生成的标题卡标题为“GPT-Live-1.1 vs Sesame Preview”,副标题为“费率卡与订阅制的对比”,左侧卡片标为 GPT-Live-1.1,显示活跃每分钟 $0.05、待机每分钟 $0.02 以及按使用量计费的 API;右侧卡片标为 Sesame Preview,显示 Plus 每月 $20、Pro 每月 $100,且仅提供消费级应用。
Guides & Insights

GPT-Live-1.1 与 Sesame Preview:费率卡对阵订阅制

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

人们总在比较这两者,但这种比较往往是错的。GPT-Live-1.1和Sesame Preview都能进行对话,都能处理打断,而且两者都常被形容为:相比上一代,听起来更不像电话语音菜单。但一个是按用量计费的 API,另一个是订阅制应用;一旦你注意到这一点,关于它们的大多数有意思的问题,就完全不再是语音质量的问题了。

GPT-Live-1.1 于 2026 年 11 月 19 日登陆 OpenAI API,此时距它在 ChatGPT Voice 中取代 GPT-Live-1 已过去五周。Sesame Preview 自 2026 年 5 月起面向消费者发售,并从 8 月初起登陆 Android;10 月,它新增了价格表——免费版、每月 20 美元的 Plus、每月 100 美元的 Pro——通过 App Store 和 Google Play 销售。两家公司都没有发布能让两种语音放在同一坐标轴上比较的基准测试,也没有独立实验室做过这样的测试。因此,下文讨论的是每款产品是什么,而不是哪一款听起来更好,因为第二个问题目前还没有可衡量的答案。

两种产品,两种商业模式

要看清这种区分,最简洁的方法就是问问自己:你买的到底是什么。

• 访问方式 — GPT-Live-1.1 是 v1/live/sessions 上的模型 ID,可从你自己的应用调用;而 Sesame Preview 是适用于 iOS 和 Android 的应用,没有公开 API,也没有模型 ID

• 定价 — GPT-Live-1.1 按秒计费:活跃语音每分钟 0.05 美元,待机每分钟 0.02 美元;而 Sesame 按月出售额度:Free 套餐 0 美元(每天 30 分钟通话时长),Plus 套餐 20 美元(每天 2 小时),Pro 套餐 100 美元(每天 10 小时)

• 谁付费 — GPT-Live-1.1 向开发者账户计费,外加其委托的后端产生的单独 token 账单,而 Sesame 则通过应用商店向消费者计费

• 语音 — GPT-Live-1.1 提供 21 种命名语音,覆盖英语、葡萄牙语、德语、法语、印地语、日语和韩语,并支持通过提示词创建语音;相比之下,Sesame 提供四个角色——Maya、Miles、Simone 和 Charlie

• 自定义 — GPT-Live-1.1 允许你编写会话指令、选择委派模式并设置空闲超时,而 Sesame 的智能体各具鲜明个性,供你从中选择,而不是一个供你编写配置的配置面

• 开放权重 — GPT-Live-1.1 是闭源的,而 Sesame 的 CSM-1B 在 Hugging Face 上采用 Apache 2.0 许可,且并非应用中所用的模型

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).

最后一句正是人们最容易搞错的地方。Sesame 确实有一个开放模型,但它不是 Preview。CSM-1B 是一个以 Apache 2.0 许可证发布的 1B 参数对话语音模型,基于 Llama 架构主干构建,并使用 Kyutai 的 Mimi 编解码器;它与应用中的生产语音是不同且更小的系统。任何告诉你他们在自托管 Sesame Preview 的人,其实自托管的是别的东西。自 2025 年 2 月发布第一篇研究文章以来,演示与可下载版本之间的差距一直是 Sesame 产品供给的核心事实,而且这一差距至今没有缩小。

每分钟 0.05 美元,定价合理

GPT-Live-1.1 的费率无论从哪个方向都容易读错,因此值得精确说明。语音会话按持续时间计费,每个活跃分钟 0.05 美元,按秒收费,不向上取整到整分钟。自 2026 年 11 月 19 日起,WebRTC 会话可以配置为在无语音持续 5 至 60 秒后暂停推理,并在等待期间按每分钟 0.02 美元计费。后端模型和工具使用单独计费,按你指定为委派目标的模型的 token 计量方式收费。创建 WebRTC 会话时,初始化会收取 15 秒语音时长费用;会话开始运行后,这部分费用会返还并抵扣语音时长。

因此,仅语音计费这一项,连续保持接通三小时就是 9.00 美元,还没算任何一个后端 token。这个数字要拿来和 Sesame 的 Plus 套餐对比:后者每月收费 20 美元,每天提供两小时通话时间——如果完全用满额度,大约每月 60 小时,即每小时约 0.33 美元。单纯按每小时计算,Sesame 要便宜得多,而它便宜的原因和慷慨无关:你是一个消费者在一个应用里和一个助手对话,而不是一个应用在向按量计费的端点发起数千个并发调用。

只有当你追问自己被允许构建什么时,这个比较才真正成立。Sesame 的通话时长是给个人的配额。GPT-Live-1.1 的分钟数是产品的商品成本。评估后者的团队无论出什么价格,都不能用前者来替代。

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.

两个产品都无法提供给你的东西

Sesame 的局限性由公司明确说明,值得不加粉饰地列出。应用本身就是产品;没有 API、没有模型 ID、没有速率限制、没有企业级套餐,也没有订阅之外的公开变现计划。会话受每日通话时长额度限制——Free 为 30 分钟,Plus 为两小时,Pro 为十小时——而且这些智能体只会对话,不会执行操作:它们不会像智能体 API 那样代你预订、购买或提交任何东西。该应用已在 iOS 和 Android 上推出,并已宣布智能眼镜将于 2027 年推出。Sesame 表明的方向是研究合作与硬件。

GPT-Live-1.1 的局限性同样具体,但方向相反。它输入音频和文本,输出音频和文本。不支持图像和视频。它本身不进行推理——而是通过 Responses 委托或客户端委托,将推理交给由你配置的后端模型或代理——并且只能通过 v1/live/sessions 访问。Chat Completions、Responses、Realtime、转写、翻译和语音生成都被列为该模型不支持的端点。如果你想要的是返回文本的单次调用,那它不是你要的;它是一个语音层,中间留着一个洞,供你的后端接入。

换句话说,这两款产品都比其营销宣传给人的印象更狭窄。Sesame 卖的是一种你无法在其上构建的语音。O​penAI 卖的是一种无法独立思考的语音。

数字止步之处

两个语音都没有独立评分,而这一空白究竟有多彻底,值得直白说明。Artificial Analysis 的语音到语音指数(查阅于 2026 年 11 月 20 日)两次收录 GPT-Live-1——使用 Astra 级后端、中等推理强度时为 83.2,使用 Sol 级后端、低推理强度时为 80.1——却没有收录 GPT-Live-1.1,而后者在 API 上才上线一天。它完全没有收录任何 Sesame 模型。目前这两个语音都没有第三方测量,因此任何声称其中一个比另一个听起来更自然的说法,都只是把听感印象当作研究结论来呈现。

Sesame 确实拥有的一样东西,是它自己构建的一个基准。2026 年 8 月,该公司发布了 TurnBench,这是一个用于衡量口语对话中轮次转换的开放基准:包含 30 小时在录音棚录制、双声道的英语对话,覆盖 154 段对话和 106 位配音演员,经过三重标注,用于衡量系统检测轮次结束和打断事件的准确程度与速度。这是一项真正的贡献——该领域此前一直依赖 20 世纪 90 年代初的 Switchboard 录音——其公开排行榜按召回率对 27 个系统进行排名,并同时列出假阳性率和中位延迟。GPT-Live-1.1 和 Sesame 的任何生产环境语音都没有出现在榜单上。这个基准衡量的正是两款产品都声称要解决的问题,而两者都没有提交结果。

这就是证据的现状:一边是厂商自行开展的人工评估,却未附任何数据;另一边是刚发布一天的 API 模型,也没有独立评分;而本可对二者进行比较的公开排行榜,却两者皆无、空空如也。

OrcaRouter 涵盖和不涵盖的内容

OrcaRouter 不提供这两款产品中的任何一款。目录中没有全双工语音端点,因此如果你想使用 GPT-Live-1.1,就需要直接调用 OpenAI 的 Live sessions API;如果你想使用 Sesame Preview,就需要下载一个应用。否则就是在谎报我们托管的内容。

我们确实覆盖的是 Live 部署中属于普通模型调用的那部分。GPT-Live-1.1 将推理和工具使用委托给后端,而 O​penAI 自己的指导建议从 gpt-6-luna 开始,遇到更困难的任务再换用 gpt-6-sol。两者都在 OrcaRouter 上以提供商标价提供,不加价,与 GPT-6 系列的其他模型以及 200 多个其他模型一起通过一个密钥访问,并支持跨提供商的自动故障转移,以及用于将多个模型组合成单次调用的路由 DSL。如果你的语音智能体的“大脑”正是你想要路由、切换或故障转移的部分,那正是我们能够帮上忙的层面——文本转语音方面也是如此,gpt-4o-mini-tts 以及 G​oogle 的 G​emini TTS 模型也同样可用。

这个决定,直白地说

如果你正在打造一款产品,这个选择毫无悬念,而且与语音质量无关。GPT-Live-1.1 可调用、按秒计费、可配置;Sesame Preview 则是一款消费级应用,有每月额度,且无法接入。要基于前者来交付,而把后者当作对话式语音未来走向的佐证,而非一个可用的组件。

如果你是正在挑选助手的人,这种比较就反过来了。Sesame 的 20 美元档位每月大约能买到 60 小时的通话时间,这大约相当于在 GPT-Live-1.1 的语音计费表上使用 6 小时 40 分钟的价格;而且它附带的是旨在让人与之交谈的角色,而不是旨在让人编写的会话配置。对于这项工作来说,API 并不是更好的产品;它只是唯一能让你进行构建的那个。

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.

能改变答案的,是一个公开的 Sesame 端点,或对任一语音的独立测量。截至 2026 年 11 月 20 日,两者都不存在。在其中一项出现之前,关于 GPT-Live-1.1 与 Sesame Preview,有用的说法是:它们其实并不构成竞争——而它们竟然会被拿来比较,这一点更能说明这个品类有多年轻,而不是说明两家公司的工作如何。