Eleven Realtime v1 Max مقابل Gemini 3.8 Live: أسرع، وأكثر دقة في الاستدلال، وبسعر أكبر بـ5.7 أضعاف.

يبدأ Eleven Realtime v1 Max بالتحدث خلال 0.57 ثانية ويحقّق 98.8% إجابات صحيحة في Big Bench Audio. ويبدأ Gemini 3.8 Live بالتحدث خلال 1.18 ثانية ويحقّق 92%. على المحورين اللذين يستشهد بهما الناس عند الجدال حول نماذج الصوت، تفوز ElevenLabs في كليهما — ثم تخسر على كل محور تقريبًا يهم فريقًا ماليًا، بدءًا من المحور الذي تضع فيه لوحة المعايير نفسها Gemini عند 0.84 دولار لكل ساعة من الصوت وEleven Realtime Max عند 4.80 دولار.تُجمع حوادث الذكاء الاصطناعي الموثقة وإخفاقات الوكلاء الكامنة وراء نماذج هذه الفئة في OrcaRouter AI Incident Archive، حيث يحمل كل إدخال مصادره الخاصة ودرجة الخطورة وتصنيف الثقة وعلامة كونه محل نزاع.

يختلف النموذجان أيضًا حول ماهية وكيل الصوت. فـG​emini 3.8 Live جزء من منصة: لديه درجة مؤشر، وبطاقة أسعار موثّقة، و97 لغة، وعلامة SynthID المائية على كل ثانية مُولّدة، ونسختان — القياسية وExtended Thinking — تفصلان الاستدلال عن المحادثة. أما Eleven Realtime v1 Max فهو نموذج واحد يُسوَّق بوعد أن التعرف على الكلام وتبادل الأدوار والتفكير والصوت قد ضُبطت معًا، ولا يملك مؤشر Speech to Speech إطلاقًا لأن الاختبار المعياري الوكيلي الذي يقف خلف ذلك المؤشر لم يُجرَّ عليه.

تلك الجملة الأخيرة هي الحجة كلها مضغوطة. أحد هذين النموذجين لديه بطاقة أداء علنية كاملة؛ أما الآخر فيحمل أفضل الأرقام في الصفّين اللذين يمتلكهما، وفراغًا حيث يقع أصعب صف.

ما تقوله لوحة النتائج في الحقيقة

كل رقم أدناه مستمد من لوحة الصدارة Speech to Speech التابعة لـ Artificial Analysis، التي تختبر كلا النموذجين على أداة الاختبار نفسها بدلًا من نقل صفحات البائعين. وحيث يختلف رقم أحد البائعين، يُشار إليه.

• الاستدلال الكلامي (Big Bench Audio) — Eleven Realtime v1 Max 98.8% مقابل G​emini 3.8 Live 92%

• زمن الوصول إلى أول صوت — بحد أقصى 0.57 ثانية مقابل G​emini 1.18 ثانية

• معدل نجاح المهام — Max 87.1% مقابل Gemini 93.2%

• الأداء الوكيلي (τ-Voice) — لم تُقَس درجة Max مقابل G​emini 30.1%

• ديناميكيات المحادثة (Full-Duplex-Bench) — الحد الأقصى 94.1% مقابل G​emini 96.1%

• تفضيل الساحة (Elo) — Max 997 مقابل Gemini 1,078

• مؤشر الكلام إلى الكلام — لم تُحتسب درجة لـ Max مقابل G​emini 76.0

• تكلفة الساعة من الصوت المُدخل — بحد أقصى $4.80 مقابل $0.84 لـ G​emini

النمط ليس "ElevenLabs أفضل في الصوت، وGoogle أفضل في كل شيء آخر". بل هو أضيق وأكثر إثارة للاهتمام من ذلك. يفوز Max في القياسين المأخوذين على مجموعة أسئلة صوتية ثابتة — الإجابة بشكل صحيح، والإجابة بسرعة — ويخسر في الثلاثة التي تتضمن إنسانًا في الحلقة أو استدعاء أداة لإكمالها. تفضيل الساحة هو أن يستمع الناس ويختاروا. نجاح المهمة هو ما إذا كانت الدالة الصحيحة قد استُدعيت. ديناميكيات المحادثة هي ما إذا كان تبادل الأدوار قد بدا صحيحًا. هذه هي مقاييس الإنتاج، ويحقق Gemini الثلاثة جميعها.

يستحق صف τ-Voice تحفّظًا قبل أن يقتبسه أي أحد. فنسبة 30.1% التي سجّلها G​emini 3.8 Live هي نتيجة ضعيفة حقًا في المهام الوكيلية — فشقيقه Extended Thinking يحصل على 68.6% في الاختبار نفسه، بينما يحصل G​PT-Live-1 (Astra، الإصدار المتوسط) على 74.5%. وإذا كان وكيلك بحاجة إلى تغيير حجز ما في إطار سياسة معيّنة، فإن 3.8 Live العادي ليس النموذج الذي تريده. لكن الخانة الفارغة الخاصة بـ Max ليست صفرًا ولا ينبغي قراءتها على هذا النحو، بل تعني أن الاختبار لم يُجرَ بعد.

من أين تنشأ الفجوة السعرية، ولماذا قد لا تكون مهمة بقدر ما تبدو عليه

تتقاضى Gemini 3.8 Live مبلغ 0.005 دولار لكل دقيقة من الصوت المُدخل و0.018 دولار لكل دقيقة مُخرجة، مع النص بسعر 0.75 و4.50 دولار لكل مليون رمز، وإدخال الصور أو الفيديو بسعر 1.00 دولار لكل مليون. ولا تنشر Eleven Realtime أي سعر لكل طراز على الإطلاق: ففي ElevenAgents تدفع رسوم الوكيل القياسية لكل دقيقة إضافة إلى الرموز بسعر طراز Realtime، ومن خلال Realtime API تدفع لكل دقيقة من الصوت المتصل إضافة إلى الرموز، مع أسعار الرموز نفسها في كل خطة. وتُحوِّل Artificial Analysis كليهما إلى تكلفة لكل ساعة على مجموعة أسئلة ثابتة، وهي الطريقة الوحيدة للمقارنة بينهما بنزاهة، لتصل إلى 0.84 دولار مقابل 4.80 دولار.

ثمة أمران يترتبان على ذلك. أولًا، إذا كان حجم استخدامك يُقاس بآلاف الدقائق يوميًا، فالفجوة هي ما يحسم القرار — فـ5.7× ليس خطأ تقريب، وليس لدى ElevenLabs أي رافعة معلنة لسدّها سوى خيار Mini الأرخص. ثانيًا، ليست المقارنة ثابتة كما هو حال سعر القائمة. فقد سبق أن خفّضت Google أسعار صوت Gemini، وعندما تمرّر جهة مزوّدة سعر القائمة كما هو، يصل التخفيض إلى جانبنا في اليوم نفسه، لأن OrcaRouter لا يضيف أي هامش ربح. وينطبق الأمر ذاته في الاتجاه المعاكس: إذا نشرت ElevenLabs سعرًا لـ Realtime، يتغيّر الرقم دون أن يضطر أحد إلى إعادة كتابة أي تكامل.

رهانان مختلفان بشأن تبادل الأدوار

المعماريات ليست متكافئة، وهذا الفرق يفسّر انقسام المؤشرات على نحو أفضل من أي ادعاء يتعلق بالجودة.

يُعد Gemini 3.8 Live أحد الإصدارات ضمن عائلة تُطلقها Google منذ عامين.

يعالج المدخلات البصرية في زمن شبه حقيقي، ويبدّل اللغات أثناء المحادثة عبر 97 لغة، وينفّذ استدعاءات الأدوات وواجهات API في الخلفية بحيث يستطيع الوكيل الإقرار بالطلب ومواصلة التحدث بينما يكتمل البحث. أما نظيره G​emini 3.8 Live Extended Thinking، فيستدل ويتحدث في الوقت نفسه، مع سرد التقدّم. يحمل كلاهما علامات SynthID المائية ويشتركان في بطاقة نموذج منشورة باسم gemini-3-8-audio، ولكليهما معرّفات API موثّقة: gemini-3.8-live وgemini-3.8-live-extended-thinking.

يدمج Eleven Realtime المنظومة التقنية بدلاً من تنسيقها.

التعرّف على الكلام وتبادل الأدوار وخطوة الاستدلال وتوليد الصوت نظام واحد مُعاير، ولهذا يستطيع الرد في 0.57 ثانية دون كاشف منفصل لنشاط الصوت يقرّر متى انتهى المتصل من كلامه. والمثال الذي تقدّمه ElevenLabs نفسها على هذه الفائدة هو القناة الخلفية: فـ Mini موثّق بأنه يكتشف ما إذا كان المتحدث قد انتهى أم أنه يقاطع فقط بـ"مم-هم". وهذا هو السلوك الذي يجعل وكيل الصوت يتوقف عن الإحساس بأنه جهاز لاسلكي، وهو من الأمور التي تعاني منها البنية المتتالية لأن كاشف VAD يجب أن يُخبَر بما يُعدّ مقاطعة.

ثمن التصميم المدمج هو التحكم. في ElevenAgents، يعني اختيار نموذج Realtime أن يتولى ElevenLabs إدارة LLM، وجهد الاستدلال، وميزانية التفكير، واستدعاءات الأدوات المتوازية، ومهلة التتالي، ونموذج TTS، والوضع التعبيري، ومزوّد ASR. لا يمكنك إحضار LLM مخصص، ولا يمكنك استخدام Amazon Bedrock، ولا يمكن لعقدة سير عمل تجاوز أي من تلك الإعدادات. أما Gemini فيمنحك النموذج ويتيح لك الإبقاء على خط الأنابيب.

سؤال التكامل الذي لا يضعه أحد في جدول المقارنة

‏Gemini 3.8 Live هو نموذج من Gemini API. يُباع Eleven Realtime بطريقتين — داخل ElevenAgents، وعبر Realtime API متوافق سلكيًا مع بروتوكول أحداث OpenAI، على wss://api.elevenlabs.io/v1/convai/realtime. إذا كان لديك عميل OpenAI Realtime، فإن تغيير نقطة النهاية واسم النموذج يمثل معظم عملية الترحيل؛ وتتضمن الوثائق مهارة تعمل بأمر واحد للقيام بذلك.

ما تتخلى عنه مقابل هذا التوافق هو المنصة. إن Realtime API وElevenAgents منتجان منفصلان يعملان على بروتوكولات اتصال مختلفة، ولا يوفر الـAPI قنوات الهاتف أو WhatsApp، أو قواعد المعرفة، أو ضوابط الحماية، أو الاختبارات المكتوبة، أو مراقبة المحادثات. كما تؤكد ElevenLabs صراحةً أن Realtime API لا يدعم WebRTC عند الإطلاق — بل WebSocket فقط.

هذا التفاوت هو المكان الذي تناسب فيه طبقة توجيه، وهي تناسب جهة G​emini أكثر من جهة E​levenLabs. لا تستضيف OrcaRouter النموذج eleven_realtime_v1_max؛ فلا توجد نقطة نهاية خارجية له، ولن ندّعي غير ذلك. ما تستضيفه OrcaRouter هو بقية حزمة على شكل G​emini: google/gemini-3.8-flash وسائر نماذج G​emini خلف مفتاح واحد، 209 نماذج من 16 مزوّدًا إجمالًا، بسعر قائمة المزوّد دون أي هامش، مع تحويل تلقائي عند حدوث خطأ من مزوّد. إذا بنيت طبقة الصوت على G​emini، فيمكن تبديل الاسترجاع وتحليل ما بعد المكالمة المحيطين بها واختبارهما بأسلوب A/B على حركة المرور الخاصة بك بدلًا من الالتزام بهما من لوحة تصنيف.

أي واحدة تختار؟

اختر G​emini 3.8 Live إذا كان على الوكيل إتمام معاملة، أو إذا كنت بحاجة إلى سعر أقل من دولار في الساعة، أو إذا كنت بحاجة إلى إدخال مرئي، أو إذا كنت بحاجة إلى 97 لغة على سطر واحد. فلديها بطاقة الأداء العامة الكاملة، وقائمة الأسعار الموثقة، والدقيقة الأرخص. وضعفها الوكيلي حقيقي لكنه قابل للقياس، وشقيقها Extended Thinking هو الحل إذا كان إكمال المهام هو عنق الزجاجة.

Pick Eleven Realtime v1 Max إذا كانت المحادثة نفسها هي المنتج — معلّم خصوصي، أو شخصية، أو خط دعم تكون الشكوى فيه من انقطاع الحديث — وإذا كان عبء العمل لديك صوتًا كثيف الاستدلال بدلًا من مكالمات طويلة متصلة. فأنت تشتري أسرع مُستدِلّ قوي في الساحة وأفضل تناوب أدوار محدَّد بالقياس، مقابل علاوة سعرية ينبغي أن تحسبها قبل الالتزام.

لا تكتفِ بالاعتماد على درجة المؤشر وحدها. لا يملك Max درجة كهذه، وهذا ليس قدحًا في جودة Max؛ بل هو بيان عن مقدار سلوك Max الذي لا يزال غير مقيس. الرقم الوحيد الذي من شأنه أن يغيّر هذه المقارنة هو تشغيل τ-Voice على Max. إذا جاء فوق نسبة 68.6% الخاصة بـ G​emini — نسخة Extended Thinking، لا النسخة القياسية — فإن علاوة E​levenLabs تبدأ تبدو كبوليصة تأمين لا كضريبة. وحتى يأتي ذلك، فإن النموذج الأسرع هو الذي عليه إثبات المزيد.