm độc lập nào thực hiện một chuẩn như vậy. Do đó, mọi nội dung bên dưới nói về việc mỗi sản phẩm là gì, chứ không phải về việc sản phẩm nào nghe hay hơn, bởi vì câu hỏi thứ hai hiện tại không có câu trả lời có thể đo lường được.
Hai sản phẩm, hai mô hình kinh doanh
Cách rõ ràng nhất để thấy sự phân tách là hỏi xem bạn đang mua gì.
• Truy cập — GPT-Live-1.1 là một ID mô hình trên v1/live/sessions, có thể gọi từ ứng dụng của riêng bạn, trong khi Sesame Preview là một ứng dụng cho iOS và Android, không có API công khai và không có ID mô hình
• Giá cả — GPT-Live-1.1 tính phí theo giây: 0,05 USD mỗi phút thoại đang hoạt động, 0,02 USD ở chế độ chờ, so với Sesame bán hạn mức hàng tháng: Free ở mức 0 USD (30 phút trò chuyện mỗi ngày), Plus ở mức 20 USD (2 giờ mỗi ngày), Pro ở mức 100 USD (10 giờ mỗi ngày)
• Ai trả tiền — GPT-Live-1.1 được tính phí vào tài khoản nhà phát triển, cộng thêm hóa đơn token riêng cho backend mà nó chuyển xử lý, trong khi Sesame được tính phí cho người tiêu dùng thông qua các cửa hàng ứng dụng
• Giọng nói — GPT-Live-1.1 cung cấp 21 giọng nói có tên thuộc tiếng Anh, tiếng Bồ Đào Nha, tiếng Đức, tiếng Pháp, tiếng Hindi, tiếng Nhật và tiếng Hàn, cùng tính năng tạo giọng nói từ lời nhắc, trong khi Sesame cung cấp bốn nhân vật — Maya, Miles, Simone và Charlie
• Tùy chỉnh — GPT-Live-1.1 cho phép bạn viết hướng dẫn phiên, chọn chế độ ủy quyền và đặt thời gian chờ khi không hoạt động, trong khi các tác nhân của Sesame có những tính cách riêng biệt để bạn lựa chọn thay vì một bề mặt cấu hình mà bạn phải viết mã dựa vào
• Trọng số mở — GPT-Live-1.1 là mô hình đóng, trong khi CSM-1B của Sesame dùng giấy phép Apache 2.0 trên Hugging Face và không phải là mô hình trong ứng dụng

Câu cuối cùng đó là câu mà người ta hiểu sai. Sesame đúng là có một mô hình mở, và đó không phải là Preview. CSM-1B là một mô hình giọng nói hội thoại 1B tham số được phát hành theo Apache 2.0, được xây dựng trên nền kiến trúc Llama với codec Mimi của Kyutai, và nó là một hệ thống khác và nhỏ hơn so với giọng nói production trong ứng dụng. Bất kỳ ai nói với bạn rằng họ đang tự vận hành Sesame Preview thì thực ra đang tự vận hành một thứ khác. Khoảng cách giữa bản demo và bản tải xuống đã là thực tế trung tâm trong những gì Sesame cung cấp kể từ bài nghiên cứu đầu tiên vào tháng 2 năm 2025, và khoảng cách đó vẫn chưa được thu hẹp.
Phút $0.05, được định giá đúng mức
Mức giá của GPT-Live-1.1 rất dễ bị hiểu sai theo cả hai hướng, nên cần thật chính xác. Các phiên thoại được tính phí theo thời lượng với $0.05 mỗi phút hoạt động, tính theo giây, không làm tròn lên đến phút. Kể từ ngày 19 tháng 11 năm 2026, một phiên WebRTC có thể được cấu hình để tạm dừng suy luận sau 5 đến 60 giây không có lời nói và tính phí $0.02 mỗi phút trong khi chờ. Việc sử dụng mô hình backend và công cụ được tính phí riêng, theo đồng hồ token của bất kỳ mô hình nào bạn chỉ định làm mục tiêu ủy quyền. Việc tạo một phiên WebRTC tính phí 15 giây thời lượng thoại khi khởi tạo, được ghi có lại vào thời lượng khi phiên bắt đầu chạy.
Vì vậy, ba giờ đường dây mở liên tục sẽ tốn $9.00 chỉ tính riêng đồng hồ đo thoại, trước cả một token backend nào. Đó là con số để đối chiếu với gói Plus của Sesame, gói này thu $20 mỗi tháng cho hai giờ thời gian trò chuyện mỗi ngày — tức khoảng 60 giờ mỗi tháng, hay khoảng $0.33 mỗi giờ, nếu bạn dùng hết hạn mức. Xét thuần theo giá mỗi giờ, Sesame rẻ hơn đáng kể, và nó rẻ hơn vì một lý do không liên quan gì đến sự hào phóng: bạn là một người tiêu dùng đang nói chuyện với một trợ lý trong một ứng dụng, chứ không phải một ứng dụng đang thực hiện hàng nghìn cuộc gọi đồng thời tới một endpoint tính phí theo lưu lượng.
Phép so sánh chỉ trở nên thực chất khi bạn hỏi mình được phép xây dựng những gì. Thời lượng trò chuyện của Sesame là hạn mức dành cho một con người. Số phút của GPT-Live-1.1 là chi phí hàng hóa cho một sản phẩm. Một đội ngũ đang đánh giá phương án thứ hai không thể lấy phương án thứ nhất thay vào, dù ở bất kỳ mức giá nào.

Điều mà cả hai sản phẩm đều không mang lại cho bạn
Những hạn chế của Sesame được chính công ty nêu rõ và đáng được liệt kê một cách thẳng thắn, không tô hồng. Ứng dụng chính là sản phẩm; không có API, không có ID mô hình, không có giới hạn tốc độ, không có gói dành cho doanh nghiệp và không có kế hoạch kiếm tiền nào được công bố ngoài các gói đăng ký. Các phiên bị giới hạn bởi hạn mức thời gian trò chuyện hằng ngày — 30 phút ở gói Free, hai giờ ở gói Plus, mười giờ ở gói Pro — và các tác nhân chỉ trò chuyện chứ không thực thi: chúng không đặt chỗ, mua hay nộp bất cứ thứ gì thay bạn theo cách một API tác nhân sẽ làm. Ứng dụng có mặt trên iOS và Android, với kính thông minh được công bố cho năm 2027. Định hướng được Sesame nêu rõ là hợp tác nghiên cứu và phần cứng.
Những hạn chế của GPT-Live-1.1 cũng cụ thể không kém và lại đi theo hướng ngược lại. Nó nhận âm thanh và văn bản làm đầu vào, trả ra âm thanh và văn bản. Hình ảnh và video không được hỗ trợ. Nó không tự thực hiện việc suy luận — mà ủy quyền cho một mô hình hoặc agent phụ trợ do bạn cấu hình, thông qua ủy quyền Responses hoặc ủy quyền phía client — và nó chỉ có thể được truy cập thông qua v1/live/sessions. Chat Completions, Responses, Realtime, phiên âm, dịch và tạo giọng nói đều được liệt kê là các endpoint không được hỗ trợ cho mô hình này. Nếu bạn muốn một lần gọi duy nhất trả về văn bản thì đây không phải là thứ đó; nó là một lớp giọng nói với một lỗ hổng ở giữa, nơi backend của bạn được đặt vào.
Nói cách khác, cả hai sản phẩm đều hẹp hơn những gì quảng cáo của chúng thể hiện. Sesame bán một giọng nói mà bạn không thể xây dựng dựa trên đó. OpenAI bán một giọng nói không thể tự suy nghĩ.
Nơi những con số dừng lại
Cả hai giọng đều không có điểm số độc lập, và cần thẳng thắn về mức độ hoàn toàn của khoảng trống đó. Chỉ số speech-to-speech của Artificial Analysis, truy cập ngày 20 tháng 11 năm 2026, liệt kê GPT-Live-1 hai lần — 83,2 với backend lớp Astra ở mức nỗ lực suy luận trung bình và 80,1 với backend lớp Sol ở mức thấp — và không liệt kê GPT-Live-1.1, bản mới có một ngày tuổi trên API. Chỉ số này không có bất kỳ mô hình Sesame nào. Không có phép đo nào của bên thứ ba đối với cả hai giọng hiện tại, nên mọi tuyên bố rằng giọng này nghe tự nhiên hơn giọng kia chỉ là ấn tượng khi nghe được trình bày như một phát hiện.
Thứ thực sự tồn tại dành cho Sesame là một bộ đánh giá do chính công ty xây dựng. Vào tháng 8 năm 2026, công ty phát hành TurnBench, một bộ đánh giá mở về luân phiên lượt lời trong hội thoại nói: 30 giờ hội thoại tiếng Anh hai kênh được ghi âm trong phòng thu, trải dài 154 đoạn hội thoại và 106 diễn viên lồng tiếng, được chú thích ba lần, đo mức độ chính xác và tốc độ mà một hệ thống phát hiện các sự kiện kết thúc lượt lời và ngắt lời. Đây là một đóng góp thực sự — lĩnh vực này vốn đã dựa vào các bản ghi Switchboard từ đầu những năm 1990 — và bảng xếp hạng công khai xếp hạng 27 hệ thống theo độ thu hồi (recall), kèm theo tỷ lệ dương tính giả và độ trễ trung vị. Cả GPT-Live-1.1 lẫn bất kỳ giọng nói sản phẩm nào của Sesame đều không xuất hiện trên đó. Bộ đánh giá đo lường đúng vấn đề mà cả hai sản phẩm tuyên bố giải quyết, và cả hai đều chưa nộp kết quả.
Đó là tình trạng của bằng chứng: một bên là đánh giá con người do nhà cung cấp tự thực hiện mà không kèm con số nào, bên kia là một mô hình API mới ra mắt được một ngày mà không có điểm số độc lập, và một bảng xếp hạng mở có thể so sánh hai bên lại đang trống trơn cả hai.
OrcaRouter bao gồm và không bao gồm những gì
OrcaRouter không cung cấp sản phẩm nào trong hai sản phẩm đó. Danh mục không có endpoint giọng nói song công hoàn toàn, vì vậy nếu bạn muốn GPT-Live-1.1, bạn gọi trực tiếp API Live sessions của OpenAI; còn nếu bạn muốn Sesame Preview, bạn tải một ứng dụng. Nói khác đi sẽ là lời nói dối về những gì chúng tôi vận hành.
Điều chúng tôi thực sự bao gồm là phần của một bản triển khai Live vốn là một lệnh gọi mô hình thông thường. GPT-Live-1.1 giao việc suy luận và sử dụng công cụ cho một backend, và hướng dẫn của chính OpenAI là bắt đầu với gpt-6-luna và chuyển sang gpt-6-sol cho những công việc khó hơn. Cả hai đều có trên OrcaRouter với giá niêm yết của nhà cung cấp, không tăng giá, cùng với phần còn lại của dòng GPT-6 và hơn 200 mô hình khác đằng sau một khóa, với tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp và một DSL định tuyến để kết hợp nhiều mô hình thành một lệnh gọi duy nhất. Nếu bộ não của tác nhân giọng nói của bạn là phần bạn muốn định tuyến, chuyển đổi hoặc chuyển dự phòng, thì đó chính là lớp mà chúng tôi thực sự có thể hỗ trợ — và điều tương tự cũng đúng với phần chuyển văn bản thành giọng nói, nơi gpt-4o-mini-tts và các mô hình Gemini TTS của Google cũng có sẵn.
Quyết định, được trình bày một cách rõ ràng
Nếu bạn đang xây dựng một sản phẩm, lựa chọn không hề sít sao và không phải về chất lượng giọng nói. GPT-Live-1.1 có thể gọi được, tính giá theo giây và có thể cấu hình; Sesame Preview là một ứng dụng tiêu dùng với hạn mức hàng tháng và không có cách nào để tích hợp. Hãy triển khai trên cái đầu tiên, và coi cái thứ hai là bằng chứng về hướng phát triển của giọng nói hội thoại chứ không phải là một thành phần.
Nếu bạn là một người đang chọn một trợ lý, thì sự so sánh sẽ đảo ngược. Gói 20 đô la của Sesame mua được khoảng 60 giờ trò chuyện mỗi tháng, tức là khoảng bằng giá của sáu giờ bốn mươi phút trên đồng hồ đo giọng nói của GPT-Live-1.1, và nó đi kèm với những nhân vật được thiết kế để trò chuyện cùng thay vì một cấu hình phiên được thiết kế để viết. API không phải là sản phẩm tốt hơn cho công việc đó; nó đơn giản là sản phẩm duy nhất cho phép bạn xây dựng.

Điều có thể thay đổi câu trả lời là một endpoint Sesame công khai hoặc một phép đo độc lập đối với một trong hai giọng nói. Tính đến ngày 20 tháng 11 năm 2026, cả hai đều chưa tồn tại. Cho đến khi có một cái như vậy, điều hữu ích để nói về GPT-Live-1.1 so với Sesame Preview là chúng không thực sự cạnh tranh — và việc chúng bị đem ra so sánh cho thấy nhiều hơn về độ non trẻ của hạng mục này so với công việc của bất kỳ công ty nào.
