Eleven Realtime v1 Max führt die Rangliste bei Geschwindigkeit und Sprachschlussfolgerung an – und hat keinen Index-Score.

Eleven Realtime v1 Max antwortet in 0,57 Sekunden und erzielt 98,8 % bei Big Bench Audio, und Eleven Realtime v1 Mini antwortet in 0,62 Sekunden und erzielt im selben Test 76 %. Diese beiden Zahlen sind zusammen gelesen das Nützlichste in der Ankündigung von ElevenLabs vom 20. Oktober 2026 – nicht weil eine von ihnen für sich beeindruckend wäre, sondern wegen der 23-Punkte-Lücke zwischen ihnen und der Tatsache, dass man standardmäßig die schwächere bekommt.Die dokumentierten KI-Vorfälle und Agentenfehler hinter Modellen dieser Klasse sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten enthält.

Auf derselben Rangliste gibt es eine zweite, seltsamere Tatsache. Artificial Analysis führt beide Modelle mit einer Time to First Audio, einem Big Bench Audio Score, einem Conversational-Dynamics-Score, einem Arena-Elo und einer Task-Erfolgsrate auf – und einem Strich dort, wo der Speech-to-Speech-Index stehen sollte. Max hat keinen Indexwert. Keinen niedrigen. Gar keinen.

Der Grund ist mechanisch, und er erklärt das meiste von dem, was folgt. Der Index ist ein gleichgewichteter Durchschnitt aus vier Komponenten: sprachliches Schlussfolgern (Big Bench Audio), agentische Leistung im τ-Voice-Kundenservice-Benchmark, Arena-Präferenz und Erfolgsquote bei Aufgaben. Ein Modell muss alle vier aufweisen, um bewertet zu werden. Max hat drei. ElevenLabs verkauft Max speziell für „komplexe Aufgaben“ mit „mehrstufiger Tool-Nutzung“ – und der Tool-Use-Benchmark ist derjenige, den noch niemand darauf ausgeführt hat.

Was E​levenLabs tatsächlich veröffentlicht hat

Die Eleven Realtime-Familie ist eine andere Art von Produkt als die Text-to-Speech-Modelle, für die ElevenLabs bekannt ist. Jedes Realtime-Modell ist ein einzelnes Netzwerk, das Erkennung, Sprecherwechsel, den Reasoning-Schritt und die Stimmerzeugung gemeinsam übernimmt – statt einer Pipeline aus Speech-to-Text, einem Sprachmodell und einer Text-to-Speech-Stimme, die von einem Orchestrator zusammengefügt werden. Das Verkaufsargument von ElevenLabs ist, dass das Abstimmen dieser vier Stufen als ein System die Nahtstellen beseitigt – die halbe Sekunde Funkstille, nachdem ein Anrufer aufhört zu sprechen, den Agenten, der eine Unterbrechung überspricht, und die Diskrepanz zwischen dem, was eine Transkription gehört hat, und dem, was die Stimme zurücksagt.

Beide Modelle sind auf zwei Wegen erreichbar: innerhalb von ElevenAgents, wo Sie ein Modell aus einem Dropdown-Menü auswählen und die Plattform den Rest konfiguriert, oder über eine Realtime-API, die bewusst wire-kompatibel mit der von OpenAI ist, unter wss://api.elevenlabs.io/v1/convai/realtime. Ändern Sie den Endpunkt und den Modellnamen, und ein bestehender OpenAI-Realtime-Client behält seine Event-Handler.

Was am 20. Oktober ausgeliefert wurde, ist die Ankündigung, nicht die Aktivierung. Die eigene Dokumentation von E​levenLabs beschreibt die Modelle weiterhin als „nach und nach ausgerollt“ und erklärt, dass in einem Workspace ohne die Voice-Modus-Einstellung die APIrealtime_model rundweg mit „Realtime models are not available for this workspace.“ ablehnen wird. Auch die Modellbezeichner sind älter als der Pressezyklus: Der Changelog-Eintrag vom 3. August für ElevenAgents verzeichnet, dass die Konfiguration von Realtime-Agenten bereits damit begonnen hatte, standardmäßig aufeleven_realtime_v1_mini zu setzen. Betrachte das Startdatum als den Tag, an dem die Zahlen öffentlich wurden, nicht als den Tag, an dem die Endpunkte geöffnet wurden.

Die beiden Modelle sind nicht zwei Größen desselben Dings

E​levenLabs positioniert Mini und Max als Kosten-Qualität-Regler: Mini für Assistenten, Tutoren und Charaktere; Max für Support, Lead-Qualifizierung und Workflows mit Tool-Nutzung. Die veröffentlichten Messungen zeigen, dass der Regler weiter ausschlägt, als diese Darstellung nahelegt. Es handelt sich um Artificial-Analysis-Werte, die unabhängig auf demselben Harness erhoben wurden und nicht von der E​levenLabs-Seite zitiert sind:

• Sprachliches Schlussfolgern (Big Bench Audio) — Eleven Realtime v1 Max 98,8 % vs. Eleven Realtime v1 Mini 76 %

• Aufgaben-Erfolgsrate — Max 87,1 % vs. Mini 60,3 %

• Gesprächsdynamik (Full-Duplex-Bench) — Max. 94,1 % vs. Mini 95,8 %

• Arena-Präferenz (Elo) — Max 997 vs. Mini 988

• Zeit bis zum ersten Audio — Max 0,57 s vs. Mini 0,62 s

• Speech-to-Speech-Index — Max nicht bewertet vs. Mini nicht bewertet

Lesen Sie die letzten drei Zeilen vor den ersten beiden. Bei dem, was ein Anrufer bewusst wahrnimmt – klingt das wie ein Gespräch? –, ist Mini das bessere Modell, und das schnellere ist Max, und zwar nur um 50 Millisekunden. Die 23-Punkte-Lücke beim Reasoning und die 27-Punkte-Lücke beim Task-Erfolg sind real und groß, aber sie zeigen sich darin, ob der Agent die Aufgabe erledigt, nicht darin, ob es sich gut anfühlt, mit ihm zu sprechen. Genau dieser Trade-off findet in einer Support-Warteschlange statt, und genau deshalb ist die Standardeinstellung wichtig: Jeder neue Agent, der die Einstellung nie ändert, läuft auf dem Modell, das 60,3 % der Aufgaben löst statt 87,1 %.

Die Lücke erklärt auch den Strich in der Indexspalte. Mini fehlt ebenfalls ein Agentic Score, was für ein als günstig positioniertes Modell nicht überraschend ist. Max fehlt er, obwohl es als das leistungsfähige positioniert ist.

Was die fehlende Zeile in der Praxis bedeutet

Task-Erfolgsrate und τ-Voice sind nicht dieselbe Messgröße, und sie zu verwechseln, ist der naheliegendste Fehler bei diesem Release. Die Task-Erfolgsrate misst, ob die Konversation mit dem richtigen letzten Tool-Aufruf endete. τ-Voice versetzt das Modell in ein nachgebildetes Kundenservice-Szenario – eine Flugänderung, eine strittige Abbuchung, ein Telekommunikationsproblem – mit Domänen-Tools und einem Richtlinendokument und bewertet, ob die Datenbank am Ende im richtigen Zustand ist. Es ist der Unterschied zwischen „der Agent hat die richtige Funktion aufgerufen“ und „der Agent hat die Anfrage gelöst, ohne die Richtlinie zu verletzen“.

E​levenLabs vermarktet Max genau für diese zweite Aufgabe. Auf der Produktseite heißt es, Max „durchdenkt komplexe Fragen und ruft Tools auf, um Dinge zu erledigen, ohne das Gespräch zu verlangsamen“. Bisher prüft keine Veröffentlichung diese Behauptung durchgängig. Die Erfolgsquote von 87,1 % bei Aufgaben ist eine starke Zahl; sie ist zugleich die leichtere Hälfte der Bewertung und steht neben einer Bewertung von 94,1 % für die Gesprächsdynamik, die anderthalb Punkte unter der von Mini liegt.

Für ein Team, das heute eine Entscheidung trifft, lautet die ehrliche Zusammenfassung, dass Max das am besten gemessene Sprachschlussfolgerungsmodell im Feld ist — auf derselben Rangliste werden 98,8 % nur von StepAudio 3 Realtime mit 100 % und Q​wen Audio 3.0 Realtime Plus mit 99,2 % übertroffen — und dass sein agentisches Verhalten nicht gemessen ist, während das der Wettbewerber gemessen ist. G​emini 3.8 Live Extended Thinking hat einen τ-Voice-Wert von 68,6 %. G​PT-Live-1 (Astra, medium) hat 74,5 %. Max hat einen Strich.

Was eine Minute davon kostet

E​levenLabs veröffentlicht keine modellbezogene Zahl. Die Realtime-Abrechnung entspricht dem Standard-ElevenAgents-Minutentarif plus Input-, Cached-Input- und Output-Tokens zu den eigenen Tarifen des Realtime-Modells, wobei Max pro Token teurer als Mini ist; das Dashboard zeigt geschätzte Kosten pro Minute an, und die Realtime-API rechnet pro Minute verbundenen Audios plus Tokens ab. Die Preisseite enthält überhaupt keinen Realtime-Posten.

Artificial Analysis fasst all das zu einer einzigen vergleichbaren Kennzahl zusammen — den Kosten für die Ausführung eines festen Big Bench Audio-Subsets mit 40 Fragen, ausgedrückt pro Stunde Eingabe-Audio. Beide ElevenLabs-Modelle landen bei $4.80. Diese identische Zahl ist das Interessante: Was auch immer Max’ Aufschlag pro Token ist, dominiert die Agent-Gebühr pro Minute bei Gesprächsvolumen die Rechnung, sodass es gleich viel kostet, mit dem teuren und dem günstigen Modell zu sprechen. Die Einsparungen durch Mini zeigen sich dort, wo viele Token anfallen, nicht dort, wo das Audio lang ist.

Zum Vergleich, bei derselben Messgröße: Gemini 3.8 Live kostet 0,84 US-Dollar pro Stunde, Gemini 3.8 Live Extended Thinking 3,50 US-Dollar, GPT-Live-1 (Sol, low) 4,47 US-Dollar und Grok Voice 3.0 4,80 US-Dollar. Eleven Realtime liegt preislich im Mittelfeld, nicht am unteren Ende, und es ist etwa das 5,7-Fache des Standardtarifs von Gemini Live.

Das ist der Punkt, an dem eine Routing-Schicht ihren Wert beweist, auch wenn sie das Voice-Modell selbst nicht anfassen kann. Eleven Realtime ist nur über die eigene API von ElevenLabs verfügbar und nirgendwo sonst – kein Drittanbieter-Host führt eleven_realtime_v1_max, und OrcaRouter auch nicht, also gibt es für die Sprachschicht nichts zu routen. Was Sie routen können, ist alles, was der Agent aufruft: die Lookup-Dienste, die CRM-Schreibvorgänge, den Summarizer, der nach dem Anruf läuft, und das Backup-Modell, auf das eine Kaskade zurückfällt, wenn das Realtime-Modell Fehler liefert. Auf OrcaRouter sind das 209 Modelle von 16 vorgelagerten Anbietern hinter einem Schlüssel, zum Listenpreis des Anbieters ohne Aufschlag, sodass die Hälfte der Rechnung, die damit skaliert, wie intensiv Ihre Anrufer nachdenken, die Hälfte ist, die Sie tatsächlich optimieren können.

Das Integrationsdetail, das über Ihre Woche entscheidet

E​levenLabs ging eine Wette ein, die die meisten Realtime-Anbieter nicht eingegangen sind: Seine API spricht O​penAIs Realtime-Ereignisprotokoll. Das siebenzeilige Beispiel in der Dokumentation importiert OpenAIRealtimeWebSocket, RealtimeAgent und RealtimeSession aus @openai/agents-realtime, richtet den Transport auf E​levenLabs' WebSocket-URL aus und übergibt model: "eleven_realtime_v1_mini". Alles andere – das Client-Secret, die Session-Konfiguration, die Audio-Ausgabemodalität, die Stimme – bleibt unverändert.

Der Preis für diesen Komfort ist die Transportebene. Zum Start gibt es kein WebRTC; die Dokumentation sagt das direkt, und jede WebRTC-Integration muss zuerst auf WebSocket umgestellt werden. Für Teams, die bereits eine WebSocket-Realtime-Integration nutzen, ist das kein Problem. Für Teams, die auf WebRTC gebaut haben, weil es Jitter und mobile Netzwerke besser bewältigt, ist es eine Neuimplementierung der Transportebene, kein Modellwechsel.

Die andere Einschränkung ist architektonischer Natur: Realtime-Modelle laufen in ElevenAgents und in der Realtime API als separate Produkte. Wenn Sie Telefonnummern, WhatsApp, eine Wissensdatenbank, Guardrails, skriptgesteuerte Tests oder Konversationsüberwachung benötigen, sind Sie bei ElevenAgents, und die Tools und der Prompt Ihres Agents werden mitgeführt. Wenn Sie die Realtime API nutzen, erhalten Sie das Modell und die Events, nicht die Plattform drumherum. Beides auf einer Verbindung ist nicht möglich.

Wo es nicht hinfährt

Der Rollout verläuft ungleichmäßig – und zwar in Punkten, die für europäische und indische Teams wichtiger sind als für US-amerikanische:

• Datenresidenz — beide Modelle sind in den USA und der EU verfügbar; Indien und Singapur erhalten nur Mini, daher ist Max für Agenten, die an diese Umgebungen gebunden sind, keine Option

• Compliance — Zero Retention Mode und HIPAA unterstützen Max in den USA und der EU und unterstützen Mini überhaupt nicht.

• Token-Limit — Max erfordert ein Limit von mindestens 1.024 Token oder kein Limit, und Workflow-Knoten können es nicht überschreiben

• Benutzerdefinierte Backends — Der Echtzeitmodus ist nicht verfügbar, solange ein Agent ein benutzerdefiniertes LLM oder Amazon Bedrock verwendet; Sie müssen zuerst zu einem integrierten LLM wechseln

• Agent-Transfers – Ein Agent im Realtime-Modus kann nur an andere Agenten im Realtime-Modus und von anderen Agenten im Realtime-Modus übertragen, wobei Transfers von Mini zu Max zulässig sind

Jede dieser Regeln wird beim Veröffentlichen durchgesetzt, nicht beim Speichern. Ein Entwurf, der eine davon verletzt, lässt sich trotzdem speichern; das Veröffentlichen schlägt fehl und nennt die betreffende Einstellung.

Was zu sehen

Zwei Ergebnisse würden bei diesem Release den Ausschlag geben. Das erste ist ein τ-Voice-Score für Max – die eine Zahl, mit der sich die Behauptung prüfen ließe, die E​levenLabs tatsächlich verkauft. Das zweite ist WebRTC-Unterstützung, der Unterschied zwischen einem Modell, das man vorführen kann, und einem Modell, das man in einen Mobilfunkanruf einbinden kann. Bis dahin ist die vertretbare Position eng und nützlich: Mini ist ein guter Standard für Konversationsagenten, die keine Aufgaben erledigen müssen, Max ist der schnellste starke Reasoner im Feld und plausibel der bessere Support-Agent, und niemand hat bisher den Test veröffentlicht, der die zweite Hälfte beweisen würde.