Une carte de titre générée pour MAI Realtime 1 vs Eleven Realtime Max montrant un écart de prix de huit fois, de 0,01 $ contre 0,08 $ par minute audio, avec le taux d’escalade indiqué comme non publié, ainsi qu’un logo OrcaRouter.
Guides & Insights

MAI Realtime 1 vs Eleven Realtime Max : un écart de prix de huit fois, et le seul chiffre qui décide de tout

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Les tarifs publiés donnent l’impression que la question est tranchée. MAI Realtime 1 coûte 0,01 $ par minute d’audio. Eleven Realtime Max — le principal modèle parole-à-parole d’ElevenLabs, répertorié sous le nom Realtime v1 Max — coûte environ 4,80 $ de l’heure selon la normalisation indépendante d’Artificial Analysis, soit 0,08 $ la minute. Huit contre un, avant même de compter quoi que ce soit d’autre. Cette comparaison est aussi trompeuse d’une manière précise et arithmétique, et l’arithmétique, c’est tout l’article : MAI Realtime 1 facture, en plus de son tarif à la minute, un second modèle de raisonnement facturé au token, et personne en dehors de Microsoft n’a publié à quelle fréquence ce second compteur tourne.

La question utile n’est donc pas de savoir quel taux affiché est le plus faible. C’est de savoir lequel de ces deux vous pouvez chiffrer avant de signer, et lequel vous devez mesurer d’abord. Ces réponses pointent dans des directions opposées, et c’est pourquoi il s’agit d’une véritable décision et non d’une formalité.

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 Footer reads 'Eleven figures per Artificial Analysis; MAI performance mostly unpublished.'

Ce que chacun est, en une ligne

• MAI Realtime 1 — premier modèle parole-parole de Microsoft, annoncé le 17 novembre 2026 à Ignite. Deux niveaux : une voie conversationnelle rapide à un centime par minute, et un moteur de raisonnement à 1,00 $ par million de tokens d’entrée et 5,00 $ par million de tokens de sortie vers lequel les tours plus difficiles sont redirigés. Aperçu à accès limité via Foundry ; démonstration dans MAI Labs. Compatible avec l’API Realtime d’OpenAI.

• Eleven Realtime Max — le modèle de parole-à-parole d'ElevenLabs pour les agents vocaux qui accomplissent des tâches plus exigeantes que la simple conversation. Un système ajusté couvrant la reconnaissance, la gestion des tours de parole, un LLM et la voix. Disponible dans ElevenAgents et via une API Realtime compatible OpenAI, en WebSocket uniquement. Prend en charge plus de 90 langues.

• Ce que ni l’un ni l’autre ne publie — les langues prises en charge par MAI Realtime 1. La documentation de lancement de Microsoft n’en mentionne aucune, et pour un produit de centre de contact, c’est une question de premier ordre, pas une note de bas de page.

Le seul côté avec de vraies mesures

Eleven Realtime Max est bien couvert par des tests indépendants, et le profil est déséquilibré d'une manière qui compte pour la conception d'agents :

• Indice parole-à-parole — 77,3, d’Artificial Analysis, sur un composite de raisonnement, de dynamique conversationnelle et de capacité agentique.

• Raisonnement vocal (Big Bench Audio) — 98,8 %. C’est l’un des chiffres les plus élevés du classement, et c’est le chiffre autour duquel le modèle est conçu : il répond avec précision à des questions orales difficiles.

• Temps jusqu’au premier son — 570 millisecondes, le plus rapide des deux lors d’une comparaison directe, et suffisamment rapide pour paraître immédiat.

• Achèvement de tâches agentiques (τ-Voice) — 47,6 %. C’est le point faible. Un modèle qui raisonne admirablement sur ce qu’il entend termine encore moins de la moitié des tâches à étapes multiples que le harnais lui confie.

• Dynamique conversationnelle — 94,1 %

• Coût mixte — environ 4,80 $ par heure d’audio, selon la normalisation par Artificial Analysis d’un sous-ensemble de 40 questions de Big Bench Audio ramené à une base horaire. Il s’agit d’une convention de mesure, et non de la grille tarifaire d’ElevenLabs ; les deux ne doivent pas être cités de manière interchangeable.

MAI Realtime 1 n’en présente presque aucun, et l’écart entre « presque » et « aucun » est ce qui est intéressant. Microsoft publie un seul chiffre de précision sur la page du modèle : 98,8 % sur Big Bench Audio. C’est un chiffre fournisseur — l’évaluation de Microsoft, sur un benchmark choisi par Microsoft, sans méthodologie publiée à côté — et aucun organisme indépendant ne l’a reproduit. Notez aussi que 98,8 % est arithmétiquement identique au chiffre d’Eleven Realtime Max ci-dessus, ce qui est une coïncidence de deux bancs d’essai différents tombant sur le même pourcentage et ne doit pas être interprété comme une égalité entre les deux modèles. Au-delà de ce seul chiffre, la page comporte une carte P50 de temps jusqu’au premier audio et une légende « P50 Latency on BigBench Audio », et rien d’autre. Aucun score τ-Voice, aucune liste de langues, aucune distribution derrière le percentile. L’affirmation plus large de Microsoft — selon laquelle le modèle se situe sur la frontière de Pareto performance-prix pour Big Bench Audio et τ-Voice — est une affirmation sur la position qu’occuperait un point sur un graphique qui n’a pas été dessiné en public. Artificial Analysis ne référence pas du tout le modèle au 18 novembre.

Cette asymétrie n’est pas un argument en faveur d’ElevenLabs. C’est un argument sur ce que l’on peut savoir aujourd’hui : l’un de ces modèles présente un score agentique mesuré de 47,6 % sur lequel vous pouvez vous appuyer pour planifier, tandis que l’autre dispose d’un taux d’exactitude communiqué par le fournisseur et d’un centile.

Une note sur les sources avant que les chiffres ne commencent à bouger : chaque chiffre de performance d’Eleven Realtime Max ci-dessous est une mesure indépendante d’Artificial Analysis. Le seul chiffre de performance de MAI Realtime 1 cité dans cet article — 98,8 % sur Big Bench Audio — est celui de Microsoft, non audité, et est signalé comme tel partout où il apparaît. Aucune autre donnée sur ses performances n’est publiée.

L'arithmétique que personne n'a terminée

Commencez par la ligne vocale, car c'est la seule chose que les deux parties publient honnêtement.

• MAI Realtime 1 — $0.01/min → $0.60 par heure de conversation, voie rapide uniquement.

• Eleven Realtime Max — environ 0,08 $/min en équivalent → 4,80 $ par heure, selon la base d’Artificial Analysis.

Un écart d’un facteur huit sur le compteur de minutes. Ajoutez maintenant le second compteur, et notez ce qui manque dans les informations publiques : Microsoft n’a pas précisé quelle fraction des tours bascule vers le niveau de raisonnement. Chaque modèle de coût que vous construisez comporte donc une entrée que vous devez inventer. Voici l’effet de l’entrée inventée sur la réponse. Prenez un appel au support de cinq minutes — 0,05 $ de temps vocal — et supposez que, sur l’ensemble de ses tours escaladés, le moteur de raisonnement voie au total 5 000 jetons d’entrée et 1 500 jetons de sortie. Aux tarifs de Microsoft de 1,00 $ et 5,00 $ par million, cela représente 0,0125 $ de raisonnement pour une passe complète sur l’appel.

• Zéro escalade — 0,050 $ par appel contre 0,40 $ chez ElevenLabs. Huit contre un, comme annoncé.

• Une passe de raisonnement complète — 0,063 $ par appel. Encore moins d’un sixième du montant d’ElevenLabs.

• Trois passes de raisonnement complètes — 0,088 $ par appel. Un peu plus d’un cinquième.

• Dix passes de raisonnement complètes — $0.175 par appel. Environ 44 % du chiffre d’ElevenLabs, et il s’agit d’une charge de travail qu’aucune conversation de support ne saurait générer de façon plausible.

Relisez-le : même dix fois la charge de raisonnement ne comble pas un écart d'un facteur huit sur la ligne vocale. Ce qui signifie que la version honnête de cette comparaison, c'est que MAI Realtime 1 est nettement moins cher selon toutes les hypothèses de montée en charge qu'une conversation réelle peut justifier — et la raison d'hésiter n'est pas le prix. C'est que vous ne pouvez pas encore savoir si le modèle est suffisamment bon pour la tâche, et l'aperçu de Microsoft n'est pas facturé avant l'aperçu public, donc le découvrir ne coûte que du temps d'ingénierie.

Deux réserves sur ce calcul, qui toutes deux plaident contre le fait de le traiter comme une prévision. L’estimation du raisonnement est la mienne, pas celle de Microsoft — le nombre de tokens varie énormément entre une recherche qui nécessite un appel d’outil et une exception qui en nécessite quatre. Et le volet ElevenLabs utilise la normalisation horaire d’Artificial Analysis plutôt que la grille tarifaire propre à ElevenLabs, car ElevenLabs ne publie pas de tarif forfaitaire en dollars par minute pour Realtime Max ; elle facture les minutes plus les tokens LLM avec une estimation intégrée à l’application. La comparaison est donc solide en tendance et imprécise numériquement des deux côtés, ce qui est normal pour la voix et mérite d’être dit ouvertement.

Un point mérite d’être souligné. La préversion à accès limité de Foundry ne facture pas les clients avant le début de la préversion publique. Une comparaison des coûts rédigée en novembre est donc une comparaison entre ce que vous paierez plus tard et une préversion que vous pouvez exécuter dès maintenant à coût nul. La démarche rationnelle consiste à mesurer, non à négocier.

Là où ElevenLabs ne perd pas du tout sur le prix

Deux choses que la figure octuple dissimule.

Premièrement, ElevenLabs ne vend pas un compteur de minutes. ElevenAgents facture à la minute, plus les coûts des tokens LLM, avec une estimation par minute intégrée à l’application, et la Realtime API facture à la minute d’audio connecté, plus les tokens aux mêmes tarifs de tokens sur tous les forfaits. Une équipe déjà dans ElevenAgents ne compare pas 0,01 $ à 0,08 $ — elle compare un changement marginal à une plateforme qu’elle a déjà intégrée, avec déploiement téléphonique, widget web, WhatsApp et centre de contact, ainsi que des options SOC 2, HIPAA, RGPD, résidence des données dans l’UE et zéro rétention.

Le deuxième point est que la liste de conformité est une fonctionnalité du produit qui a son propre prix. Pour un agent vocal clinique ou financier, la résidence des données dans l’UE et la rétention zéro ne sont pas de simples atouts qu’un modèle moins cher peut remplacer. L’annonce de Microsoft ne dit rien sur la résidence des données, la rétention ou la certification pour MAI Realtime 1 — et le modèle est en aperçu limité, qui est exactement le stade auquel ces conditions ne sont généralement pas définies.

Le clivage n’est donc pas « bon marché contre cher ». Il oppose « bon marché et non mesuré, avec des conditions pour les entreprises encore à rédiger » à « quatre fois le prix, avec les formalités accomplies et un score agentique de 47,6 % dont vous pouvez décider s’il suffit ou non ».

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.

Exécuter les deux sans encore choisir

Les deux modèles parlent l’API Realtime d’OpenAI, ce qui est le fait le plus utile de cette comparaison. Une stack vocale écrite contre cette interface peut cibler l’un ou l’autre, ce qui transforme la décision en un choix de configuration plutôt qu’en une réécriture. C’est aussi la raison de garder les deux accessibles pendant l’évaluation plutôt que d’en choisir un d’abord et de le tester ensuite.

C’est le cas pour lequel OrcaRouter est conçu, et il vaut la peine de préciser à laquelle des deux parties cela s’applique. MAI Realtime 1 ne figure pas dans notre catalogue — on y accède via la démo MAI Labs de Microsoft et l’aperçu à accès limité de Foundry, point final. Ce que nous routons, c’est la couche qui se trouve derrière : les modèles de raisonnement vers lesquels un agent vocal escalade, au prix catalogue du fournisseur avec 0 % de marge, de sorte qu’un changement de tarif sur ce niveau se répercute sur votre facture le jour même plutôt qu’au renouvellement. Le basculement automatique compte plus en voix qu’ailleurs, car un tour de parole bloqué, c’est un humain qui écoute le silence ; une requête qui bascule vers un second fournisseur en quelques centaines de millisecondes est inaudible, tandis qu’une requête qui réessaie pendant quatre secondes est ce dont les clients se plaignent. Lorsque l’aperçu prendra fin et que MAI Realtime 1 passera en disponibilité générale, la même clé et les mêmes règles de routage le prendront en charge — à condition qu’il arrive au catalogue, ce qui n’est pas le cas aujourd’hui.

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'.

Qui devrait faire quoi cette semaine

Si votre agent vocal est une interface de support ou de planification où la plupart des échanges sont courts et où les plus difficiles sont des recherches, le calcul économique de MAI Realtime 1 ne souffre aucune comparaison, et la préversion est gratuite — lancez l'évaluation dès maintenant, instrumentez vous-même le taux d'escalade et considérez que vos propres mesures remplacent la latence de queue non publiée de Microsoft.

Si la valeur de votre agent réside dans le travail en plusieurs étapes — réserver auprès de trois systèmes, vérifier l’identité, résoudre une exception —, alors le score agentique de 47,6 % sur Eleven Realtime Max est un benchmark que vous pouvez lire, tandis que celui de MAI Realtime 1 est une case vide. Acheter uniquement sur le prix ici revient à acheter un modèle non mesuré pour la partie la plus difficile du travail.

Et si la conformité choisit votre fournisseur avant que la performance ne le fasse, rien dans l’annonce de Microsoft ne change votre réponse ce mois-ci. Un aperçu limité n’est pas un environnement où traiter des données protégées, et les conditions qui vous le permettraient ne sont pas publiées.

L’écart d’un facteur huit est réel et probablement durable. C’est aussi le chiffre le moins intéressant ici, car la question qui décide de ce duel est de savoir si un modèle à un centime la minute peut terminer une tâche — et le seul acteur qui ne nous a pas répondu est celui qui le vend.