
MAI Realtime 1 vs Eleven Realtime Max: Selisih Harga Delapan Kali Lipat, dan Satu Angka yang Menentukannya
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 89 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 920 tok/s
Tarif yang dipublikasikan membuat ini tampak sudah final. MAI Realtime 1 berbiaya $0,01 per menit audio. Eleven Realtime Max — model speech-to-speech teratas ElevenLabs, tercantum sebagai Realtime v1 Max — berbiaya sekitar $4,80 per jam menurut normalisasi independen Artificial Analysis, yaitu $0,08 per menit. Delapan banding satu, sebelum menghitung apa pun yang lain. Perbandingan itu juga menyesatkan secara aritmetika yang spesifik, dan aritmetikanya adalah inti seluruh artikel: MAI Realtime 1 menagih model penalaran berharga per token sebagai tambahan di atas tarif per menitnya, dan tidak ada pihak di luar Microsoft yang telah menerbitkan seberapa sering meter kedua itu berjalan.
Jadi, pertanyaan yang berguna bukanlah headline mana yang lebih kecil. Pertanyaannya adalah mana dari dua ini yang bisa Anda hitung biayanya sebelum Anda menandatangani, dan mana yang harus Anda ukur terlebih dahulu. Jawaban-jawaban itu mengarah ke arah yang berlawanan, itulah sebabnya ini adalah keputusan nyata, bukan sekadar formalitas.

Apa masing-masingnya, dalam satu baris
• MAI Realtime 1 — model speech-to-speech pertama Microsoft, diumumkan pada 17 November 2026 di Ignite. Dua tingkatan: jalur percakapan cepat dengan biaya satu sen per menit, dan mesin penalaran dengan tarif $1,00 per juta token masukan dan $5,00 per juta token keluaran, tempat giliran yang lebih sulit dialihkan. Pratinjau akses terbatas melalui Foundry; demo di MAI Labs. Berbicara dalam OpenAI Realtime API.
• Eleven Realtime Max — model speech-to-speech ElevenLabs untuk agen suara yang menangani pekerjaan lebih berat daripada obrolan ringan. Satu sistem yang disetel mencakup pengenalan, pergantian giliran, LLM, dan suara. Tersedia di ElevenAgents dan melalui API Realtime yang kompatibel dengan OpenAI, hanya WebSocket. Mencakup 90+ bahasa.
• Hal yang tidak diterbitkan oleh keduanya — bahasa yang didukung oleh MAI Realtime 1. Materi peluncuran Microsoft tidak mencantumkan satu pun, dan untuk produk pusat kontak, itu adalah pertanyaan utama, bukan catatan kaki.
Satu-satunya sisi dengan pengukuran nyata
Eleven Realtime Max tercakup dengan baik oleh pengujian independen, dan profilnya tidak seimbang dalam cara yang penting untuk desain agen:
• Indeks ucapan-ke-ucapan — 77.3, dari Artificial Analysis, berdasarkan komposit penalaran, dinamika percakapan, dan kemampuan agentik.
• Penalaran ucapan (Big Bench Audio) — 98,8%. Angka ini termasuk yang tertinggi di papan, dan inilah angka yang menjadi dasar model ini: model ini menjawab pertanyaan lisan yang sulit dengan akurat.
• Waktu hingga audio pertama — 570 milidetik, yang tercepat di antara keduanya dalam perbandingan langsung dan cukup cepat untuk terasa seketika.
• Penyelesaian tugas agentik (τ-Voice) — 47,6%. Inilah titik lemahnya. Model yang bernalar dengan baik tentang apa yang didengarnya tetap hanya menyelesaikan kurang dari separuh tugas bertahap yang diberikan harness kepadanya.
• Dinamika percakapan — 94,1%.
• Biaya campuran — sekitar $4.80 per jam audio, menurut normalisasi Artificial Analysis atas subset Big Bench Audio 40 pertanyaan ke basis per jam. Itu adalah konvensi pengukuran, bukan kartu tarif ElevenLabs, dan keduanya tidak boleh dikutip secara tertukar.
MAI Realtime 1 hampir tidak memiliki satu pun dari ini, dan selisih antara "hampir" dan "tidak sama sekali" adalah bagian yang menarik. Microsoft menerbitkan satu angka akurasi di halaman model: 98,8% pada Big Bench Audio. Itu angka dari vendor — evaluasi Microsoft sendiri, pada tolok ukur yang dipilih Microsoft, tanpa metodologi yang diterbitkan di sampingnya — dan belum ada lembaga independen yang menjalankannya ulang. Perhatikan juga bahwa 98,8% secara aritmetika identik dengan angka Eleven Realtime Max di atas, yang merupakan kebetulan dua harness berbeda yang menghasilkan persentase sama dan tidak boleh dibaca sebagai kedua model seri. Selain satu angka itu, halaman tersebut hanya memuat kartu P50 time-to-first-audio dan keterangan "P50 Latency on BigBench Audio", tidak ada lagi. Tidak ada skor τ-Voice, tidak ada daftar bahasa, tidak ada distribusi di balik persentil itu. Klaim Microsoft yang lebih besar — bahwa model ini berada di frontier Pareto kinerja-harga untuk Big Bench Audio dan τ-Voice — adalah klaim tentang di mana sebuah titik akan berada pada grafik yang belum digambar di publik. Artificial Analysis sama sekali tidak memuat model ini per 18 November.
Asimetri itu bukan argumen untuk ElevenLabs. Itu adalah argumen tentang apa yang dapat Anda ketahui hari ini: salah satu model ini memiliki skor agentic terukur 47,6% yang dapat Anda jadikan dasar perencanaan, dan yang lainnya memiliki angka akurasi yang dilaporkan vendor serta sebuah persentil.
Catatan tentang sumber sebelum angka-angka mulai bergerak: setiap angka performa Eleven Realtime Max di bawah ini adalah pengukuran independen Artificial Analysis. Satu-satunya angka performa MAI Realtime 1 yang dikutip di mana pun dalam tulisan ini — 98,8% pada Big Bench Audio — adalah milik Microsoft sendiri, belum diaudit, dan diberi label demikian di mana pun angka itu muncul. Tidak ada hal lain tentang performanya yang dipublikasikan sama sekali.
Aritmetika yang belum diselesaikan siapa pun
Mulailah dengan jalur suara, karena itulah satu-satunya hal yang kedua pihak publikasikan secara jujur.
• MAI Realtime 1 — $0.01/menit → $0.60 per jam percakapan, hanya jalur cepat.
• Eleven Realtime Max — sekitar setara $0,08/menit → $4,80 per jam, berdasarkan basis Artificial Analysis.
Kesenjangan delapan kali lipat pada meter menit. Sekarang tambahkan meter kedua, dan perhatikan apa yang hilang dari informasi publik: Microsoft belum mengatakan berapa fraksi giliran yang dieskalasi ke tier penalaran. Oleh karena itu, setiap model biaya yang Anda buat memiliki input yang harus Anda karang sendiri. Berikut dampak input yang dikarang itu terhadap jawabannya. Ambil contoh panggilan dukungan lima menit — $0,05 waktu suara — dan asumsikan bahwa di seluruh giliran yang dieskalasi, mesin penalaran melihat total 5.000 token input dan 1.500 token output. Dengan tarif Microsoft $1,00 dan $5,00 per juta, itu berarti $0,0125 untuk penalaran per satu lintasan penuh atas panggilan tersebut.
Tanpa eskalasi — $0,050 per panggilan dibandingkan $0,40 ElevenLabs. Delapan banding satu, seperti yang diiklankan.
• Satu proses penalaran penuh — $0,063 per panggilan. Masih di bawah seperenam angka ElevenLabs.
• Tiga putaran penalaran penuh — $0.088 per panggilan. Sedikit lebih dari seperlima.
• Sepuluh proses penalaran penuh — $0.175 per panggilan. Sekitar 44% dari angka ElevenLabs, dan ini adalah beban kerja yang tidak mungkin dihasilkan oleh percakapan dukungan mana pun.
Baca lagi: bahkan beban penalaran sepuluh kali lipat tidak menutup kesenjangan delapan kali lipat pada lini suara. Yang berarti versi jujur dari perbandingan ini adalah bahwa MAI Realtime 1 lebih murah secara signifikan dalam setiap asumsi eskalasi yang didukung percakapan nyata — dan alasan untuk ragu bukanlah harga. Alasannya adalah Anda belum dapat mengetahui apakah model ini cukup baik untuk pekerjaan tersebut, dan pratinjau Microsoft tidak dikenakan biaya hingga pratinjau publik, jadi mengetahui hal itu tidak memakan biaya apa pun selain waktu rekayasa.
Dua catatan penting tentang perhitungan itu, yang keduanya membuatnya tidak layak diperlakukan sebagai ramalan. Estimasi untuk reasoning adalah perhitungan saya, bukan Microsoft — jumlah token sangat bervariasi antara lookup yang memerlukan satu tool call dan exception yang memerlukan empat. Dan sisi ElevenLabs menggunakan normalisasi per jam dari Artificial Analysis, bukan kartu tarif ElevenLabs sendiri, karena ElevenLabs tidak menerbitkan angka dolar per menit yang tetap untuk Realtime Max; mereka menetapkan harga menit ditambah token LLM dengan estimasi di dalam aplikasi. Jadi perbandingannya kuat secara arah tetapi lunak secara angka di kedua sisi, yang wajar untuk voice dan layak dikatakan terang-terangan.
Satu poin memang layak mendapat barisnya sendiri. Pratinjau akses terbatas Foundry tidak menagih pelanggan hingga pratinjau publik dimulai. Perbandingan biaya yang ditulis pada November karena itu adalah perbandingan antara apa yang akan Anda bayar nanti dengan pratinjau yang dapat Anda jalankan sekarang dengan biaya nol. Langkah rasionalnya adalah mengukur, bukan bernegosiasi.
Di mana ElevenLabs sama sekali tidak kalah soal harga
Dua hal yang disembunyikan oleh figur berlipat delapan.
Pertama, ElevenLabs tidak menjual meteran menit. ElevenAgents menetapkan harga per menit ditambah biaya token LLM, dengan estimasi dalam aplikasi per menit, dan Realtime API mengenakan biaya per menit audio terhubung ditambah token dengan harga token yang sama di setiap paket. Tim yang sudah berada di dalam ElevenAgents tidak membandingkan $0.01 dengan $0.08 — mereka membandingkan perubahan marginal terhadap platform yang sudah mereka integrasikan, dengan penerapan telepon, widget web, WhatsApp, dan pusat kontak, plus opsi SOC 2, HIPAA, GDPR, residensi data UE, dan retensi nol.
Kedua, daftar kepatuhan itu adalah fitur produk yang memiliki harga tersendiri. Bagi agen suara klinis atau finansial, residensi data UE dan retensi nol bukanlah sekadar fitur tambahan yang dapat digantikan oleh model yang lebih murah. Pengumuman Microsoft tidak menyebut apa pun tentang residensi data, retensi, atau sertifikasi untuk MAI Realtime 1 — dan model tersebut berada dalam pratinjau terbatas, yang justru merupakan tahap ketika ketentuan tersebut biasanya belum ditetapkan.
Jadi pembagiannya bukan "murah versus mahal." Ini adalah "murah dan belum terukur, dengan ketentuan enterprise yang masih belum ditulis" versus "empat kali lipat harganya dengan dokumen yang sudah beres dan skor agentic 47,6% yang bisa Anda putuskan cukup atau tidak."

Menjalankan keduanya tanpa memilih dulu
Kedua model menggunakan OpenAI Realtime API, yang merupakan fakta paling berguna dalam perbandingan ini. Tumpukan suara yang ditulis terhadap antarmuka tersebut dapat diarahkan ke salah satu dari keduanya, sehingga keputusan menjadi soal konfigurasi, bukan penulisan ulang. Itu juga alasan untuk menjaga keduanya tetap dapat diakses selama evaluasi, alih-alih memilih terlebih dahulu lalu mengujinya kemudian.
Inilah kasus yang menjadi tujuan OrcaRouter dibangun, dan penting untuk tepat mengenai separuh mana yang berlaku. MAI Realtime 1 tidak ada di katalog kami — model ini hanya dapat diakses melalui demo MAI Labs Microsoft dan pratinjau akses terbatas Foundry, titik. Yang kami rutekan adalah lapisan di belakangnya: model penalaran yang menjadi tujuan eskalasi agen suara, dengan harga daftar penyedia tanpa markup 0%, sehingga perubahan tarif pada tier tersebut mencapai faktur Anda pada hari terjadinya, bukan saat perpanjangan. Failover otomatis lebih penting dalam suara daripada di mana pun, karena giliran yang macet berarti manusia mendengarkan keheningan; permintaan yang berpindah ke penyedia kedua dalam beberapa ratus milidetik tidak terdengar, sedangkan yang mencoba ulang selama empat detik adalah hal yang dikeluhkan pelanggan. Ketika pratinjau berakhir dan MAI Realtime 1 tersedia secara umum, kunci yang sama dan aturan perutean yang sama akan membawanya — asalkan model itu masuk ke katalog, yang saat ini belum terjadi.

Siapa yang harus melakukan apa minggu ini
Jika agen suara Anda adalah kanal dukungan atau penjadwalan yang sebagian besar gilirannya singkat dan bagian sulitnya adalah pencarian data, ekonomi MAI Realtime 1 tidak tertandingi, dan pratinjaunya gratis — bangun evaluasi sekarang, ukur sendiri tingkat eskalasi, dan perlakukan latensi ekor Microsoft yang tidak dipublikasikan sebagai hal yang digantikan oleh pengukuran Anda sendiri.
Jika nilai agen Anda terletak pada pekerjaan multi-langkah — memesan ke tiga sistem, memverifikasi identitas, menyelesaikan pengecualian — maka skor agentik 47,6% pada Eleven Realtime Max adalah tolok ukur yang dapat Anda baca, sedangkan skor MAI Realtime 1 kosong. Membeli hanya berdasarkan harga di sini berarti membeli model yang belum terukur untuk bagian pekerjaan yang paling sulit.
Dan jika kepatuhan yang menentukan vendor Anda sebelum performa, tidak ada dalam pengumuman Microsoft yang mengubah jawaban Anda bulan ini. Pratinjau terbatas bukan tempat untuk menjalankan data yang dilindungi, dan ketentuan yang memungkinkan Anda melakukannya belum diterbitkan.
Kesenjangan delapan kali lipat itu nyata dan kemungkinan akan bertahan lama. Angka itu juga yang paling tidak menarik di sini, karena pertanyaan yang menentukan pertarungan ini adalah apakah model seharga satu sen per menit dapat menyelesaikan tugas — dan satu-satunya pihak yang belum memberi tahu kita adalah pihak yang menjualnya.
