Eleven Realtime v1 Max מול GPT-Live-1: פער הבנצ'מרק פועל לרעת ElevenLabs
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 12 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 139 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 952 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 51 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 829 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
הודעה לעיתונות עבור Eleven Realtime v1 Max מובילה עם 98.8% ב-Big Bench Audio וזמן תגובה של 0.57 שניות. שני המספרים נכונים, שניהם הטובים ביותר בקטגוריה שלהם, ושניהם לא רלוונטיים כשההשוואה היא ל-GPT-Live-1 — מפני שהמדד שמכריע סוכני קול בייצור אינו הסקת מסקנות מדיבור, ובמדד הזה המודל של OpenAI מנצח בפער רחב מספיק כדי להאפיל על יתרון 0.7 השניות ש-ElevenLabs מוכרת. התקריות המתועדות ב-AI וכשלי הסוכנים מאחורי מודלים במעמד הזה נאספים ב־OrcaRouter AI Incident Archive, שבו כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון וסימון מחלוקת.
הרץ את אותו הרנס של Artificial Analysis על שניהם, והחלוקה חדה. Eleven Realtime v1 Max מוביל בהסקת דיבור, 98.8% לעומת 89%, ובמהירות, 0.57 שניות לעומת 1.24. GPT-Live-1 מוביל בהשלמת משימות סוכניות, 59.3% לעומת לא נמדד, בדינמיקה שיחתית, 97.3% לעומת 94.1%, בהעדפת ארנה, 1,047 Elo לעומת 997, בהצלחה במשימה, 90.9% לעומת 87.1%, ובמדד משולב, 80.1 לעומת כלום בכלל.
הנתון האחרון הזה אינו רטורי. ל-Eleven Realtime v1 Max אין ציון Speech to Speech Index, מכיוון שהאינדקס דורש את כל ארבעת הרכיבים, והרצת ה-agentic של τ-Voice טרם פורסמה עבורו. ל-GPT-Live-1 יש אינדקס. הוא הגבוה ביותר בלוח.
לוח התוצאות המלא, זה לצד זה
כל השורות הן מדידות של Artificial Analysis במערכת הבדיקות שלה, אלא אם צוין אחרת. נתוני Eleven Realtime הם מההכרזה מ-20 באוקטובר 2026; זמינות ה-API של GPT-Live-1 מתוארכת ל-10 בספטמבר 2026, כאשר המודל עצמו הושק ב-ChatGPT ב-8 ביולי.
• מדד דיבור-לדיבור — Eleven Realtime v1 Max ללא ציון לעומת GPT-Live-1 (Sol, low) 80.1
• הסקה בדיבור (Big Bench Audio) — מקסימום 98.8% לעומת GPT-Live-1 89%
• ביצועים אג'נטיים (τ-Voice) — Max לא נמדד לעומת GPT-Live-1 59.3%
• דינמיקה שיחתית — Max 94.1% לעומת GPT-Live-1 97.3%
• שיעור הצלחה במשימות — Max 87.1% לעומת GPT-Live-1 90.9%
• העדפת זירה (Elo) — Max 997 לעומת GPT-Live-1 1,047
• זמן עד לאודיו ראשון — מקסימום 0.57 שנ' לעומת GPT-Live-1 1.24 שנ'
• עלות לשעת אודיו קלט — Max $4.80 לעומת GPT-Live-1 $4.47
• תעבורה — Max WebSocket בלבד בהשקה לעומת GPT-Live-1 WebRTC בלבד
שורה אחת קרובה יותר ממה שהכותרת מרמזת: עלות. 4.80$ לעומת 4.47$ לשעת אודיו מציב את שני המודלים הללו באותה רצועת מחירים, שזה ההפך מהסיפור שמקבלים כשמשווים את Eleven Realtime ל-Gemini 3.8 Live ב-0.84$. בהשוואה ל-OpenAI, הפרמיה של ElevenLabs היא 7%.
למה ציון ההיסק מצביע בכיוון הלא נכון
Big Bench Audio הוא אוסף של 1,000 שאלות אודיו שהותאמו מ-Big Bench Hard בארבע קטגוריות — כשלים פורמליים, ניווט, ספירת עצמים וסט בעיות מילוליות בוליאניות. המודל שומע שאלה ועונה בקול רם, והתשובה מוערכת כנכונה או שגויה. הוא מודד עד כמה מודל מנמק לגבי תוכן אודיו, וזה אינו זהה למידה שבה הוא מנהל שיחה או משלים משימה.
הנתון של Max, 98.8%, מציב אותו במקום השלישי בטבלה הזו, אחרי StepAudio 3 Realtime (100%) ו-Qwen Audio 3.0 Realtime Plus (99.2%), ולפני Qwen3.5 Omni Plus Realtime (98.7%) ו-Grok Voice 3.0 (98.5%). הנתון של GPT-Live-1, 89%, הוא המקום השנים-עשר. אם תפקיד הסוכן שלך הוא להקשיב לתיאור מדובר ארוך ולענות על שאלה לגביו, פער תשע הנקודות הזה משמעותי ו-ElevenLabs היא הקנייה הטובה יותר.
אבל ElevenLabs לא מוכרת את Max בשביל זה. העמוד של ElevenLabs עצמה מציג את Max כמיועד ל"משימות מורכבות" עם "שימוש בכלים רב-שלבי" — תמיכת לקוחות, סינון לידים ותזמון בסיוע. זהו תחום הפעולה של τ-Voice, ו-τ-Voice הוא המקום שבו ל-Max אין מספר ול-GPT-Live-1 יש 59.3%.
גם הנתון של OpenAI צריך הסתייגות משלו, והתיעוד של OpenAI עצמה מספק אותה: ראיות הפריסה שפורסמו דלות. בבנצ'מרק לתמיכה קולית בבנקאות ש-OpenAI דיווחה עליו עם השקת ה-API, שיעור ההצלחה של GPT-Live-1 עמד על 32%, לעומת 12.4% של GPT-Realtime-2.1. שיעור הצלחה של 32% הוא שיפור גדול, אך עדיין משמעו שהמערכת נכשלת בשני שלישים מתהליך עבודה כפוף לרגולציה. נתון ה-τ-Voice של Artificial Analysis הוא השימושי יותר, מפני שהוא מבוצע על גבי מערך בדיקות משותף, אך זהו ציון אמצע הטבלה, לא הכתרה.
כאשר היתרון של GPT-Live-1 הוא מבני, לא שולי
פער הדינמיקה השיחתית של 3.2 נקודות ופער ה-Elo של 50 נקודות בזירה נובעים מבחירה ארכיטקטונית ש-ElevenLabs לא עשתה. GPT-Live-1 הוא דופלקס מלא במובן המחמיר: הוא מקשיב ומדבר על אותו ציר זמן, וכשמתקשר שואל משהו שדורש עבודה אמיתית, הוא מעביר את המשימה מעבר לגבול אסינכרוני למודל צד-שרת נפרד שממשיך לחשוב בזמן שהשיחה הקולית נמשכת. שכבת הקול היא חזית. החשיבה מתרחשת במקום אחר ומתקפלת חזרה פנימה כשהיא מוכנה.
העיצוב הזה הוא הסיבה ש-GPT-Live-1 יכול להריץ קריאות לכלים בלי שהקו ייעשה שקט, והוא גם הסיבה שציון החשיבה שלו נמוך יותר: המודל שעונה על שאלת Big Bench אינו זה שעושה את החשיבה העמוקה בסשן אמיתי. Eleven Realtime Max מהמרת על ההימור ההפוך. רשת אחת מבצעת זיהוי, ניהול תורות, חשיבה וקול — וזה מה שמקנה 0.57 שניות, כי אין העברה שצריך להמתין לה — וזה גם מה שמגביל כמה חשיבה יכולה להתרחש לפני שהמתקשר מבחין בהפסקה.
איזה הימור נכון תלוי בשאלה אם תקציב ההשהיה שלך או תקציב השלמת המשימה שלך הדוק יותר. עבור סוכן תיאום שצריך לבדוק יומן, לאשר משבצת ולכתוב רשומה, מודל ההעברה מנצח בהשלמה. עבור מורה פרטי שעונה על שאלה מדוברת בנשימה אחת, המודל הממוזג מנצח בתחושה.
פרטי החיוב והתעבורה שקובעים את האינטגרציה
GPT-Live-1 מחייבת בתעריף אחיד של $0.05 לדקת קול, בחיוב לפי שנייה, כאשר אתחול הסשן מחייב 15 שניות מראש וזוכה אותן כנגד משך הזמן בהמשך. מודל החשיבה בצד השרת מחויב בנפרד בתעריפים הרגילים שלו, כך ששכבת קול זולה עדיין יכולה להפיק שיחה יקרה. OrcaRouter לא יכולה לנתב את שכבת הקול — נקודת הקצה Live Sessions בכתובת v1/live/sessions שייכת ל-OpenAI בלבד — אבל החצי שבצד השרת הוא רק קריאת מודל נוספת, וב-OrcaRouter זה 209 מודלים מ-16 ספקים במפתח אחד במחיר המחירון של הספק ללא תוספת, עם מעבר חלופי אם הקצה האחורי שבחרתם מחזיר שגיאה באמצע השיחה.
Eleven Realtime מחייב בכיוון ההפוך: חיוב סטנדרטי של ElevenAgents לפי דקה בתוספת טוקנים של קלט, קלט במטמון ופלט לפי התעריף של מודל Realtime, כאשר Max עולה יותר לכל טוקן מאשר Mini. התעריף לדקה של אף אחד מהמודלים אינו מפורסם בעמוד התמחור של ElevenLabs; לוח הבקרה מציג הערכה, וה-$4.80 של Artificial Analysis הוא נתון מנורמל ולא מחיר מחירון.
התעבורה היא האסימטריה החדה יותר. ה-API של Eleven Realtime תואם ל-OpenAI Realtime מעל WebSocket — הדוגמה של התיעוד עצמו מייבאת OpenAIRealtimeWebSocket מ-@openai/agents-realtime ומפנה אותו אל wss://api.elevenlabs.io/v1/convai/realtime. GPT-Live-1 מבוסס WebRTC בלבד, ובדיקה של נתיב ה-Realtime הישן יותר עם מזהה מודל GPT-Live מחזירה שגיאה שאומרת שהסשנים דורשים WebRTC. אז התאימות פועלת בכיוון אחד: לקוח OpenAI Realtime יכול לעבור ל-ElevenLabs בשינוי נקודת קצה, אבל לקוח OpenAI Realtime לא יכול לעבור ל-GPT-Live-1 בלי שכתוב של שכבת התעבורה. צוותים שנודדים ל-GPT-Live-1 כותבים לחיצת יד של RTCPeerConnection, ערוץ נתונים oai-events והחלפת הצעה בצד השרת; צוותים שנודדים ל-Eleven Realtime עורכים שני מחרוזות.
ההסתייגויות בנוגע לפריסה ההדרגתית בצד של ElevenLabs
התיעוד של ElevenLabs מוסיף אילוצים שאף סיקור השקה לא מזכיר:
זמינות — מודלי Realtime "נפרסים בהדרגה"; סביבת עבודה ללא הגדרת מצב קולי מקבלת מה-API בחזרה את ההודעה "מודלי Realtime אינם זמינים עבור סביבת עבודה זו"
• מיקום נתונים — Max זמין בארה״ב ובאיחוד האירופי, אך לא בהודו או בסינגפור, שם מוצע רק Mini
• תאימות — תמיכה במצב אפס שמירה וב-HIPAA ב-Max בארה״ב ובאיחוד האירופי; Mini אינו תומך באף אחד מהם.
• הגדרות מנוהלות — ה-LLM, מאמץ ההסקה, תקציב החשיבה, קריאות מקבילות לכלים, מודל TTS, מצב אקספרסיבי וספק ASR נשלטים כולם על ידי ElevenLabs כאשר מוגדר מודל Realtime, וצמתי זרימת עבודה אינם יכולים לעקוף אותם
• מודלי LLM מותאמים אישית — מצב בזמן אמת אינו זמין כאשר סוכן משתמש במודל LLM מותאם אישית או ב-Amazon Bedrock
האילוצים של GPT-Live-1 עצמו מחמירים יותר בנקודה אחת ורופפים יותר באחרת: אין לו Chat Completions, אין Responses, אין שכבת תאימות ל-Realtime, אין כיוונון עדין ואין קלט תמונה או וידאו, אך מגבלות ה-Tier שלו נקובות במונחי סשנים מקבילים — 25 ב-Tier 1 ועולות ל-500 ב-Tier 5 — ולא בבקשות לדקה.
מי צריך לבחור מה
בחרו ב-GPT-Live-1 כאשר הסוכן צריך להשלים עבודה: הזמנות, שינויים, החזרים, כל דבר שמסתיים בכתיבה למסד נתונים. יש לו שיעור הצלחה גבוה יותר במשימות, העדפה גבוהה יותר בארנה, מדד משולב גבוה יותר ועלות נמוכה יותר לשעה, והוא היחיד מבין השניים עם ציון agentic מפורסם. הקצו תקציב לשכתוב ה-WebRTC ולחיוב הנפרד של מודל ה-backend.
בחרו ב-Eleven Realtime v1 Maxכשהשיחה היא המוצר וההיגיון רדוד: חונך, דמות, קו תמיכה שבו מדברים במקום להקשיב לתלונה. אתם מקבלים את מודל ההסקה החזק והמהיר ביותר בהיצע, את המיגרציה הפשוטה ביותר מאינטגרציית OpenAI Realtime קיימת, ותוספת מחיר של 7% לעומת GPT-Live-1 במקום תוספת של פי 5.7 לעומת Gemini. אתם מקבלים שההתנהגות האג'נטית שלה לא נמדדה ושההשקה עדיין חלקית.
התוצאה שתהפוך את המסקנה של הקטע הזה היא ציון τ-Voice עבור Max. ElevenLabs מבקשת שייתנו בה אמון כמודל שמשלים משימות על סמך מדד חשיבה; מבחן המשימות קיים, הוא הורץ על עשרה מודלי קול אחרים, והוא לא הורץ על המודל הזה. זהו פער בראיות, לא במודל — אבל זה הפער שקובע איזה משני אלה צריך להציג בפני לקוח משלם.
