Eleven Realtime v1 Max guida la classifica su velocità e ragionamento vocale — e non ha un punteggio Index

Eleven Realtime v1 Max risponde in 0,57 secondi e ottiene il 98,8% su Big Bench Audio, mentre Eleven Realtime v1 Mini risponde in 0,62 secondi e ottiene il 76% sullo stesso test. Questi due numeri, letti insieme, sono la cosa più utile nell'annuncio di ElevenLabs del 20 ottobre 2026 — non perché ciascuno sia impressionante di per sé, ma per il divario di 23 punti tra i due e per il fatto che quello più debole è ciò che si ottiene per impostazione predefinita. Gli incidenti AI documentati e i fallimenti degli agenti alla base dei modelli di questa classe sono raccolti in the OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di attendibilità e il flag di contestazione.

C'è un secondo fatto, ancora più strano, sulla stessa classifica. Artificial Analysis elenca entrambi i modelli con un tempo al primo audio, un punteggio Big Bench Audio, un punteggio di dinamica conversazionale, un Elo dell'arena e un tasso di successo delle attività — e un trattino dove dovrebbe esserci l'indice Speech to Speech. Max non ha alcun punteggio di indice. Non uno basso. Nessuno.

Il motivo è meccanico, e spiega gran parte di quanto segue. L'indice è una media a pesi uguali di quattro componenti: ragionamento vocale (Big Bench Audio), prestazioni agentiche sul benchmark τ-Voice di assistenza clienti, preferenza nell'arena e tasso di successo nei task. Un modello deve avere tutti e quattro per essere valutato. Max ne ha tre. E​levenLabs vende Max specificamente per "compiti complessi" con "uso di strumenti in più passaggi" — e il benchmark sull'uso degli strumenti è quello che nessuno ha ancora eseguito su di esso.

Cosa ha effettivamente rilasciato ElevenLabs

La famiglia Eleven Realtime è un tipo di prodotto diverso dai modelli text-to-speech per cui ElevenLabs è nota. Ogni modello Realtime è un'unica rete che gestisce insieme riconoscimento, turn-taking, fase di ragionamento e generazione vocale, anziché una pipeline composta da speech-to-text, un modello linguistico e una voce text-to-speech messi insieme da un orchestratore. La proposta di ElevenLabs è che ottimizzare quei quattro stadi come un unico sistema elimina le giunture — il mezzo secondo di silenzio dopo che un chiamante smette di parlare, l'agente che parla sopra un'interruzione, la discrepanza tra ciò che una trascrizione ha sentito e ciò che la voce risponde.

Entrambi i modelli sono raggiungibili in due modi: all'interno di ElevenAgents, dove scegli un modello da un menu a discesa e la piattaforma configura il resto, oppure tramite un'API Realtime deliberatamente compatibile a livello di protocollo con quella di OpenAI, all'indirizzo wss://api.elevenlabs.io/v1/convai/realtime. Cambia l'endpoint e il nome del modello, e un client OpenAI Realtime esistente mantiene i suoi gestori di eventi.

Ciò che è stato rilasciato il 20 ottobre è l'annuncio, non l'attivazione. La documentazione di ElevenLabs descrive ancora i modelli come "in distribuzione graduale" e afferma che un workspace privo dell'impostazione Modalità voce farà sì che l'API rifiuti realtime_model del tutto, con "I modelli realtime non sono disponibili per questo workspace". Anche gli identificatori dei modelli precedono il ciclo stampa: la voce del changelog del 3 agosto per ElevenAgents registra che la configurazione degli agenti realtime aveva già iniziato a usare come predefinito eleven_realtime_v1_mini. Considera la data di lancio come il giorno in cui i numeri sono diventati pubblici, non il giorno in cui gli endpoint sono stati aperti.

I due modelli non sono due dimensioni della stessa cosa

E​levenLabs presenta Mini e Max come un selettore costo-qualità: Mini per assistenti, tutor e personaggi; Max per supporto, qualificazione dei lead e flussi di lavoro che utilizzano strumenti. Le misurazioni pubblicate dicono che il selettore si spinge oltre rispetto a quanto quella presentazione suggerisca. Sono dati di Artificial Analysis, ottenuti in modo indipendente sullo stesso harness anziché citati dalla pagina di E​levenLabs:

• Ragionamento vocale (Big Bench Audio) — Eleven Realtime v1 Max 98,8% vs Eleven Realtime v1 Mini 76%

• Tasso di successo delle attività — Max 87,1% vs Mini 60,3%

• Dinamiche conversazionali (Full-Duplex-Bench) — Max 94.1% vs Mini 95.8%

• Preferenza Arena (Elo) — Max 997 vs Mini 988

• Tempo al primo audio — Max 0.57s vs Mini 0.62s

• Indice Speech to Speech — Max non valutato vs Mini non valutato

Leggi le ultime tre righe prima delle prime due. Su ciò che un chiamante percepisce consapevolmente — sembra una conversazione? — Mini è il modello migliore, mentre quello più veloce è Max, ma solo di 50 millisecondi. Il divario di 23 punti nel ragionamento e quello di 27 punti nel successo dei compiti sono reali e ampi, ma si manifestano nel fatto che l'agente porti a termine il lavoro, non nel fatto che sia piacevole parlarci. È esattamente il compromesso che fa una coda di supporto, ed esattamente il motivo per cui il valore predefinito conta: ogni nuovo agente che non tocca mai l'impostazione viene eseguito sul modello che risolve il 60,3% dei compiti invece dell'87,1%.

Il divario spiega anche il trattino nella colonna dell'indice. Anche a Mini manca un punteggio agentico, il che non sorprende per un modello posizionato come quello economico. A Max manca nonostante sia posizionato come quello capace.

Che cosa significa in pratica la riga mancante

Il tasso di successo delle attività e τ-Voice non sono la stessa misurazione, e confonderli è l'errore più facile da commettere con questa release. Il tasso di successo delle attività chiede se la conversazione si è conclusa con la corretta chiamata finale allo strumento. τ-Voice cala il modello in uno scenario di assistenza clienti simulato — un cambio di volo, un addebito contestato, un problema di telecomunicazioni — con strumenti specifici del dominio e un documento di policy, e valuta se il database termina nello stato corretto. È la differenza tra "l'agente ha chiamato la funzione giusta" e "l'agente ha risolto la richiesta senza violare la policy".

ElevenLabs commercializza Max proprio per quel secondo compito. La dichiarazione sulla pagina del prodotto è che Max "ragiona su domande complesse e invoca strumenti per portare a termine le attività senza rallentare la conversazione". Niente di quanto pubblicato finora mette alla prova tale affermazione dall'inizio alla fine. Il tasso di successo del 87,1% nelle attività è un dato solido; è anche la metà più facile della valutazione e si colloca accanto a un punteggio di dinamica conversazionale del 94,1%, che è un punto e mezzo inferiore a quello di Mini.

Per un team che decide oggi, la sintesi onesta è che Max è il modello di ragionamento vocale meglio misurato del settore — il suo 98,8% è superato solo dal 100% di StepAudio 3 Realtime e dal 99,2% di Q​wen Audio 3.0 Realtime Plus nella stessa classifica — e che il suo comportamento agentico non è misurato, mentre quello dei concorrenti sì. G​emini 3.8 Live Extended Thinking ha un punteggio τ-Voice del 68,6%. G​PT-Live-1 (Astra, medium) ha 74,5%. Max ha un trattino.

Quanto costa un minuto

E​levenLabs non pubblica un numero per modello. La fatturazione in tempo reale è la tariffa standard al minuto di ElevenAgents più i token di input, di input memorizzato nella cache e di output alle tariffe proprie del modello Realtime, con Max più costoso per token rispetto a Mini; la dashboard mostra un costo stimato al minuto e l'API Realtime fattura per minuto di audio connesso più i token. La pagina dei prezzi non contiene alcuna voce Realtime.

Artificial Analysis normalizza tutto ciò in un unico valore comparabile — il costo di esecuzione di un sottoinsieme fisso di 40 domande di Big Bench Audio, espresso per ora di audio in ingresso. Entrambi i modelli ElevenLabs si attestano a 4,80 $. È proprio l'identicità di quel numero la parte interessante: qualunque sia il sovrapprezzo per token di Max, a volumi conversazionali è la tariffa per minuto dell'agente a dominare la bolletta, quindi il modello costoso e quello economico costano lo stesso da usare. Il risparmio offerto da Mini emerge dove i token sono pesanti, non dove l'audio è lungo.

Per dare un'idea, sulla stessa misura: Gemini 3.8 Live costa 0,84 $ all'ora, Gemini 3.8 Live Extended Thinking 3,50 $, GPT-Live-1 (Sol, low) 4,47 $ e Grok Voice 3.0 4,80 $. Eleven Realtime si colloca nella fascia media del settore, non in fondo, e corrisponde a circa 5,7 volte la tariffa standard di Gemini Live.

È questo il punto in cui un livello di routing dimostra di valere il suo costo, anche se non può toccare il modello vocale stesso. Eleven Realtime è disponibile tramite l'API proprietaria di ElevenLabs e da nessun'altra parte — nessun host di terze parti offre eleven_realtime_v1_max, e nemmeno OrcaRouter lo fa, quindi non c'è nulla da instradare per il livello vocale. Ciò che puoi instradare è tutto ciò che l'agente chiama: i servizi di ricerca, le operazioni di scrittura sul CRM, il servizio di riepilogo che viene eseguito dopo la chiamata e il modello di backup su cui ripiega una cascata quando il modello realtime va in errore. Su OrcaRouter questi sono 209 modelli da 16 fornitori upstream dietro un'unica chiave, al prezzo di listino del fornitore e senza markup, quindi la metà della bolletta che cresce in base a quanto a fondo ragionano le persone che chiamano è la metà che puoi effettivamente ottimizzare.

Il dettaglio dell'integrazione che decide la tua settimana

ElevenLabs ha scommesso su qualcosa su cui la maggior parte dei fornitori di soluzioni realtime non ha puntato: la sua API parla il protocollo di eventi Realtime di O​penAI. L'esempio di sette righe nella documentazione importa OpenAIRealtimeWebSocket, RealtimeAgent e RealtimeSession da @openai/agents-realtime, punta il transport sull'URL WebSocket di E​levenLabs e passa model: "eleven_realtime_v1_mini". Tutto il resto — il client secret, la configurazione della sessione, la modalità di output audio, la voce — resta invariato.

Il costo di quella comodità è il trasporto. Non c'è WebRTC al lancio; la documentazione lo dice direttamente, e qualsiasi integrazione WebRTC deve passare prima a WebSocket. Per i team già su un'integrazione Realtime WebSocket non è un problema. Per i team che hanno costruito su WebRTC perché gestisce meglio jitter e reti mobili, si tratta di una riscrittura del livello di trasporto, non di un cambio di modello.

L'altro vincolo è architetturale: i modelli Realtime vengono eseguiti in ElevenAgents e nella Realtime API come prodotti separati. Se hai bisogno di numeri di telefono, WhatsApp, una knowledge base, guardrail, test con script o monitoraggio delle conversazioni, sei su ElevenAgents, e gli strumenti e il prompt del tuo agente viaggiano con esso. Se sei sulla Realtime API, ottieni il modello e gli eventi, non la piattaforma che li circonda. Non puoi avere entrambi su una singola connessione.

Dove non viaggia

Il lancio è disomogeneo in modi che contano più per i team europei e indiani che per quelli statunitensi:

• Residenza dei dati — entrambi i modelli sono disponibili negli Stati Uniti e nell'UE; India e Singapore ricevono solo Mini, quindi Max non è un'opzione per gli agenti vincolati a tali ambienti

• Conformità — Modalità Zero Retention e supporto HIPAA: Max è supportato negli Stati Uniti e nell'UE, mentre Mini non è supportato affatto

• Limite token — Max richiede un limite di almeno 1.024 token, oppure nessun limite, e i nodi del workflow non possono sovrascriverlo

• Backend personalizzati — La modalità Realtime non è disponibile mentre un agente utilizza un LLM personalizzato o Amazon Bedrock; devi prima passare a un LLM integrato

• Trasferimenti tra agenti — un agente in modalità Realtime può trasferire solo verso e da altri agenti in modalità Realtime, anche se sono consentiti i trasferimenti Mini-to-Max

Ognuna di queste regole viene applicata al momento della pubblicazione, non a quello del salvataggio. Una bozza che ne viola una viene comunque salvata; la pubblicazione fallisce e indica l'impostazione interessata.

Cosa guardare

Due risultati sarebbero decisivi per questa release. Il primo è un punteggio τ-Voice per Max — l’unico numero che metterebbe alla prova l’affermazione che E​levenLabs sta effettivamente vendendo. Il secondo è il supporto WebRTC, che è la differenza tra un modello che puoi mostrare in una demo e un modello che puoi mettere su una chiamata mobile. Fino ad allora, la posizione difendibile è stretta e utile: Mini è un buon default per agenti conversazionali che non devono completare compiti, Max è il ragionatore forte più veloce nella classifica e plausibilmente il miglior agente di supporto, e nessuno ha ancora pubblicato il test che proverebbe la seconda metà.