بطاقة عنوان مُولّدة لـ MAI Realtime 1 مقابل Eleven Realtime Max تُظهر فجوة سعرية بثمانية أضعاف بين $0.01 و$0.08 لكل دقيقة صوتية، مع الإشارة إلى أن معدل التصعيد غير منشور، إضافةً إلى شعار OrcaRouter.
Guides & Insights

MAI Realtime 1 مقابل Eleven Realtime Max: فجوة سعرية بثمانية أضعاف، والرقم الوحيد الذي يحسم الأمر

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

الأسعار المعلنة تجعل الأمر يبدو محسومًا. MAI Realtime 1 تكلّف 0.01 دولار لكل دقيقة صوت. Eleven Realtime Max — أفضل نموذج تحويل الكلام إلى كلام لدى ElevenLabs، المدرج باسم Realtime v1 Max — يكلّف نحو 4.80 دولارات في الساعة وفق التطبيع المستقل الذي أجرته Artificial Analysis، أي 0.08 دولار في الدقيقة. ثمانية إلى واحد، قبل احتساب أي شيء آخر. لكن هذه المقارنة مضللة أيضًا بطريقة حسابية محددة، والحساب هو جوهر المقال كله: تفرض MAI Realtime 1 رسومًا على نموذج استدلال ثانٍ مسعّر بالرموز علاوة على سعر الدقيقة، ولم ينشر أحد خارج مايكروسوفت كم مرة يعمل ذلك العداد الثاني.

إذن، السؤال المفيد ليس أيّ العنوانين الرئيسيين أصغر. بل أيّ هذين يمكنك تسعيره قبل التوقيع، وأيّهما عليك قياسه أولًا. تلك الإجابتان تشيران في اتجاهين متعاكسين، ولهذا فإن هذا قرار حقيقي وليس إجراءً شكليًا.

A generated two-column scoreboard titled 'MAI Realtime 1 vs Eleven Realtime Max — the scoreboard'. Left column MAI Realtime 1: voice price $0.01 per minute, independent scores none yet, agentic not published, first audio P50 only, languages not published. Right column Eleven Realtime Max: $0.08 per minute, index 77.3, agentic 47.6%, first audio 570 ms, 90+ languages. Footer reads 'Eleven figures per Artificial Analysis; MAI performance mostly unpublished.'

ما هو كل واحد منها، في سطر واحد

• MAI Realtime 1 — أول نموذج تحويل الكلام إلى كلام من Microsoft، أُعلن في 17 نوفمبر 2026 في Ignite. بفئتين: مسار محادثة سريع بتكلفة سنت واحد للدقيقة، ومحرك استدلال بتكلفة 1.00 دولار لكل مليون رمز إدخال و5.00 دولار لكل مليون رمز إخراج، تُحال إليه الأدوار الأصعب. معاينة محدودة الوصول عبر Foundry؛ وعرض توضيحي في MAI Labs. يتحدث OpenAI Realtime API.

• إليفن رييلتايم ماكس — نموذج تحويل الكلام إلى كلام من ElevenLabs لوكلاء صوتيين يؤدّون مهامًا أصعب من الحديث العابر. نظام واحد مُعاير يغطّي التعرّف على الكلام وتناوب الأدوار ونموذجًا لغويًا كبيرًا والصوت. متاح في ElevenAgents وعبر Realtime API المتوافقة مع OpenAI، وعبر WebSocket فقط. يغطّي أكثر من 90 لغة.

• ما لا ينشره أيٌّ منهما — اللغات التي تدعمها MAI Realtime 1. ولا تُدرج مواد الإطلاق الخاصة بمايكروسوفت أيّ لغة، وبالنسبة لمنتج لمراكز الاتصال يُعدّ ذلك سؤالاً جوهرياً، لا حاشية.

الجانب الوحيد ذو القياسات الحقيقية

يحظى Eleven Realtime Max بتغطية جيدة في الاختبارات المستقلة، والملف التعريفي غير متوازن على نحوٍ يهم عند تصميم الوكلاء:

• مؤشر الكلام إلى الكلام — 77.3، من Artificial Analysis، استنادًا إلى مكوّن مركّب من الاستدلال والديناميكيات الحوارية والقدرة الوكيلية.

• الاستدلال الكلامي (Big Bench Audio) — 98.8%. وهذا من بين أعلى الأرقام على لوحة النتائج، وهو الرقم الذي يتمحور حوله النموذج: إذ يجيب بدقة عن الأسئلة المنطوقة الصعبة.

• زمن الوصول إلى أول صوت — 570 مللي ثانية، وهو الأسرع بين الجهازين في مقارنة مباشرة، وسريع بما يكفي ليُشعرك بأنه فوري.

• إنجاز المهام الوكيلية (τ-Voice) — 47.6%. هذه هي النقطة الضعيفة. النموذج الذي يستدل ببراعة على ما يسمعه لا يزال ينهي أقل من نصف المهام متعددة الخطوات التي تكلفه بها منظومة الاختبار.

• ديناميكيات المحادثة — 94.1%.

• التكلفة المدمجة — نحو 4.80 دولارات لكل ساعة من الصوت، وفقًا لتطبيع Artificial Analysis لمجموعة فرعية من Big Bench Audio مكوّنة من 40 سؤالًا على أساس كل ساعة. هذا اصطلاح قياس، وليس قائمة أسعار ElevenLabs، ولا ينبغي الاقتباس من الاثنين على أنهما مترادفان.

لا يكاد MAI Realtime 1 يتضمن أيًا من هذه، والفارق بين «يكاد لا» و«لا» هو الجزء المثير للاهتمام. تنشر Microsoft رقم دقة واحدًا على صفحة النموذج: 98.8% على Big Bench Audio. وهو رقم صادر عن الجهة المطوّرة — تقييم Microsoft نفسه، على معيار اختارته Microsoft، من دون نشر منهجية بجانبه — ولم تُعِد أي جهة تقييم مستقلة تشغيله. لاحظ أيضًا أن 98.8% مطابقة حسابيًا لرقم Eleven Realtime Max أعلاه، وهذا مصادفة ناتجة عن وصول أداتَي تقييم مختلفتين إلى النسبة المئوية نفسها، ولا ينبغي قراءته على أنه تعادل بين النموذجين. وإلى جانب هذا الرقم الوحيد، تحمل الصفحة بطاقة P50 لزمن الوصول إلى أول صوت وتعليقًا نصيًا «P50 Latency on BigBench Audio»، ولا شيء غير ذلك. لا درجة τ-Voice، ولا قائمة لغات، ولا توزيعًا يقف خلف المئين. أما ادعاء Microsoft الأكبر — بأن النموذج يقع على حد باريتو للأداء مقابل السعر بالنسبة إلى Big Bench Audio وτ-Voice — فهو ادعاء بشأن أين ستقع نقطة على مخطط لم يُرسم علنًا. ولا يُدرج Artificial Analysis النموذج على الإطلاق حتى 18 نوفمبر.

هذا التباين ليس حجة لصالح ElevenLabs. إنه حجة حول ما يمكنك معرفته اليوم: أحد هذين النموذجين لديه درجة وكيلية مقيسة تبلغ 47.6% يمكنك التخطيط على أساسها، بينما الآخر لديه رقم دقة مُبلَّغ عنه من المورّد ومرتبة مئوية.

ملاحظة حول المصادر قبل أن تبدأ الأرقام في التغيّر: كل رقم من أرقام أداء Eleven Realtime Max أدناه هو قياس مستقل من Artificial Analysis. أما رقم الأداء الوحيد لـ MAI Realtime 1 المذكور في أي مكان في هذا المقال — 98.8% على Big Bench Audio — فهو رقم Microsoft الخاص، وغير مدقق، ويُوسم على هذا النحو أينما ظهر. ولا يُنشر أي شيء آخر عن أدائه على الإطلاق.

الحساب الذي لم يُكمله أحد

ابدأ بخط الصوت، لأنه الشيء الوحيد الذي ينشره الطرفان بصدق.

• MAI Realtime 1 — 0.01 دولار/دقيقة ← 0.60 دولار لكل ساعة من المحادثة، المسار السريع فقط.

• Eleven Realtime Max — ما يعادل نحو 0.08 دولار/دقيقة → 4.80 دولار لكل ساعة، وفقًا لأساس Artificial Analysis.

فجوة بثمانية أضعاف على عدّاد الدقائق. الآن أضف العدّاد الثاني، ولاحظ ما هو غائب عن المعلومات العامة: لم تقل مايكروسوفت ما نسبة أدوار المحادثة التي تُصعَّد إلى طبقة الاستدلال. لذلك فإن كل نموذج تكلفة تبنيه يحتوي على مدخل عليك اختراعه. إليك ما يفعله المدخل المخترع بالإجابة. خُذ مكالمة دعم مدتها خمس دقائق — بقيمة $0.05 من وقت الصوت — وافترض أن محرك الاستدلال، عبر أدوارها المصعَّدة، يرى إجمالي 5,000 رمز إدخال و1,500 رمز إخراج. وبأسعار مايكروسوفت البالغة $1.00 و$5.00 لكل مليون، يمثل ذلك $0.0125 من الاستدلال لتمريرة كاملة واحدة على المكالمة.

• صفر زيادات — 0.050 دولار لكل مكالمة مقابل 0.40 دولار لدى ElevenLabs. ثمانية إلى واحد، كما هو معلن.

• تمريرة استدلال كاملة واحدة — 0.063 دولار لكل استدعاء. لا يزال أقل من سُدس رقم ElevenLabs.

• ثلاث تمريرات استدلال كاملة — 0.088 دولار لكل استدعاء. ما يزيد قليلًا على الخُمس.

• عشر جولات استدلال كاملة — 0.175 دولار لكل استدعاء. أي نحو 44% من قيمة ElevenLabs، وهو عبء عمل لا يُحتمل أن تولّده محادثة دعم.

اقرأ ذلك مرة أخرى: حتى عشرة أضعاف حمل الاستدلال لا تسد فجوة بمقدار ثمانية أضعاف في خط الصوت. مما يعني أن النسخة الصادقة من هذه المقارنة هي أن MAI Realtime 1 أرخص بفارق كبير في ظل كل افتراض تصعيد تدعمه محادثة حقيقية — والسبب في التردد ليس السعر. بل أنك لا تستطيع بعد معرفة ما إذا كان النموذج جيدًا بما يكفي للمهمة، ومعاينة Microsoft غير مفوترة حتى المعاينة العامة، لذا فإن معرفة ذلك لا تكلف إلا وقت الهندسة.

تحفظان على تلك الحسابات، وكلاهما يعمل ضد التعامل معها باعتبارها توقعًا. تقدير الاستدلال خاص بي، وليس من مايكروسوفت — فأعداد الرموز تتفاوت تفاوتًا هائلًا بين استعلام يحتاج إلى استدعاء أداة واحد واستثناء يحتاج إلى أربعة. وجانب ElevenLabs يستخدم التطبيع بالساعة من Artificial Analysis بدلًا من قائمة الأسعار الخاصة بـ ElevenLabs، لأن ElevenLabs لا تنشر رقمًا ثابتًا بالدولار لكل دقيقة لـ Realtime Max؛ بل تسعّر الدقائق إضافة إلى رموز LLM بتقدير داخل التطبيق. لذا فالمقارنة سليمة من حيث الاتجاه وغير دقيقة عدديًا على الجانبين، وهذا أمر طبيعي في مجال الصوت ويستحق التصريح به.

نقطة واحدة تستحق سطرًا خاصًا بها. لا تُحاسِب معاينة Foundry محدودة الوصول العملاء حتى تبدأ المعاينة العامة. لذا فإن مقارنة التكاليف المكتوبة في نوفمبر هي مقارنة بين ما ستدفعه لاحقًا وبين معاينة يمكنك تشغيلها الآن مجانًا. الخطوة العقلانية هي القياس، لا التفاوض.

حيث لا تخسر ElevenLabs على صعيد السعر إطلاقًا

أمران يخفيهما الشكل الثماني.

الأول هو أن ElevenLabs لا تبيع عدّاد دقائق. تسعّر ElevenAgents بالدقيقة إضافة إلى تكاليف رموز LLM، مع تقدير داخل التطبيق لكل دقيقة، وتحتسب Realtime API رسومًا لكل دقيقة من الصوت المتصل إضافة إلى الرموز بأسعار الرموز نفسها في كل خطة. الفريق الموجود بالفعل داخل ElevenAgents لا يقارن 0.01 دولار بـ 0.08 دولار — بل يقارن تغييرًا هامشيًا مقابل منصة سبق أن دمجها، مع نشر عبر الهاتف وودجت الويب وWhatsApp ومراكز الاتصال، إضافة إلى خيارات SOC 2 وHIPAA وGDPR وإقامة البيانات في الاتحاد الأوروبي وعدم الاحتفاظ بالبيانات.

الثاني هو أن قائمة الامتثال هي ميزة منتج لها سعر خاص بها. فبالنسبة لوكيل صوتي سريري أو مالي، فإن إقامة البيانات في الاتحاد الأوروبي وعدم الاحتفاظ بالبيانات ليستا من الكماليات التي يمكن لطراز أرخص أن يحل محلهما. ولا يذكر إعلان Microsoft شيئًا عن إقامة البيانات أو الاحتفاظ بها أو شهاداتها بالنسبة إلى MAI Realtime 1 — كما أن الطراز في معاينة محدودة، وهي بالضبط المرحلة التي تكون فيها تلك الشروط عادةً غير محددة.

إذن، الانقسام ليس "رخيصًا مقابل مكلف"، بل هو "رخيص وغير مُقاس، وشروط المؤسسات لم تُكتب بعد" في مقابل "أربعة أضعاف السعر مع إنجاز الأوراق ودرجة وكيلية 47.6% يمكنك أن تقرر إن كانت كافية أم لا".

A screenshot of ElevenLabs' own Realtime landing page captured 18 November 2026, showing the headline 'Instant conversation with Eleven Realtime', the line describing v1 Mini for natural conversations and v1 Max for complex tasks, and the statement that the models are available in ElevenAgents and the Realtime API.

تشغيل كليهما دون الاختيار بعد

كلا النموذجين يتحدثان واجهة OpenAI Realtime API، وهي الحقيقة الأكثر فائدة في هذه المقارنة. فحزمة صوتية مكتوبة وفق هذه الواجهة يمكن توجيهها إلى أيٍّ منهما، ما يحوّل القرار إلى مسألة إعدادات تهيئة بدلًا من إعادة كتابة. وهذا أيضًا سبب إبقاء كليهما في متناول اليد أثناء التقييم بدلًا من الاختيار أولًا ثم الاختبار.

هذه هي الحالة التي صُمّم OrcaRouter من أجلها، ويجدر بنا أن نكون دقيقين بشأن أيّ الشقّين ينطبق. MAI Realtime 1 ليس في كتالوجنا — بل يمكن الوصول إليه عبر عرض Microsoft's MAI Labs التجريبي ومعاينة Foundry ذات الوصول المحدود، وانتهى الأمر. ما نوجّهه هو الطبقة التي تقف خلفه: نماذج الاستدلال التي ينتقل إليها وكيل الصوت عند التصعيد، بسعر القائمة لدى المزوّد مع هامش ربح 0%، بحيث يصل أي تغيير في سعر تلك الفئة إلى فاتورتك في يوم حدوثه بدلاً من وقت التجديد. تكتسب عملية التبديل التلقائي عند الفشل أهمية أكبر في الصوت من أي مجال آخر، لأن الدور المتعطل يعني إنسانًا يستمع إلى الصمت؛ فالطلب الذي ينتقل إلى مزوّد ثانٍ خلال بضع مئات من الميلي ثانية لا يُسمع، أما الطلب الذي يعيد المحاولة لأربع ثوانٍ فهو ما يشتكي منه العملاء. عندما تنتهي المعاينة ويصبح MAI Realtime 1 متاحًا للجميع، سيحمله المفتاح نفسه وقواعد التوجيه نفسها — شريطة أن يُدرج في الكتالوج، وهو ما لم يحدث اليوم.

A screenshot of the OrcaRouter models catalogue captured 18 November 2026, showing the search and sort controls over a grid of model cards and the header line '226 models · 17 providers · one API key, one bill'.

من يجب أن يفعل ماذا هذا الأسبوع؟

إذا كان وكيلك الصوتي واجهة دعم أو جدولة تكون معظم جولاتها قصيرة، والجولات الصعبة فيها عبارة عن عمليات بحث، فإن اقتصاديات MAI Realtime 1 لا تضاهى، والنسخة التجريبية مجانية — فابنِ التقييم الآن، وقِس معدل التصعيد بنفسك، وتعامل مع زمن الاستجابة الطرفي غير المنشور من Microsoft على أنه العنصر الذي يحل قياسك الخاص محله.

إذا كانت قيمة وكيلك تكمن في العمل متعدد الخطوات — الحجز عبر ثلاثة أنظمة، والتحقق من الهوية، وحلّ استثناء — فإن درجة الأداء الوكيلي البالغة 47.6% على Eleven Realtime Max هي معيار يمكنك قراءته، أما درجة MAI Realtime 1 فهي فارغة. الشراء بالسعر وحده هنا يعني شراء نموذج غير مُقاس لأصعب جزء من المهمة.

وإذا كان الامتثال يحدّد المورّد الخاص بك قبل أن يفعل الأداء ذلك، فلن يغيّر أي شيء في إعلان Microsoft إجابتك هذا الشهر. المعاينة المحدودة ليست مكانًا لتشغيل البيانات المحمية، والشروط التي قد تتيح لك ذلك لم تُنشر بعد.

الفجوة البالغة ثمانية أضعاف حقيقية ومرجّح أن تكون دائمة. وهي أيضاً أقل الأرقام إثارة للاهتمام هنا، لأن السؤال الذي يحسم هذه المواجهة هو ما إذا كان نموذج بسينت واحد في الدقيقة قادراً على إنجاز مهمة — والطرف الوحيد الذي لم يخبرنا هو من يبيعه.