Eleven Realtime v1 Max مقابل GPT-Live-1: فجوة المعايير القياسية ليست في صالح ElevenLabs
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 12 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 139 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 952 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 51 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 829 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
يستهل البيان الصحفي الخاص بـ Eleven Realtime v1 Max حديثه بنتيجة 98.8% في Big Bench Audio واستجابة خلال 0.57 ثانية. الرقمان صحيحان، وكلاهما الأفضل في فئته، وكلاهما خارج صلب الموضوع عندما تكون المقارنة مع GPT-Live-1 — لأن المعيار الذي يحسم أداء وكلاء الصوت في بيئات الإنتاج ليس الاستدلال الكلامي، وفي هذا المعيار يفوز نموذج OpenAI بفارق واسع بما يكفي ليطمس أفضلية 0.7 ثانية التي تسوّقها ElevenLabs. تُجمَّع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة وراء نماذج هذه الفئة في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة الخطورة ومستوى الثقة وعلامة كونه محل خلاف.
شغّل نفس إطار الاختبار Artificial Analysis على كليهما، وكان الانقسام واضحًا. يتقدم Eleven Realtime v1 Max في الاستدلال الكلامي، بنسبة 98.8% مقابل 89%، وفي السرعة، 0.57 ثانية مقابل 1.24. ويتقدم GPT-Live-1 في إكمال المهام الوكيلية، بنسبة 59.3% مقابل غير مُقاس، وفي ديناميكيات المحادثة، بنسبة 97.3% مقابل 94.1%، وفي تفضيل الساحة، بنتيجة 1,047 Elo مقابل 997، وفي نجاح المهام، بنسبة 90.9% مقابل 87.1%، وفي المؤشر المركب، بنتيجة 80.1 مقابل لا شيء على الإطلاق.
ذلك الرقم الأخير ليس مجازيًا. لا يمتلك Eleven Realtime v1 Max أي درجة في Speech to Speech Index، لأن المؤشر يتطلب المكوّنات الأربعة جميعها، ولم يُنشر بعد التشغيل الوكيلي لـ τ-Voice الخاص به. يمتلك GPT-Live-1 مؤشرًا. وهو الأعلى على لوحة الصدارة.
لوحة النتائج الكاملة، جنبًا إلى جنب
جميع الصفوف هي قياسات أجرتها Artificial Analysis على أداة الاختبار الخاصة بها ما لم يُذكر خلاف ذلك. أرقام Eleven Realtime مأخوذة من إعلان 20 أكتوبر 2026؛ ويعود تاريخ إتاحة GPT-Live-1 عبر API إلى 10 سبتمبر 2026، مع طرح النموذج نفسه في ChatGPT في 8 يوليو.
• مؤشر الكلام إلى الكلام — Eleven Realtime v1 Max لم يُقيَّم مقابل GPT-Live-1 (Sol، منخفض) 80.1
• الاستدلال الكلامي (Big Bench Audio) — Max 98.8% مقابل GPT-Live-1 89%
• الأداء الوكيلي (τ-Voice) — لم يتم قياس Max مقابل GPT-Live-1 59.3%
• ديناميكيات المحادثة — Max 94.1% مقابل GPT-Live-1 97.3%
• معدل نجاح المهمة — الحد الأقصى 87.1% مقابل GPT-Live-1 90.9%
• تفضيل الساحة (Elo) — Max 997 مقابل GPT-Live-1 1,047
• زمن الوصول إلى أول صوت — Max 0.57 ثانية مقابل GPT-Live-1 1.24 ثانية
• تكلفة الساعة من الصوت المُدخل — Max بسعر 4.80 دولارًا مقابل 4.47 دولارًا لـ GPT-Live-1
• النقل — Max WebSocket فقط عند الإطلاق مقابل GPT-Live-1 WebRTC فقط
صف واحد أقرب مما يلمّح إليه العنوان: التكلفة. إن $4.80 مقابل $4.47 لكل ساعة من الصوت يضع هذين الطرازين في النطاق السعري نفسه، وهو عكس القصة التي تحصل عليها عند مقارنة Eleven Realtime بـ $0.84 لدى Gemini 3.8 Live. وفي مقارنة OpenAI، تبلغ علاوة ElevenLabs 7%.
لماذا تشير درجة الاستدلال في الاتجاه الخاطئ
Big Bench Audio هو 1,000 سؤال صوتي مقتبس من Big Bench Hard عبر أربع فئات — المغالطات الصورية، والملاحة، وعد الأشياء، ومجموعة مسائل لفظية بولينية. يسمع النموذج سؤالاً ويجيب بصوت مسموع، وتُقيَّم الإجابة على أنها صحيحة أو خاطئة. وهو يقيس مدى جودة استدلال النموذج حول المحتوى الصوتي، وهذا ليس مماثلاً لمدى جودة إدارته لمحادثة أو إنجازه لمهمة.
تحلّ Max بنسبة 98.8% في المركز الثالث على تلك اللوحة، خلف StepAudio 3 Realtime (100%) وQwen Audio 3.0 Realtime Plus (99.2%)، ومتقدمة على Qwen3.5 Omni Plus Realtime (98.7%) وGrok Voice 3.0 (98.5%). ونسبة GPT-Live-1 البالغة 89% تأتي في المركز الثاني عشر. إذا كانت مهمة وكيلك هي الاستماع إلى وصف منطوق طويل والإجابة عن سؤال بشأنه، فإن فجوة التسع نقاط هذه ذات دلالة، وElevenLabs هي الخيار الأفضل للشراء.
لكن ElevenLabs لا تبيع Max لذلك الغرض. فصفحتها الخاصة تضع Max ضمن "المهام المعقدة" مع "استخدام الأدوات متعدد الخطوات" — دعم العملاء، وتأهيل العملاء المحتملين، والجدولة المدعومة. هذه هي منطقة τ-Voice، وτ-Voice هي حيث لا يملك Max أي رقم بينما يملك GPT-Live-1 نسبة 59.3%.
رقم OpenAI يحتاج أيضًا إلى تحفّظه الخاص، ووثائق OpenAI نفسها توفره: الأدلة المنشورة على النشر ضئيلة. معيار الدعم الصوتي المصرفي الذي أبلغت عنه OpenAI عند إطلاق API وضع معدل نجاح GPT-Live-1 عند 32%، مقابل 12.4% لـ GPT-Realtime-2.1. معدل نجاح 32% تحسّن كبير ولا يزال يعني أن النظام يفشل في ثلثي سير عمل خاضع للتنظيم. رقم τ-Voice لدى Artificial Analysis هو الأكثر فائدة لأنه يُشغَّل على إطار اختبار مشترك، لكنه نتيجة في منتصف الميدان، وليس تتويجًا.
حيث تكون ميزة GPT-Live-1 بنيوية، لا هامشية
فجوة ديناميكيات المحادثة البالغة 3.2 نقطة وفجوة تصنيف Elo في الساحة البالغة 50 نقطة تنبعان من خيار معماري لم تتخذه ElevenLabs. إن GPT-Live-1 ثنائي الاتجاه بالكامل بالمعنى الدقيق: فهو يستمع ويتحدث على الخط الزمني نفسه، وعندما يسأل المتصل عن شيء يتطلب عملًا حقيقيًا، يسلّم المهمة عبر حدود غير متزامنة إلى نموذج خلفي منفصل يواصل التفكير بينما تستمر المحادثة الصوتية. طبقة الصوت هي واجهة أمامية. يحدث الاستدلال في مكان آخر ثم يعود ليندمج عندما يصبح جاهزًا.
هذا التصميم هو سبب قدرة GPT-Live-1 على تنفيذ استدعاءات الأدوات دون أن يصمت الخط، وهو أيضًا سبب انخفاض درجة استدلاله: النموذج الذي يجيب عن سؤال Big Bench ليس هو النموذج الذي يقوم بالتفكير العميق في جلسة حقيقية. أما Eleven Realtime Max فيراهن على العكس. شبكة واحدة تتولى التعرف وتبادل الأدوار والاستدلال والصوت، وهذا ما يمنحها 0.57 ثانية — فلا يوجد تسليم يجب انتظاره — وهو ما يحدّ من مقدار الاستدلال الذي يمكن أن يحدث قبل أن يلاحظ المتصل التوقف.
أي الخيارين أصحّ يعتمد على أيّ الميزانيتين أضيق: ميزانية زمن الاستجابة أم ميزانية إنجاز المهمة. فبالنسبة لوكيل جدولة عليه أن يتحقق من تقويم، ويؤكد موعدًا، ويكتب سجلًا، يتفوق نموذج التسليم على صعيد الإنجاز. أما بالنسبة لمعلّم خاص يجيب عن سؤال منطوق في نَفَس واحد، فيتفوق النموذج المدمج على صعيد الإحساس.
تفاصيل الفوترة والنقل التي تحدد التكامل
تفرض GPT-Live-1 رسومًا ثابتة قدرها $0.05 لكل دقيقة من الصوت، تُحتسب بالثانية، مع احتساب تهيئة الجلسة 15 ثانية مقدمًا وخصمها من المدة اللاحقة. وتُفرض رسوم على نموذج الاستدلال الخلفي بشكل منفصل وفق أسعاره العادية، لذا يمكن لطبقة صوت رخيصة أن تنتج مكالمة مكلفة. لا يستطيع OrcaRouter توجيه طبقة الصوت — فنقطة نهاية Live Sessions على v1/live/sessions مملوكة لـ OpenAI وحدها — لكن النصف الخلفي ليس سوى استدعاء نموذج آخر، وعلى OrcaRouter يمثل ذلك 209 نموذجًا من 16 مزوّدًا على مفتاح واحد بسعر قائمة المزوّد دون أي هامش، مع التحويل التلقائي عند الفشل إذا واجه النموذج الخلفي الذي اخترته خطأً أثناء المكالمة.
تفرض Eleven Realtime الرسوم على النحو المعاكس: سعر ElevenAgents القياسي لكل دقيقة، بالإضافة إلى رموز الإدخال والإدخال المخزّن مؤقتًا والإخراج وفق سعر نموذج Realtime، مع تكلفة أعلى لكل رمز في Max مقارنةً بـ Mini. لا يُنشر سعر الدقيقة لأي من النموذجين على صفحة تسعير ElevenLabs؛ وتعرض لوحة المعلومات تقديرًا، كما أن مبلغ $4.80 لدى Artificial Analysis هو رقم مُعيّر وليس سعر قائمة.
تُعدّ طبقة النقل هي الوجه الأكثر حدّةً في عدم التناظر. فـ API الخاص بـ Eleven Realtime متوافق مع OpenAI-Realtime عبر WebSocket — إذ يستورد المثال الوارد في الوثائق نفسها OpenAIRealtimeWebSocket من @openai/agents-realtime ويوجّهه إلى wss://api.elevenlabs.io/v1/convai/realtime. أما GPT-Live-1 فهو WebRTC فقط، و probing المسار الأقدم Realtime باستخدام معرّف طراز GPT-Live يعيد خطأً يفيد بأن الجلسات تتطلب WebRTC. لذا يسير التوافق في اتجاه واحد: يمكن لعميل OpenAI Realtime الانتقال إلى ElevenLabs بتغيير نقطة النهاية، لكن لا يمكن لعميل OpenAI Realtime الانتقال إلى GPT-Live-1 دون إعادة كتابة طبقة النقل. الفرق التي تنتقل إلى GPT-Live-1 تكتب مصافحة RTCPeerConnection، وقناة بيانات oai-events، وتبادل عرض من جانب الخادم؛ أما الفرق التي تنتقل إلى Eleven Realtime فتعدّل سلسلتين نصيتين.
محاذير الإطلاق على جانب ElevenLabs
توثيق ElevenLabs يضيف قيودًا لا تذكرها أي تغطية للإطلاق:
• التوافر — تُطرح نماذج Realtime "تدريجيًا"؛ ومساحة العمل التي لا يتوفر فيها إعداد Voice mode تتلقى من واجهة API الرسالة: "نماذج Realtime غير متاحة لمساحة العمل هذه".
• إقامة البيانات — يتوفر Max في الولايات المتحدة والاتحاد الأوروبي، لكنه غير متاح في الهند أو سنغافورة، حيث يُقدَّم Mini فقط
• الامتثال — يدعم Max وضع عدم الاحتفاظ ودعم HIPAA في الولايات المتحدة والاتحاد الأوروبي؛ بينما لا يدعم Mini أياً منهما
• الإعدادات المُدارة — يتم التحكم في LLM وجهد الاستدلال وميزانية التفكير واستدعاءات الأدوات المتوازية ونموذج TTS والوضع التعبيري ومزوّد ASR جميعها بواسطة ElevenLabs أثناء تعيين نموذج Realtime، ولا يمكن لعُقد سير العمل تجاوزها
• نماذج LLM المخصصة — الوضع الفوري غير متاح عندما يستخدم أحد الوكلاء نموذج LLM مخصصًا أو Amazon Bedrock
قيود GPT-Live-1 نفسه أشد إحكامًا في جانب وأكثر تساهلًا في جانب آخر: فهو لا يوفر Chat Completions ولا Responses ولا طبقة توافق Realtime ولا الضبط الدقيق ولا إدخال الصور أو الفيديو، لكن حدود طبقاته تُحتسب بالجلسات المتزامنة — 25 في الطبقة 1 وترتفع إلى 500 في الطبقة 5 — بدلًا من الطلبات في الدقيقة.
من ينبغي أن يختار أيّها؟
اختر GPT-Live-1 عندما يتعيّن على الوكيل إنجاز العمل: الحجوزات، والتغييرات، والمبالغ المستردة، وأي شيء ينتهي بكتابة في قاعدة البيانات. فهو صاحب معدل نجاح أعلى في المهام، وتفضيل أعلى في الساحة، ومؤشر مركّب أعلى، وتكلفة أقل لكل ساعة، وهو الوحيد من بين الاثنين الذي يمتلك درجة وكيلية منشورة. خصّص ميزانية لإعادة كتابة WebRTC وللفاتورة المنفصلة لنموذج الواجهة الخلفية.
اختر Eleven Realtime v1 Max عندما تكون المحادثة هي المنتج ويكون الاستدلال ضحلًا: مدرّس، أو شخصية، أو خط دعم لا يُنصت فيه إلى الشكوى. تحصل على أسرع نموذج استدلال قوي متاح، وأبسط ترحيل من تكامل OpenAI Realtime قائم، وعلاوة سعرية بنسبة 7% فوق GPT-Live-1 بدلًا من علاوة 5.7× فوق Gemini. وتقبل أن سلوكه الوكيلي غير مُقاس وأن الإطلاق لا يزال جزئيًا.
النتيجة التي من شأنها أن تقلب هذا المقال هي درجة τ-Voice لماكس. تطلب ElevenLabs أن يُوثق بها كنموذج يُنجز المهام استنادًا إلى معيار للاستدلال؛ فمعيار المهام موجود، وقد جُرّب على عشرة نماذج صوتية أخرى، ولم يُجرّب على هذا النموذج. هذه فجوة في الأدلة، لا في النموذج — لكنها الفجوة التي تحدد أي هذين ينبغي أن تضعه أمام عميل يدفع.
