Eleven Realtime v1 Max מול SeedRealtime: לאחד יש מחיר ושישה בנצ'מרקים, ולשני יש הדגמה
- 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
Eleven Realtime v1 Max הוא מודל דיבור-לדיבור הניתן לקריאה, עם נקודת קצה מתועדת, שש תוצאות בנצ'מרק שפורסמו ועלות מנורמלת של $4.80 לשעת אודיו. SeedRealtime הוא המודל האודיו-ויזואלי בדופלקס מלא של ByteDance Seed, שהוכרז ב-5 באוגוסט 2026, ואין לו API, אין משקולות, אין דו"ח טכני, אין מספר פרמטרים ואין מחיר. ההשוואה נראית מוכרעת עוד לפני שהיא מתחילה — ואז שמים לב שגם למודל של ElevenLabs חסר בנצ'מרק, ושהחסר הוא מאותו סוג ראיות שByteDance מעולם לא פרסמה. תקריות AI מתועדות וכשלי סוכנים מאחורי מודלים במחלקה הזו נאספים בארכיון התקריות של OrcaRouter AI, שבו לכל ערך יש מקורות משלו, חומרה, דרגת ביטחון ודגל מחלוקת.
זו הצורה האמיתית של העימות הזה. שני המודלים משווקים בטענה שחילופי תורות צריכים להתקיים בתוך המודל ולא בגלאי פעילות קול שמוצמד מבחוץ. שניהם מבקשים ממך לסמוך על התנהגות שאפשר לשפוט רק באמצעות שיחה איתם. ElevenLabs השיבה לכך במערך הערכה של צד שלישי ובנתון עלות לשעה. ByteDance השיבה לכך במחקר העדפות פנימי אחד. אחד מהם שמיש; אף אחד מהם אינו שלם.
מה כל אחד מהם למעשה טוען
Eleven Realtime v1 Max ממזג ארבעה שלבים לרשת אחת: זיהוי, חילופי תורות, הסקה ויצירת קול. ההבטחה השיווקית של ElevenLabs היא שכיוון שלהם יחד מסיר את התפרים שארכיטקטורת קסקייד משאירה מאחור — חצי השנייה המתה לאחר שהמתקשר מפסיק, הסוכן שמדבר מעל הפרעה, והפער בין מה שנשמע לבין מה שנאמר בחזרה. Max מוסיף את שלב ההסקה לעיצוב הזה ומיועד למשימות מורכבות ולקריאות כלים מרובות שלבים; הדגם האח שלו, Eleven Realtime v1 Mini, הוא הגרסה השיחתית הזולה, והוא מה שכל סוכן ElevenAgents חדש מקבל כברירת מחדל.
SeedRealtime הולך רחוק יותר במודליות ופחות רחוק בכל השאר. המודל של ByteDance מאחד אודיו, וידאו וטקסט בארכיטקטורת מקצה לקצה אחת, כלומר הוא יכול לצפות, להקשיב ולדבר בבת אחת במקום לשרשר מודל ראייה למודל זיהוי דיבור למודל שפה לקול. ההתנהגויות המדגימות הן אלה שמערכת דו-מודלית אינה יכולה להפיק: קישור קול לפנים בשיחת קבוצה רועשת כך שהמודל עוקב אחרי מי שאמר מה, דיבור ביוזמתו ללא הנחיה כאשר אובייקט מטרה נכנס לפריים, ותרחישי מדריך מוזיאון ותיקון מכשירים שבהם המודל צריך לראות במה אתה מסתכל.
שילוב אודיו ווידאו הוא בעיה קשה יותר משילוב אודיו וטקסט, ו-SeedRealtime מנסה להתמודד עם הבעיה הקשה יותר. ראוי לומר זאת בבירור לפני ששאר המאמר מסביר מדוע עדיין אינך יכול להשתמש בו.
הראיות, שנשקלו ביושר
Artificial Analysis מריצה גם מבחן הסקה בדיבור וגם מבחן דינמיקה שיחתית על מודלים בקטגוריה הזו. היא הריצה אותם על Eleven Realtime v1 Max. היא לא הריצה אותם על SeedRealtime, ולא יכולה — אין נקודת קצה לפנות אליה.
• הסקת דיבור (Big Bench Audio) — Eleven Realtime v1 Max 98.8% לעומת SeedRealtime שלא פורסם
• דינמיקה שיחתית (Full-Duplex-Bench) — Max 94.1% לעומת SeedRealtime לא פורסם
• שיעור הצלחת המשימות — עד 87.1% לעומת SeedRealtime שלא פורסם
• העדפת ארנה (Elo) — מקסימום 997 לעומת SeedRealtime לא פורסם
• ביצועים אג'נטיים (τ-Voice) — Max לא נמדד לעומת SeedRealtime שלא פורסם
• זמן עד לאודיו ראשון — מקסימום 0.57 שנ' לעומת SeedRealtime, שאין עבורו נתון השהיה במילישניות
• עלות לשעת קלט אודיו — Max $4.80 לעומת SeedRealtime ללא הצעה מסחרית
מודאליות נכנסות — Max אודיו וטקסט לעומת SeedRealtime אודיו, וידאו וטקסט
השורה היחידה שבה SeedRealtime מוביל היא זו שאיש לא יכול לקנות. המספר הפומבי היחיד ש-ByteDance הציעה הוא הערכת אדם מקצה לקצה הטוענת ש-SeedRealtime מפחית בחצי את בעיות קצב השיחה של מערכות מדורגות ASR-plus-vision-plus-TTS — פחות קטיעות, פחות הפעלות שגויות, תגובות איטיות וטבעיות יותר. אין גודל מדגם, אין מתודולוגיה, אין מספר אנוטטורים, אין השהיה במילישניות. דוח משני מציין שיפור של 12% בשטף לעומת המודלים הקודמים של הצוות. זהו כל בסיס הראיות.
עכשיו החלק הכנה בצד השני. שורת τ-Voice של Max ריקה, וזה חשוב כי Max הוא המודל ש-ElevenLabs מוכרת להשלמת משימות. ציון ההיסק שלו, 98.8%, נמדד על 1,000 שאלות אודיו, לא על שיחת שירות לקוחות עם כלים ומסמך מדיניות. אז ל-ElevenLabs יש שישה מספרים וחור במקום שבו ל-ByteDance יש מספר אחד ואין endpoint — אופני כשל שונים, אותה מציאות בסיסית: הדבר שעליו משווק כל מודל אינו הדבר שעליו נמדד כל מודל.
למה הארכיטקטורה חשובה יותר מההתמודדות
לפני שנה, סוכני קול היו צינור עיבוד עם מתזמר מעליו. מישהו היה צריך להחליט מתי המשתמש סיים לדבר, לנתב את התמלול למודל שפה, להמתין לטוקנים, ואז להעביר את הטקסט למסנתז שהיה צריך להישמע כאילו היה חלק מהשיחה. כל שלב הוסיף השהיה וכל מסירה הוסיפה תפר.
שני המודלים האלה הם הימורים שהתפר הוא הבעיה. התשובה של Eleven Realtime היא למזג את שלבי צד השמע — האזנה, חילופי תורות, חשיבה, דיבור — לרשת אחת ולהשאיר את המודל אודיו-בלבד. התשובה של SeedRealtime היא למזג את אלה ולהוסיף ראייה, כך שהמודל יוכל לפענח "דווקא זה" מתוך מחוות הצבעה, או לשים לב שהאדם שאיתו הוא מדבר התרחק והלך.
הפשרה ניכרת במפרטים. Eleven Realtime Max עונה תוך 0.57 שניות ומשיגה 98.8% במבחן חשיבה עם קלט אודיו בלבד. הטענה של SeedRealtime היא קלט רחב יותר, ומכאן גם יותר הקשר בכל תור; המחיר שלה הוא שדופלקס חזותי מלא יקר להפעלה, וזו סיבה סבירה לכך שאפליקציית צרכנים היא המקום היחיד שבו היא מושקת. אף אחת מהחברות לא פרסמה נתון השהיה שהופך את ההשוואה לכמותית, ורק אחת מהן פרסמה משהו שניתן לבדוק על ידי צד שלישי.
נקודת הקצה של ByteDance שקיימת אך אינה המודל הזה
זו הטעות שכדאי להימנע ממנה, כי קל לעשות אותה ויקר לגלות אותה. Volcano Engine, זרוע הענן של ByteDance, מתעדת מוצר קולי נפרד בזמן אמת — מודל הקול בזמן אמת Doubao 3.0 — שנגיש דרך נקודת קצה WebSocket עם מפתח API של הקונסולה, קלט PCM או Opus ב-16 kHz ופלט שמע ב-24 kHz, תוך שימוש בפרוטוקול אירועים בזמן אמת.
זהו API למפתחים מאותה חברה ובאותו אזור מוצרי, והוא אינו SeedRealtime. הוא אודיו בלבד: ללא וידאו, ללא הצמדת פנים, ללא עיגון חזותי. זהו מודל נפרד עם היסטוריית שחרורים משלו. צוותים שיחפשו את ה-API הקולי בזמן אמת של ByteDance ימצאו את התיעוד הזה, יבצעו אינטגרציה מולו, ויאמינו שהם משתמשים במודל שהסיקור עוסק בו. Volcano Engine לא פרסמה תאריך לנקודת קצה עבור המודל האורקולי-חזותי. כל פרסום שמציע לך גישה ל-SeedRealtime מציע לך משהו אחר.
מה זה אומר אם יש לך מוצר לשלוח
אין החלטה שצריך לקבל בין השניים האלה עבור עבודת ייצור ברבעון הזה. Eleven Realtime v1 Max ניתן לקריאה כעת, דרך ElevenAgents או דרך Realtime API תואם OpenAI בכתובת wss://api.elevenlabs.io/v1/convai/realtime, ו-SeedRealtime הוא אבן דרך מחקרית בתוך אפליקציית טלפון בסין.
ההחלטה שכן קיימת היא איך לבנות סביב זה. ה-Realtime API של ElevenLabs הוא WebSocket בלבד בהשקה — ללא WebRTC — והוא מוצר נפרד מ-ElevenAgents, כך שטלפון, WhatsApp, מאגרי ידע, מנגנוני הגנה וניטור מגיעים רק עם הצד של הפלטפורמה. Max גם אינו מוצע בסביבות שימור הנתונים של הודו וסינגפור, ודורש מגבלת טוקנים של לפחות 1,024; Mini, באופן מוזר, תומך בהודו ובסינגפור אך לא ב-Zero Retention Mode או ב-HIPAA, שבהם Max תומך בארה״ב ובאיחוד האירופי.
המקום שבו OrcaRouter משתלב אינו שכבת הקול. איננו מארחים את eleven_realtime_v1_max, ואין עבורו נקודת קצה של צד שלישי. מה שכן אנו מארחים הוא כל מה שסוכן מהסוג הזה מפעיל סביב המודל: 209 מודלים מ-16 ספקים במעלה הזרם מאחורי מפתח אחד, במחיר המחירון של הספק וללא תוספת מרווח, עם מעבר אוטומטי לגיבוי כאשר ספק מחזיר שגיאה או שפג הזמן שלו.החצי היקר והמשתנה של סוכן קולי הוא השליפה וההיסק שהוא מאציל; את החצי הזה אפשר להחליף בלי לגעת בלולאת האודיו, וזה המקום שבו שבוע של כוונון מחזיר את ההשקעה.
מה ישנה את זה
API עבור SeedRealtime יהפוך את זה להשוואה אמיתית, ולא רק בגלל הסרטון. נקודת קצה ניתנת לקריאה תאפשר ל-Artificial Analysis להעמיד את המודל על אותה מערכת בדיקות בת ארבעה חלקים כמו כולם, וזו הדרך היחידה למספר שמשמעותו משהו בין ספקים. דוח טכני יעשה את רוב אותה עבודה.
בצד של ElevenLabs, החלק החסר הוא ריצת τ-Voice על Max. כשהיא תגיע, יהיה סוף סוף לתחום נתון סוכני בהשוואה ישרה עבור המודל ש-ElevenLabs משווקת כמודל המכוון-משימות. עד אז הסיכום אינו זוהר: אחד מהמודלים האלה אפשר לפנות אליו, למדוד אותו, לתמחר אותו ולהשיק אותו, ואחד מהם אפשר רק לצפות בו, והפער בין שתי העמדות האלה גדול מהפער בין הארכיטקטורות שלהם.
