生成了一張標題卡,標題為「GPT-Live-1.1 對比 Sesame Preview」,副標題為「按用量計費對比訂閱制」;左側卡片標示 GPT-Live-1.1,每活躍分鐘 $0.05、每待機分鐘 $0.02,並提供計量 API;右側卡片標示 Sesame Preview,Plus 每月 $20、Pro 每月 $100,且僅提供消費者應用程式。
Guides & Insights

GPT-Live-1.1 vs Sesame Preview:費率表對上訂閱制

作者

Elias Hawthorne

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

這兩者經常被拿來比較,而這種比較通常是個錯誤。GPT-Live-1.1 和 Sesame Preview都能進行對話、都能處理插話,也經常被形容為聽起來比上一代更不像電話語音選單。但一個是按用量計費的 API,另一個是訂閱制應用程式;一旦你注意到這點,關於它們大多數有意思的問題就完全不再是語音品質了。

GPT-Live-1.1 於 2026 年 11 月 19 日在 OpenAI API 上推出,距離它在 ChatGPT Voice 中取代 GPT-Live-1 已過了五週。Sesame Preview 自 2026 年 5 月起向消費者推出,並自 8 月初起在 Android 上提供;到了 10 月,它新增了價目表——免費、Plus 每月 20 美元、Pro 每月 100 美元——透過 App Store 和 Google Play 銷售。兩家公司都沒有公布能讓你將這兩種語音放在同一個軸線上比較的基準測試,也沒有獨立實驗室執行過這樣的測試。因此,以下內容全都是在說明各產品是什麼,而不是哪一個聽起來更好,因為第二個問題目前沒有可測量的答案。

兩個產品,兩種商業模式

要看清這個分野,最清楚的方法就是問自己究竟在買什麼。

• 存取 — GPT-Live-1.1 是模型 ID,位於 v1/live/sessions,可從你自己的應用程式呼叫;而 Sesame Preview 是 iOS 與 Android 的應用程式,沒有公開 API,也沒有模型 ID

• 定價 — GPT-Live-1.1 按秒計費:每活躍語音分鐘 $0.05,待機時 $0.02;而 Sesame 則販售每月額度:免費版 $0(每天 30 分鐘通話時間)、Plus $20(每天 2 小時)、Pro $100(每天 10 小時)

• 誰付費 — GPT-Live-1.1 會向開發者帳戶收費,另外其委派的後端還有一筆獨立的 token 帳單;相較之下,Sesame 則是透過應用程式商店向消費者收費

• 語音 — GPT-Live-1.1 提供 21 種具名語音,涵蓋英語、葡萄牙語、德語、法語、印地語、日語與韓語,並支援以提示詞建立語音;Sesame 則提供四個角色——Maya、Miles、Simone 與 Charlie

• 自訂 — GPT-Live-1.1 可讓你撰寫工作階段指示、選擇委派模式並設定閒置逾時,而 Sesame 的代理程式則各有鮮明個性供你從中選擇,而非讓你針對其編寫設定的設定介面

• 開放權重 — GPT-Live-1.1 為閉源,而 Sesame 的 CSM-1B 在 Hugging Face 上採用 Apache 2.0 授權,且並非應用程式中所使用的模型

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).

最後那句話正是人們常搞錯的地方。Sesame 確實有開放模型,而且那不是 Preview。CSM-1B 是一個以 Apache 2.0 授權釋出的 10 億參數對話語音模型,建構於 Llama 架構主幹並搭配 Kyutai 的 Mimi 編解碼器,它與應用程式中的正式版語音是不同且更小的系統。任何告訴你他們正在自行託管 Sesame Preview 的人,其實是在自行託管別的東西。自 2025 年 2 月第一篇研究文章以來,示範與下載之間的落差一直是 Sesame 產品供應的核心事實,而且這個落差尚未縮小。

每分鐘 $0.05,定價恰當

GPT-Live-1.1 的費率無論從哪個方向看都容易誤讀,因此值得精確說明。語音工作階段按持續時間計費,每個活躍分鐘 $0.05,並依秒計費,不會進位到整分鐘。自 2026 年 11 月 19 日起,WebRTC 工作階段可設定為在沒有語音 5 至 60 秒後暫停推論,並在等待期間每分鐘計費 $0.02。後端模型與工具用量會另行計費,並依你所指定之委派目標模型的 token 計量方式收費。建立 WebRTC 工作階段時,會在初始化時計收 15 秒的語音持續時間;待工作階段開始執行後,這筆時間會折抵回持續時間。

因此,光是語音計量表上,連續三個小時的開放通話線路就要 $9.00,這還不包含任何後端 token。這個數字可以用來對比 Sesame 的 Plus 方案:該方案每月收費 $20,提供每天兩小時的通話時間——若充分用滿額度,約為每月 60 小時,也就是每小時約 $0.33。若純粹以每小時計算,Sesame 便宜得多,而它便宜的原因與慷慨無關:你是一個消費者在應用程式內與一個助理對話,而不是一個應用程式對著計量端點發出數千通並行呼叫。

只有當你問自己「被允許打造什麼」時,這個比較才真正成立。Sesame 的通話時間,是給一個人的額度。GPT-Live-1.1 的分鐘數,則是產品的商品成本。評估後者的團隊,無論代價如何,都不能用前者替代。

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.

兩款產品都給不了你的東西

Sesame 的限制由公司自行說明,值得如實列出,不作緩和。這款應用程式本身就是產品;沒有 API、沒有模型 ID、沒有速率限制、沒有企業方案,除了訂閱之外也沒有公布任何變現計畫。工作階段受每日通話時間額度限制:Free 為 30 分鐘、Plus 為兩小時、Pro 為十小時;而且代理只會交談,不會執行:它們不會像代理式 API 那樣替你預訂、購買或提交任何東西。該應用程式已在 iOS 與 Android 上推出,並宣布將於 2027 年推出眼鏡產品。Sesame 表明的發展方向是研究合作與硬體。

GPT-Live-1.1 的限制同樣具體,而且方向相反。它是音訊與文字輸入、音訊與文字輸出。不支援影像與視訊。它本身不進行推理——而是透過 Responses 委派或用戶端委派,交由你設定的後端模型或代理來處理——而且只能透過v1/live/sessions存取。Chat Completions、Responses、Realtime、轉錄、翻譯與語音生成都列為此模型不支援的端點。如果你想要的是單一呼叫就回傳文字,這不是它;它是一個語音層,中間有個空洞,讓你的後端填進去。

換句話說,這兩款產品都比其行銷宣傳所暗示的更狹隘。Sesame 販售的是一種你無法在其上建構應用的語音;O​penAI 販售的是一種無法自行思考的語音。

數字停止的地方

這兩款語音都沒有獨立評分,而這個缺口有多徹底,值得直說。Artificial Analysis 的語音對語音指數於 2026 年 11 月 20 日查閱時,兩次收錄 GPT-Live-1:以中等推理強度的 Astra 級後端得 83.2,以低推理強度的 Sol 級後端得 80.1;卻未收錄 GPT-Live-1.1,而它在 API 上才上線一天。該指數完全沒有收錄任何 Sesame 模型。目前這兩款語音都沒有第三方測量,因此任何宣稱其中一款聽起來比另一款更自然的說法,都只是把聆聽印象當成研究發現。

對 Sesame 而言,確實存在的是它自己建立的一套基準測試。2026 年 8 月,該公司發布了 TurnBench,這是一套針對口語對話中輪流發言的開放基準:30 小時於錄音室錄製的雙聲道英文對話,涵蓋 154 段對話與 106 位配音員,並經三重標註,用來衡量系統偵測發言結束與插話事件時有多準確、有多迅速。這是一項實質貢獻——該領域一直仰賴 1990 年代初的 Switchboard 錄音——而公開排行榜依召回率排名 27 個系統,並同時列出偽陽性率與中位延遲。GPT-Live-1.1 以及 Sesame 的任何正式產品語音都未出現在榜上。這套基準衡量的正是兩款產品都聲稱要解決的問題,而兩者都未提交。

這就是證據的現況:一邊是廠商自行執行、未附任何數字的人工評估,另一邊是推出僅一天的 API 模型、沒有任何獨立評分,而原本能比較兩者的公開排行榜,卻兩者皆空。

OrcaRouter 涵蓋與不涵蓋的範圍

OrcaRouter 並不提供這兩款產品。目錄中沒有全雙工語音端點,所以如果你要 GPT-Live-1.1,就得直接呼叫 OpenAI 的 Live sessions API;如果你要 Sesame Preview,就得下載應用程式。若說不是這樣,就是在對我們實際託管的內容說謊。

我們確實涵蓋的是 Live 部署中屬於一般模型呼叫的那一部分。GPT-Live-1.1 會將推理與工具使用交由後端處理,而 OpenAI 本身的指引是起步先採用 gpt-6-luna,較困難的工作再改用 gpt-6-sol。兩者都在 OrcaRouter 上以供應商定價提供、不加價,並與 GPT-6 系列其餘模型及超過 200 個其他模型一起透過同一把金鑰提供,還能在供應商之間自動容錯移轉,並可透過路由 DSL 將多個模型組合成單次呼叫。如果你的語音代理的大腦正是你想路由、切換或容錯移轉的部分,那正是我們實際能協助的層級——文字轉語音端也是如此,gpt-4o-mini-tts 與 Google 的 Gemini TTS 模型同樣可供使用。

這個決定,直白地說

如果你正在打造產品,這個選擇並不接近,而且重點不在語音品質。GPT-Live-1.1 可供呼叫、按秒計價且可配置;Sesame Preview 則是消費級應用程式,有每月額度,卻沒有接入途徑。請以第一個來出貨,並把第二個視為對話式語音發展方向的證據,而不是當作元件。

如果你是正在挑選助理的人,這個比較就會反轉。Sesame 的 20 美元方案每月可換來大約 60 小時的通話時間,這大約等於 GPT-Live-1.1 語音計費表上六小時四十分鐘的價格,而且它附帶的是設計來讓你對它說話的角色,而不是設計來讓你撰寫的會話設定。對這項工作來說,API 並不是更好的產品;它只是唯一能讓你打造東西的產品。

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.

能改變答案的,會是公開的 Sesame 端點,或是對任一款語音的獨立測量。截至 2026 年 11 月 20 日,這兩者都不存在。在那之前,關於 GPT-Live-1.1 與 Sesame Preview,最值得說的是:它們其實並沒有真正在競爭——而它們竟然會被拿來比較,這件事更能說明這個類別有多年輕,而不是說明任一間公司的工作成果。