
Sesame Preview 现已推出套餐:免费版、20 美元的 Plus 版、100 美元的 Pro 版——但仍未提供语音 API
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 189 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 229 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
在十月那次为其智能体配备了一台电脑的升级过去近六周后,Sesame Preview——这款自2026年5月起处于公开预览的应用——现在有了价目表。Sesame 自己的套餐页面目前出售三个层级——Free 为 0 美元,每天 30 分钟通话时长;Plus 为每月 20 美元,额度是前者的四倍;Pro 为每月 100 美元,额度是前者的二十倍——通过 App Store 和 Google Play 计费,而不是在网页上。这些是厂商在其自家页面上标明的价格:不是实测数字,也不是独立评测。这些价格背后的一切都没有变化。生产版语音仍然没有 API、没有模型 ID,也没有独立评分;而应用之外的人唯一能加载的 Sesame 模型,仍然是开放权重的 CSM-1B。
公布的三个层级:
• 免费 — $0。每天 30 分钟通话时间,另含每周有限的积分额度,可用于短信和任务。
Plus —— 每月 20 美元。每天两小时通话时长,每周额度是 Free 的四倍,还有任何人都能使用一次的一周免费试用。
• Pro — 每月 100 美元。每天十小时通话时间,以及 Free 每周积分的二十倍。
Sesame 自己划出了真正重要的界线:通话会消耗通话时长,而“智能体去执行的任何事情”都会消耗积分,无论你是通过语音还是文字发起请求。因此,这两个计量表会以不同方式失效。通话时长每天重置,积分每周重置。积分耗尽不会中断通话——它会把你从 Max 智能降到 Standard,并且已安排的定时技能会暂停,直到每周重置后再从暂停处继续。通话时长耗尽则是更硬的墙:你仍然可以发文字,但模型智能会下降,部分能力会受到限制。在套餐层级列表中,“四倍通话时长”和“四倍积分”是两项独立的承诺,可能在不同日期耗尽。
真正决定档位的数字不是标价,而是加购费率。Sesame 的额外对话时长售价为 1 小时 5 美元、5 小时 20 美元,积分则为每千 5 美元、每五千 20 美元。加购包永不过期,且只有在套餐额度用完后才会被消耗。按这个费率,Plus 每天两小时——30 天的一个月里约 60 小时——成本为 20 美元,而 20 美元的单点购买对话时长只能买到 5 小时。如果你每周使用该助手超过几次,订阅的价值大约是这些加购包的十二倍,这想必正是其意图所在:Sesame 自己的 FAQ 称每个套餐都“比购买等量额外时长或积分划算得多”。
两个结构性细节比它们看起来更重要。第一,网页上不销售任何东西:购买通过 App Store 或 Google Play 进行,因此浏览器中的 Research Preview 完全无法升级。第二,也正是这一点让“预览即将结束”的说法略有偏差:网页预览并不会消失。Sesame 的 FAQ 表示,应用所属国家/地区之外的用户“可以继续免费使用 Research Preview,每日通话时长限制与 Free Plan 一致:每天 30 分钟”,并且通话时长和额度与账户绑定,因此同样的每日上限也适用于网页通话。结束的是不设上限的额度。预览本身则作为免费层级保留下来。
应用本身一直在与新的计费方案同步发版。App Store 上架的版本为 48.0,日期是 11 月 13 日,更新说明中宣传称“更出色的标准版与 Max Intelligence”;Google Play 显示该应用于 11 月 9 日更新,下载量 50,000+,约 2,000 条评价的平均评分为 4.9 星。下面的截图并非该版本——它是本文最初刊发时的八月截图,页面当时写着“预览版现已登陆 iOS 和 Android”,完全没有标注任何价格。之所以保留它,是因为它记录了产品在各档位出现之前的最后状态。

芝麻到底是什么
Sesame 不是一家碰巧做了款应用的模型公司;它是一家模型公司,而应用正是关键所在。这家实验室由 Brendan Iribe、Ankit Kumar 和 Ryan Brown 于 2023 年创立,并获得 a16z、Sequoia、Spark 和 Matrix 的支持,打造了“Maya”演示背后的对话语音模型(CSM)——那是一个带有呼吸、迟疑和打断时机的声音,逼真到初次聆听者以为电话那头是个真人。它现在销售的产品是“面向好奇之人的个人代理”。十月又增添了一个方向:10 月 6 日,公司首席产品官 Nate Mitchell 将这款助手描述为一副全天佩戴眼镜的操作系统——用公司的话说,是“镜框上的语音操作系统”;而在此前一天,Sesame 宣布镜框将在日本制造,并于 2027 年面世。助手是产品;眼镜是它存在的原因。套餐页面则补上了让它成为一门生意的那一部分。
四个代理,以及这个应用实际做什么
四个人格保持不变,仍然是这款产品最具辨识度的部分:Maya(机智的合作者)、Miles(随性、直言不讳的聊天对象)、Simone(适合深入探讨的动态思考伙伴)和 Charlie(休闲的倾诉对象)。每个人都保留自己的记忆,并且从十月起拥有各自的应用访问权限——你可以把邮箱交给 Maya,同时把 Charlie 排除在外。在此基础上,助手可以搜索网页、进行深度研究、记笔记和设置提醒、在通话后发送摘要,并在你不方便出声时用文字回答;Incognito Mode 会读取过往记忆,但不会写入新记忆。套餐改变的不是应用能做什么,而是你能用到多少:每项功能都标注为所有档位均可用,$0、$20 和 $100 之间的差别是额度,而不是能力。
十月版本到底新增了什么
先从声音说起,因为其他一切都建立在它之上。Sesame 表示,它“更新了我们的 Conversational Speech Model,以提升表现力和发音”,并称这一改动“带来了巨大差异,尤其是在较长的对话中”。同一篇帖子还称,角色的个性如今“表现得更加清晰”,谄媚更少,重复的语句也更少。这是一种没有任何数据支撑的厂商说法:没有公布模型 ID,没有延迟数字,没有基准测试,而该应用的声音仍然不是一个任何人都能测量的端点。把它当作方向性表述来看待——毕竟它是唯一听过两个版本的一方。
更大的变化在于,这些智能体现已拥有身体。Sesame 写道:“随着十月版本的发布,每个智能体现在都更聪明,并能使用自己的计算机”——这意味着助手可以浏览和行动,而不再只是交谈。该公司给出的演示颇具针对性:其自家团队表示,他们一直在使用 Maya、Miles、Simone 和 Charlie,通过语音,在散步和通勤途中“编排像 Devin、Claude Code 和 Codex 这样的其他智能体”。如果这真如描述般奏效,那么 Sesame 就不再只是与语音助手竞争,而是开始争夺编码智能体之上的控制层。这也是本次发布中最容易让读者亲自验证的说法——同时,在本文写作时,还没有任何外部评测者发布过对它的实测数据。
让这一切变得有用的底层基础设施同样是新的。Sesame 的入门指南于 10 月 5 日更新,其中将 Google 应用——Gmail、Google Calendar、Google Drive——列为连接器,部分标记为 Beta,并支持通过 OAuth 连接外部 MCP 服务器,同时直言警告:在连接之前要信任相应开发者。连接器之上是“技能”:一份用平实语言编写的操作手册,你在对话中构建它,然后按需或按计划运行,无论是否连接了应用。图像生成作为该智能体自有工具之一登场:应用将“Image by Sesame”列入其中,描述为可生成、编辑和分析图像,助手会主动提出根据描述生成图像,或告诉你所发送照片里有什么。注意这里的出处——那是应用内的工具列表,并非 Sesame 自己的公告所说,而且应用和公司都没有说明其背后的图像模型。
套餐页面补充了一个十月的说明没有明确指出的细节:这款应用现在有两个智能等级,Standard 和 Max,而 Max 是既消耗积分又消耗通话时长的那个等级。这使得积分额度成为质量上限,而不是任务配额——商店详情页支持这一区别,App Store 上版本 48.0 的发布说明就承诺“更好的 Standard 和 Max Intelligence”。
那些没有改变的限制
目前仍然没有针对该语音的 API,也没有模型 ID,所以这些都不是开发者可以调用的东西——而套餐页面也无法改变这一点。页面上的每一个数字都是消费者订阅价格;其中没有任何一项是该模型按 token、按分钟或按字符计费的价格。图像工具不会告诉你它由哪个模型驱动。一个智能体能否可靠地无人值守编排 Devin 或 Claude Code,仍是一个悬而未决的问题,厂商只是用自己的轶事来作答。英语仍然是唯一官方支持的语言——指南提到这些助手还“早期”支持法语、意大利语、德语、西班牙语、中文、日语和韩语,这更像是一个警告,而不是功能清单。你必须年满 18 岁。而且应用访问权限是按助手区分的,这对隐私有好处,但在实际使用中很别扭:你为 Maya 连接的东西,Charlie 看不到。Sesame 仍然表示它不投放广告,也不出售数据,而付费套餐现在让这一说法更容易维持。
声音就是产品——而且迄今为止它无法衡量。
Sesame 之所以值得一写,仍然不是因为某个基准测试分数,因为这个应用至今仍没有这样的分数。其生产模型尚未发布:没有模型 ID,没有 API,没有延迟目标,也没有像可调用的语音模型那样出现在 Artificial Analysis 的语音到语音排行榜上。你能验证的是它的架构谱系。Sesame 的 CSM 采用双解码器设计——一个 Llama 主干网络预测第一个音频码本,一个小型“深度”解码器预测其余部分——基于 Kyutai 的 Mimi 编解码器,生成 24 kHz 单声道语音,而开放权重的 CSM-1B(Apache-2.0)是任何人都能下载的那一部分。十月的那份说明是数月来首次确认生产版 CSM 本身已有进展,而该公司依然没有发布任何可供基准测试指向的内容。确实存在一件工具,而它衡量的是相邻的东西:2026 年 8 月 28 日,Sesame 发布了 TurnBench,一个面向口语对话中轮次转换的开放基准——30 小时经三重标注的双人语音、一套取自会话分析的评分协议、一个公开排行榜以及 14 个系统的结果,由 Sesame 与卡内基梅隆大学、Mundo AI 和 Oto 共同构建。它确实是开放的,确实是 Sesame 自己的,而且它评分的是轮次转换,而非这个应用的声音。
下方的计分板仍是八月时的旧快照。如今它在两个方面都已过时:它对计算机使用、连接器或图像生成只字未提,因为绘制它时这些功能都还不存在;而它的价格行仍写着“免费(预览版,无付费层级)”,但自从套餐页面上线那周起,这句话就不再属实了。本页顶部的标题卡也来自同一批八月素材,同样带着过时的“免费——尚无 API”徽标。请把两者都当作这款应用过去面貌的记录,而不是它当前收费情况的依据。

Sesame 一小时的实际成本
按每小时对话计价,Plus 折算下来约为 33 美分。这个数字值得与 API 市场放在一起比较,因为它是 Sesame 目前公布的唯一一个能与任何东西相比较的数字。Grok Voice Think Fast 2.0 按每音频分钟 0.08 美元收费,也就是每小时 4.80 美元。GPT-Realtime-2.1 按音频 token 计费,每百万输入 token 32 美元、每百万输出 token 64 美元;在不知道你说多少话的情况下,这个单位无法换算成小时。
这种比较并非同类对比,也不应被当作同类对比来解读。Grok Voice 是一个供你在其上构建产品的 API;Sesame 则是一个你直接与之对话的应用。Sesame 的积分在通话时长之外还对智能体的操作计费,因此任务繁重的一周所消耗的额度,是那个按小时计算的数字根本看不到的。而且没有任何独立评测衡量过这两种语音是否处于同一水平——能一锤定音的那个数字,对这款应用来说并不存在。33 美分所说明的是:Sesame 用一份固定价格的消费者订阅,去对标一个按分钟计费的市场;而每月 20 美元的它,卖出的时长远低于按量计费的语音 API 对这些时长的收费。这究竟是慷慨还是上线优惠,下一张定价页面会给出答案。
Sesame Preview 在语音领域中的位置
2026 年,实时语音领域分成了应用和 API 两条线,而 10 月又增加了第三个维度:谁控制智能体。在应用侧,Sesame Preview 与 ChatGPT 和 Gemini Live 内的语音模式争夺同样的注意力——但有一个新差别:那些语音模式捆绑在订阅中,而该订阅还能获得文本模型;而 Sesame 的 20 美元只买到这个助手。这让免费层成为真正的较量:每天 30 分钟只是演示时长,读者一旦超过这个时长,决定就变成这个语音是否值一个独立的 20 美元。在 API 侧,可调用的选项是那些你能让 WebSocket 指向的模型:Grok Voice Think Fast 2.0 每分钟音频 0.08 美元,首个音频输出时间为 0.70 秒,在 τ-Voice 智能体基准测试中排名第一,并在 Artificial Analysis 的语音到语音质量指数上以 82.9% 排名第二(这些数字是 Artificial Analysis 的,不是 xAI 的);或者 GPT-Realtime-2.1,每百万音频输入 token 32 美元,每百万音频输出 token 64 美元。第三个维度是 Sesame 在 10 月转向的那个维度:不是“调用我们的语音模型”,而是“与我们的智能体交谈,它们会驱动你的其他智能体”。这是一个关于编排的主张,而没有人测量它——到目前为止,厂商的描述就是全部证据。
下图是截至 2026 年 8 月 6 日的 API 端排行榜:它提醒我们,Sesame 在争夺注意力时面对的是哪些对手,也提醒我们这款应用的声音仍然缺少哪一类人物形象。

这对构建者意味着什么
消费端现在有价格了;开发者端仍然没有。今天如果你想基于 Sesame 的生产级语音构建产品,你做不到——没有面向它的 API,定价页上也没有任何套餐是开发者套餐。开发者唯一能调用的 Sesame 模型是开源的 CSM-1B 基础模型,你需要自行托管,或通过列出该模型的服务商来访问:10 亿参数、4K 上下文,一个具备零样本语音克隆、但自身不支持工具调用的文本转语音模型。十月改变的是行进方向:助手可以连接 MCP 服务器,Sesame 表示它“正在增加开发者工具,让你能在今年晚些时候构建自己的 Sesame 应用”。这些套餐所增添的,是对这套工具将依托的商业模式的一点暗示——按用量计费的通话时长,加上按用量计费的智能体工作,以分层套餐出售。一个你可以扩展、并且现在按小时付费的助手,距离一个可以按 token 调用的助手只有一步之遥。
到了 2026 年,更常见的定制语音智能体组装方式仍然是把语音层与一个决定说什么的文本大脑配对——而这个大脑正是路由器所前置对接的对象。OrcaRouter 提供 200+ 个模型,全部汇聚在一个兼容 OpenAI 的端点之后,按供应商标价、零加价直通,因此当供应商降价时,这里当天就会生效;自动故障转移是让刚发布、尚未验证的模型与一个经过验证的模型并排跑在真实路径上的安全方式。坦率说明我们自身的覆盖情况:目前这里没有任何 Sesame 模型可作为路由,CSM-1B 也不例外——所以以上内容都不是让你租用 Sesame 的声音。它是在语音保持封闭时适用于文本侧的模式,也是等到语音不再封闭那天你会想要采用的模式。
“驾驶模式”测试
TestingCatalog 八月份的那句话——“my drive mode default”(我的驾驶模式默认)——依然是概括 Sesame Preview 用途最精辟的总结,而到了十月,这句话变得更加字面化,也更具分量。驾驶模式是语音助手最难应对的场景:双手忙碌、目光盯着路面、没有屏幕可以依赖、在高速行驶中也没有耐心容忍一次轮流对话的失败。再加上计算机使用,风险就变了——你现在是在把无法从驾驶座上核实的任务,委托给一个会去执行、然后再回来汇报进展的智能体。能脱离显示屏传达含义的表现力韵律,以及让你能在句子中间插话的打断处理能力,依然是这款语音值得为此上路的原因。
这些方案给那项测试增添了一种不那么浪漫的失败模式。由于任务工作消耗的是额度而非通话时间,在车里被耗尽的不是对话,而是"做事"本身:一旦触及每周额度上限,通话会以标准智能继续,而任何已排期的技能都会暂停,直到额度重置。只剩十五分钟通话时间却毫无额度,比只剩十分钟但额度充足要糟糕得多;而且应用会在你走到那一步之前就提醒你,而不是事后才说。
接下来看什么
有五件事会改变这个故事。第一,生产级语音的 API 或模型 ID——这一事件会让 Sesame 从消费级应用变成开发者可以接入的东西,也是它能按 token 而非按月计价的那一刻。第二,套餐结构是否保持不变:如今每个功能都在每个档位宣传,因此各档位只在配额上不同。只要有一个功能被移到 Plus 后面,就说明按量计费是一次测试,而不是设计。第三,Sesame 承诺“今年晚些时候”推出的开发者工具:如果你能构建一个 Sesame 应用,那么即使没有经典意义上的 API,该应用的声音在编程层面也会变得有开发价值。第四,开放权重——自 2025 年 3 月起,CSM-1B 在 Hugging Face 上一直孤军奋战,而更新或更大的开放 CSM 会让任何人都能自己运行这个语音,而不是按小时租用。第五,智能眼镜,这已不再是传闻:在 10 月 5 日和 6 日两天里,公司把眼镜的推出时间定在 2027 年,称其将在日本制造,并把助手描述为它们所运行的操作系统。
常见问题
Sesame 还免费吗?
部分正确。该应用可免费下载,免费版仍可完整使用所有功能,但每天通话时间上限为 30 分钟,每周积分额度也有限;浏览器版 Research Preview 同样受每天 30 分钟的上限限制。Plus 每月 $20,每天可用两小时,积分是免费版的四倍;Pro 每月 $100,每天可用十小时,积分是免费版的二十倍;按需购买的套餐(每小时通话时间 $5,每千积分 $5)让你无需订阅即可充值。所有费用均通过 App Store 或 Google Play 结算。
Sesame 是否有适用于该应用语音的 API?
不。这款应用背后的生产模型尚未发布——没有模型 ID、端点,也没有按 token 计费的价格——尽管 10 月的发布说明称其底层的 Conversational Speech Model 已更新。付费方案面向的是消费者订阅,而非开发者费率。目前开发者唯一能调用的 Sesame 模型是开放权重的 CSM-1B 基础版,你需要自行托管,或通过提供该模型的供应商来访问。这些助手可以连接外部 MCP 服务器,但这只是让它们使用你的工具,并不能让你的代码使用这些工具。
这个声音到底有多好?
没有独立的评分。该应用模型未列入 Artificial Analysis 的语音到语音排行榜,并且 Sesame 没有发布关于它的第三方基准测试。现有的是厂商自己对十月变化的说法——更强的表现力、更好的发音、更少的谄媚——以及 Sesame 开源的 TurnBench,它衡量的是轮次转换,而非这款应用,还有开源的 CSM-1B,其自然度是 Sesame 语音工作中任何人都能独立运行的那一部分。
Sesame Preview 用十月的时间成为了一款产品,此后又变成了一门生意,而这两件事值得分开来看。作为用户,问题不再是这个声音是否令人惊艳——而是每天 30 分钟够不够覆盖你真实的说话方式,20 美元能不能买到足够的额度,以及每周的额度上限会不会正好卡在你安排好的事情中间。作为开发者,一切都没变:没有 API,没有模型 ID,没有按分钟计价,没有评分。订阅之前先用免费额度试试这个声音,看看额度断崖在一个真实的星期里会怎样,而不是在演示里,同时留一只眼睛盯着模型 ID——因为一旦 Sesame 发布它,这件事就会在一夜之间从消费者故事变成开发者故事。
