Eleven Realtime v1 Max vs GPT-Live-1: il divario nei benchmark è a sfavore di ElevenLabs

Il comunicato stampa di Eleven Realtime v1 Max apre con il 98,8% su Big Bench Audio e una risposta di 0,57 secondi. Entrambi i numeri sono veri, entrambi sono i migliori della loro categoria, ed entrambi sono irrilevanti quando il confronto è con G​PT-Live-1 — perché il benchmark che decide gli agenti vocali in produzione non è il ragionamento vocale, e su quello il modello di O​penAI vince con un margine abbastanza ampio da annullare il vantaggio di 0,7 secondi che E​levenLabs sta vendendo. Gli incidenti AI documentati e i fallimenti degli agenti che stanno dietro ai modelli di questa classe sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.

Esegui la stessa harness di Artificial Analysis su entrambi e la separazione è netta. Eleven Realtime v1 Max è in vantaggio sul ragionamento vocale, 98,8% contro 89%, e sulla velocità, 0,57 secondi contro 1,24. G​PT-Live-1 è in vantaggio sul completamento di attività agentiche, 59,3% contro non misurato, sulle dinamiche conversazionali, 97,3% contro 94,1%, sulla preferenza nell’arena, 1.047 Elo contro 997, sul successo delle attività, 90,9% contro 87,1%, e sull’indice composito, 80,1 contro nessun valore.

Quell'ultimo dato non è retorico. Eleven Realtime v1 Max non ha un punteggio Speech to Speech Index, perché l'indice richiede tutte e quattro le componenti e il run agentico τ-Voice non è stato pubblicato per questo modello. G​PT-Live-1 ha un indice. È il più alto della classifica.

Il tabellone completo, fianco a fianco

Tutte le righe sono misurazioni di Artificial Analysis sul proprio harness, salvo diversa indicazione. Le cifre di Eleven Realtime provengono dall'annuncio del 20 ottobre 2026; la disponibilità dell'API di G​PT-Live-1 risale al 10 settembre 2026, mentre il modello stesso è stato reso disponibile in ChatGPT l'8 luglio.

• Indice Speech to Speech — Eleven Realtime v1 Max non valutato vs G​PT-Live-1 (Sol, low) 80.1

• Ragionamento vocale (Big Bench Audio) — Max 98,8% vs GPT-Live-1 89%

• Prestazioni agentiche (τ-Voice) — Max non misurato rispetto a GPT-Live-1 59,3%

• Dinamiche conversazionali — Max 94,1% vs G​PT-Live-1 97,3%

• Tasso di successo delle attività — Max 87,1% vs GPT-Live-1 90,9%

• Preferenza nell'arena (Elo) — Max 997 vs G​PT-Live-1 1.047

• Tempo al primo audio — Max 0,57s vs G​PT-Live-1 1,24s

• Costo per ora di audio in input — Max $4,80 vs G​PT-Live-1 $4,47

• Trasporto — solo Max WebSocket al lancio vs solo G​PT-Live-1 WebRTC

Una riga è più vicina di quanto suggerisca il titolo: il costo. $4,80 contro $4,47 per ora di audio colloca questi due modelli nella stessa fascia di prezzo, che è l'opposto della storia che si ottiene confrontando Eleven Realtime con gli $0,84 di Gemini 3.8 Live. Nel confronto con OpenAI, il sovrapprezzo di ElevenLabs è del 7%.

Perché il punteggio di ragionamento punta nella direzione sbagliata

Big Bench Audio è composto da 1.000 domande audio adattate da Big Bench Hard, distribuite in quattro categorie — fallacie formali, navigazione, conteggio di oggetti e un insieme di problemi verbali booleani. Il modello ascolta una domanda e risponde ad alta voce, e la risposta viene valutata come corretta o errata. Misura quanto bene un modello ragiona sul contenuto audio, il che non equivale a quanto bene gestisce una conversazione o porta a termine un compito.

Il 98,8% di Max lo colloca al terzo posto in quella classifica, dietro StepAudio 3 Realtime (100%) e Qwen Audio 3.0 Realtime Plus (99,2%), e davanti a Qwen3.5 Omni Plus Realtime (98,7%) e Grok Voice 3.0 (98,5%). L'89% di GPT-Live-1 è dodicesimo. Se il compito del tuo agente è ascoltare una lunga descrizione parlata e rispondere a una domanda al riguardo, quel divario di nove punti è significativo e ElevenLabs è l'acquisto migliore.

Ma E​levenLabs non vende Max per quello. La sua stessa pagina posiziona Max per "compiti complessi" con "uso di strumenti a più passaggi" — assistenza clienti, qualificazione dei lead, pianificazione assistita. Quello è territorio di τ-Voice, e τ-Voice è dove Max non ha un numero e G​PT-Live-1 ha il 59,3%.

Il dato di OpenAI necessita anch'esso di una propria precisazione, e la documentazione di OpenAI la fornisce: le prove di distribuzione pubblicate sono scarse. Il benchmark di supporto vocale bancario riportato da OpenAI al lancio dell'API collocava il tasso di superamento di GPT-Live-1 al 32%, contro il 12,4% di GPT-Realtime-2.1. Un tasso di superamento del 32% è un miglioramento consistente e significa comunque che il sistema fallisce in due terzi di un flusso di lavoro regolamentato. Il valore τ-Voice di Artificial Analysis è quello più utile perché viene eseguito su un harness comune, ma è un punteggio di metà classifica, non un'incoronazione.

Dove il vantaggio di G​PT-Live-1 è strutturale, non marginale

Il divario di 3,2 punti nella dinamica conversazionale e quello di 50 punti Elo nell'arena derivano da una scelta architetturale che E​levenLabs non ha fatto. G​PT-Live-1 è full duplex in senso stretto: ascolta e parla sulla stessa linea temporale e, quando un chiamante chiede qualcosa che richiede lavoro reale, passa il compito attraverso un confine asincrono a un modello backend separato che continua a pensare mentre la conversazione vocale prosegue. Il livello vocale è un front end. Il ragionamento avviene altrove e rientra quando è pronto.

È grazie a questo design che G​PT-Live-1 può eseguire chiamate agli strumenti senza che la linea resti muta, ed è anche il motivo per cui il suo punteggio di ragionamento è più basso: il modello che risponde alla domanda di Big Bench non è quello che svolge il ragionamento approfondito in una sessione reale. Eleven Realtime Max fa la scommessa opposta. Un'unica rete si occupa di riconoscimento, gestione dei turni, ragionamento e voce: è ciò che consente di ottenere 0,57 secondi — non c'è alcun passaggio di consegne da attendere — ed è anche ciò che limita quanto ragionamento può avvenire prima che il chiamante noti la pausa.

Quale delle due scelte sia quella giusta dipende da quale budget è più stretto: quello di latenza o quello di completamento del compito. Per un agente di pianificazione che deve controllare un calendario, confermare uno slot e scrivere un record, il modello a passaggio di consegne vince sul completamento. Per un tutor che risponde a una domanda vocale in un solo respiro, il modello unificato vince sulla sensazione.

I dettagli di fatturazione e trasporto che determinano l'integrazione

GPT-Live-1 fattura a una tariffa fissa di $0,05 al minuto di voce, con addebito al secondo, mentre l'inizializzazione della sessione viene fatturata per 15 secondi in anticipo e tale importo viene accreditato sulla durata successiva. Il modello di ragionamento backend viene fatturato separatamente alle sue normali tariffe, quindi un livello voce economico può comunque produrre una chiamata costosa. OrcaRouter non può instradare il livello voce — l'endpoint Live Sessions su v1/live/sessions appartiene esclusivamente a OpenAI — ma la parte backend è solo un'altra chiamata al modello e, su OrcaRouter, si tratta di 209 modelli da 16 provider su un'unica chiave al prezzo di listino del provider senza ricarichi, con failover se il backend scelto genera errori a metà chiamata.

Eleven Realtime fattura nel modo opposto: il costo standard di ElevenAgents al minuto più i token di input, input in cache e output alla tariffa del modello Realtime, con Max che costa più per token rispetto a Mini. La tariffa al minuto di nessuno dei due modelli è pubblicata sulla pagina dei prezzi di E​levenLabs; la dashboard mostra una stima, e il valore di $4.80 di Artificial Analysis è una cifra normalizzata anziché un prezzo di listino.

Il trasporto è l’asimmetria più netta. L’API di Eleven Realtime è compatibile con OpenAI Realtime su WebSocket — l’esempio della documentazione stessa importa OpenAIRealtimeWebSocket da @openai/agents-realtime e lo indirizza a wss://api.elevenlabs.io/v1/convai/realtime. GPT-Live-1 è solo WebRTC, e sondare il percorso Realtime più vecchio con un ID modello GPT-Live restituisce un errore che indica che le sessioni richiedono WebRTC. Quindi la compatibilità va in una sola direzione: un client OpenAI Realtime può passare a ElevenLabs con un cambio di endpoint, ma un client OpenAI Realtime non può passare a GPT-Live-1 senza riscrivere il trasporto. I team che migrano a GPT-Live-1 stanno scrivendo un handshake RTCPeerConnection, un canale dati oai-events e uno scambio di offerta lato server; i team che migrano a Eleven Realtime stanno modificando due stringhe.

Le avvertenze sul rollout lato E​levenLabs

La documentazione di E​levenLabs aggiunge vincoli che nessun articolo dedicato al lancio menziona:

• Disponibilità — I modelli Realtime vengono "distribuiti gradualmente"; un workspace senza l'impostazione Modalità vocale riceve dall'API il messaggio "I modelli Realtime non sono disponibili per questo workspace"

• Residenza dei dati — Max è disponibile negli Stati Uniti e nell'UE, ma non in India o a Singapore, dove viene offerto solo Mini

• Conformità — Modalità Zero Retention e supporto HIPAA per Max negli Stati Uniti e nell'UE; Mini non supporta nessuna delle due

• Impostazioni gestite — il modello LLM, lo sforzo di ragionamento, il budget di pensiero, le chiamate parallele agli strumenti, il modello TTS, la modalità espressiva e il provider ASR sono tutti controllati da ElevenLabs mentre è impostato un modello Realtime, e i nodi del workflow non possono sovrascriverli

• LLM personalizzati — La modalità in tempo reale non è disponibile mentre un agente utilizza un LLM personalizzato o Amazon Bedrock

I vincoli di G​PT-Live-1 sono più stringenti sotto un aspetto e più permissivi sotto un altro: non dispone di Chat Completions, né di Responses, né di un livello di compatibilità Realtime, né di fine-tuning, né di input di immagini o video, ma i suoi limiti per livello sono espressi in sessioni simultanee — 25 sul Tier 1, fino a 500 sul Tier 5 — anziché in richieste al minuto.

Chi dovrebbe scegliere quale

Scegli GPT-Live-1 quando l'agente deve portare a termine il lavoro: prenotazioni, modifiche, rimborsi, qualsiasi cosa che si concluda con una scrittura nel database. Ha il tasso di successo sui task più alto, la preferenza nell'arena più alta, l'indice composito più alto e il costo orario più basso, ed è l'unico dei due con un punteggio agentico pubblicato. Metti a budget la riscrittura WebRTC e la fattura separata del modello backend.

Scegli Eleven Realtime v1 Max quando la conversazione è il prodotto e il ragionamento è superficiale: un tutor, un personaggio, una linea di assistenza in cui si parla sopra al reclamo. Ottieni il modello di ragionamento forte più veloce disponibile, la migrazione più semplice da un'integrazione O​penAI Realtime esistente e un sovrapprezzo del 7% rispetto a G​PT-Live-1 invece del premio di 5,7× rispetto a G​emini. Accetti che il suo comportamento agentico non sia misurato e che il lancio sia ancora parziale.

Il risultato che ribalterebbe questo articolo è un punteggio τ-Voice per Max. ElevenLabs chiede di essere considerata un modello in grado di completare attività sulla base di un benchmark di ragionamento; il benchmark per le attività esiste, è stato eseguito su altri dieci modelli vocali e non è stato eseguito su questo. Si tratta di una lacuna nelle prove, non nel modello — ma è la lacuna che determina quale di questi due dovresti mettere davanti a un cliente pagante.