Una scheda del titolo generata per MAI Realtime 1 vs Eleven Realtime Max che mostra un divario di prezzo di otto volte, tra $0,01 e $0,08 al minuto audio, con il tasso di escalation indicato come non pubblicato, oltre a un logo OrcaRouter.
Guides & Insights

MAI Realtime 1 vs Eleven Realtime Max: una differenza di prezzo di otto volte, e l'unico numero che la decide

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Le tariffe pubblicate fanno sembrare che la questione sia chiusa. MAI Realtime 1 costa 0,01 $ al minuto audio. Eleven Realtime Max — il modello speech-to-speech di punta di ElevenLabs, indicato come Realtime v1 Max — costa circa 4,80 $ all'ora secondo la normalizzazione indipendente di Artificial Analysis, cioè 0,08 $ al minuto. Otto a uno, prima ancora di contare qualsiasi altra cosa. Anche questo confronto è fuorviante in un modo specifico e aritmetico, e l'aritmetica è tutto l'articolo: MAI Realtime 1 fattura, oltre alla tariffa al minuto, un secondo modello di ragionamento con prezzo a token, e nessuno al di fuori di Microsoft ha pubblicato con quale frequenza scatti quel secondo contatore.

Quindi la domanda utile non è quale titolo sia più piccolo. È quale di questi due puoi preventivare prima di firmare, e quale devi misurare prima. Quelle risposte puntano in direzioni opposte, ed è per questo che questa è una vera decisione e non una formalità.

A generated two-column scoreboard titled 'MAI Realtime 1 vs Eleven Realtime Max — the scoreboard'. Left column MAI Realtime 1: voice price $0.01 per minute, independent scores none yet, agentic not published, first audio P50 only, languages not published. Right column Eleven Realtime Max: $0.08 per minute, index 77.3, agentic 47.6%, first audio 570 ms, 90+ languages. Footer reads 'Eleven figures per Artificial Analysis; MAI performance mostly unpublished.'

Che cos'è ciascuno, in una riga

• MAI Realtime 1 — il primo modello speech-to-speech di Microsoft, annunciato il 17 novembre 2026 a Ignite. Due livelli: un percorso conversazionale veloce a un centesimo al minuto, e un motore di ragionamento a $1,00 per milione di token di input e $5,00 per milione di token di output a cui vengono passati i turni più difficili. Anteprima ad accesso limitato tramite Foundry; demo in MAI Labs. Parla l'API OpenAI Realtime.

• Eleven Realtime Max — il modello speech-to-speech di ElevenLabs per agenti vocali chiamati a svolgere compiti più complessi di una semplice conversazione. Un unico sistema ottimizzato che copre riconoscimento, turn-taking, un LLM e la voce. Disponibile in ElevenAgents e tramite un'API Realtime compatibile con OpenAI, solo via WebSocket. Copre oltre 90 lingue.

• Ciò che nessuna delle due pubblica: le lingue supportate da MAI Realtime 1. Il materiale di lancio di Microsoft non ne elenca nessuna e, per un prodotto destinato ai contact center, è una questione di primaria importanza, non una nota a piè di pagina.

L'unico lato con misure reali

Eleven Realtime Max è ben coperto da test indipendenti, e il profilo è sbilanciato in un modo che conta per la progettazione degli agenti:

• Indice speech-to-speech — 77,3, di Artificial Analysis, su un composito di ragionamento, dinamiche conversazionali e capacità agentiche.

• Ragionamento vocale (Big Bench Audio) — 98,8%. È uno dei valori più alti della classifica, ed è il numero su cui è costruito il modello: risponde con precisione a domande vocali difficili.

• Tempo al primo audio: 570 millisecondi, il più rapido dei due in un confronto diretto e abbastanza veloce da risultare immediato.

• Completamento di attività agentiche (τ-Voice) — 47,6%. Questo è il punto debole. Un modello che ragiona egregiamente su ciò che ascolta completa comunque meno della metà delle attività a più passaggi che il sistema di valutazione gli assegna.

• Dinamiche conversazionali — 94,1%.

• Costo misto — circa 4,80 $ per ora di audio, secondo la normalizzazione su base oraria operata da Artificial Analysis di un sottoinsieme di 40 domande di Big Bench Audio. Si tratta di una convenzione di misurazione, non del listino prezzi di ElevenLabs, e i due non vanno citati in modo intercambiabile.

MAI Realtime 1 non ne ha quasi nessuno, e il divario tra «quasi» e «nessuno» è la parte interessante. Microsoft pubblica un solo dato di accuratezza nella pagina del modello: 98,8% su Big Bench Audio. È un dato del fornitore — una valutazione di Microsoft stessa, su un benchmark scelto da Microsoft, senza alcuna metodologia pubblicata a corredo — e nessuna classifica indipendente lo ha riprodotto. Si noti inoltre che 98,8% è aritmeticamente identico al dato di Eleven Realtime Max riportato sopra: una coincidenza dovuta a due banchi di prova diversi che approdano alla stessa percentuale, e non va letta come un pareggio tra i due modelli. Oltre a quell'unico numero, la pagina riporta una scheda P50 time-to-first-audio e una didascalia «P50 Latency on BigBench Audio», e nulla più. Nessun punteggio τ-Voice, nessun elenco delle lingue, nessuna distribuzione dietro il percentile. L'affermazione più ampia di Microsoft — che il modello si collochi sulla frontiera di Pareto prestazioni-prezzo per Big Bench Audio e τ-Voice — riguarda la posizione che un punto occuperebbe su un grafico che non è stato tracciato in pubblico. Al 18 novembre, Artificial Analysis non riporta affatto il modello.

Quell'asimmetria non è un argomento a favore di ElevenLabs. È un argomento su ciò che puoi sapere oggi: uno di questi modelli ha un punteggio agentico misurato del 47.6% su cui puoi pianificare, e l'altro ha un dato di accuratezza dichiarato dal fornitore e un percentile.

Una nota sulle fonti, prima che i numeri inizino a muoversi: ogni dato prestazionale di Eleven Realtime Max riportato di seguito è una misurazione indipendente di Artificial Analysis. L'unico dato prestazionale di MAI Realtime 1 citato in questo articolo — 98,8% su Big Bench Audio — è di Microsoft stessa, non verificato, ed è etichettato come tale ovunque compaia. Sulle sue prestazioni non è pubblicato nient'altro.

L'aritmetica che nessuno ha completato

Comincia dalla linea vocale, perché è l'unica cosa che entrambe le parti pubblicano onestamente.

• MAI Realtime 1 — $0,01/min → $0,60 all'ora di conversazione, solo percorso rapido.

• Eleven Realtime Max — circa $0,08/min equivalenti → $4,80 all'ora, secondo i criteri di Artificial Analysis.

Un divario di otto volte sul contatore dei minuti. Ora aggiungi il secondo contatore e nota ciò che manca dalle informazioni pubbliche: Microsoft non ha detto quale frazione dei turni passa al livello di ragionamento. Ogni modello di costo che costruisci ha quindi un input che devi inventare. Ecco cosa fa l’input inventato alla risposta. Prendi una chiamata di assistenza di cinque minuti — $0,05 di tempo vocale — e supponi che, sui suoi turni in escalation, il motore di ragionamento veda in totale 5.000 token di input e 1.500 di output. Ai prezzi di Microsoft di $1,00 e $5,00 per milione, ciò equivale a $0,0125 di ragionamento per una singola passata completa sulla chiamata.

• Zero escalation — 0,050 $ per chiamata contro gli 0,40 $ di ElevenLabs. Otto a uno, come pubblicizzato.

• Un passaggio completo di ragionamento — $0.063 per chiamata. Comunque meno di un sesto della cifra di ElevenLabs.

• Tre passaggi completi di ragionamento — $0.088 per chiamata. Poco più di un quinto.

• Dieci passaggi completi di ragionamento — $0,175 per chiamata. Circa il 44% della cifra di ElevenLabs, e si tratta di un carico di lavoro che nessuna conversazione di assistenza potrebbe plausibilmente generare.

Rileggilo: persino un carico di ragionamento dieci volte superiore non colma un divario di otto volte sulla linea vocale. Il che significa che la versione onesta di questo confronto è che MAI Realtime 1 è più economico di gran lunga con ogni ipotesi di escalation che una conversazione reale possa sostenere — e il motivo per esitare non è il prezzo. È che non puoi ancora dire se il modello sia all'altezza del compito, e l'anteprima di Microsoft non viene addebitata fino all'anteprima pubblica, quindi scoprirlo non costa altro che tempo di ingegneria.

Due avvertenze su quel calcolo, entrambe contrarie al trattarlo come una previsione. La stima sul ragionamento è mia, non di Microsoft — il numero di token varia enormemente tra una consultazione che richiede una chiamata a uno strumento e un'eccezione che ne richiede quattro. E il lato ElevenLabs usa la normalizzazione oraria di Artificial Analysis anziché il listino prezzi di ElevenLabs, perché ElevenLabs non pubblica una cifra fissa in dollari al minuto per Realtime Max; applica un prezzo ai minuti più ai token LLM con una stima integrata nell'app. Quindi il confronto è solido in termini direzionali e debole numericamente da entrambi i lati, il che è normale per la voce e vale la pena dirlo apertamente.

Un punto merita una riga a sé. L'anteprima ad accesso limitato di Foundry non addebita i clienti finché non inizia l'anteprima pubblica. Un confronto dei costi redatto a novembre è quindi un confronto tra ciò che pagheresti in seguito e un'anteprima che puoi eseguire ora a costo zero. La mossa razionale è misurare, non negoziare.

Dove ElevenLabs non sta affatto perdendo sul prezzo

Due cose che la figura ottuplice nasconde.

Il primo è che ElevenLabs non vende un contatore a minuti. ElevenAgents applica un prezzo al minuto più i costi dei token LLM, con una stima in-app per minuto, e la Realtime API addebita al minuto l'audio connesso più i token agli stessi prezzi dei token su ogni piano. Un team già dentro ElevenAgents non sta confrontando $0,01 con $0,08: sta confrontando una variazione marginale rispetto a una piattaforma che ha già integrato, con distribuzione su telefono, widget web, WhatsApp e contact center, oltre a SOC 2, HIPAA, GDPR, residenza dei dati nell'UE e opzioni a conservazione zero.

Il secondo è che l'elenco di conformità è una funzionalità di prodotto con un prezzo a sé. Per un agente vocale clinico o finanziario, la residenza dei dati nell'UE e la conservazione zero non sono optional che un modello più economico può sostituire. L'annuncio di Microsoft non dice nulla su residenza dei dati, conservazione o certificazione per MAI Realtime 1 — e il modello è in anteprima limitata, che è esattamente la fase in cui di solito tali termini non sono ancora definiti.

Quindi la distinzione non è "economico contro costoso". È "economico e non misurato, con termini enterprise ancora da scrivere" contro "quattro volte il prezzo, con la documentazione completata e un punteggio agentico del 47.6% su cui puoi decidere se è o non è sufficiente".

A screenshot of ElevenLabs' own Realtime landing page captured 18 November 2026, showing the headline 'Instant conversation with Eleven Realtime', the line describing v1 Mini for natural conversations and v1 Max for complex tasks, and the statement that the models are available in ElevenAgents and the Realtime API.

Eseguendo entrambi senza aver ancora scelto

Entrambi i modelli parlano l'API OpenAI Realtime, che è il singolo fatto più utile in questo confronto. Uno stack vocale scritto per quell'interfaccia può puntare all'uno o all'altro, il che trasforma la decisione in una configurazione anziché in una riscrittura. È anche il motivo per cui conviene mantenere entrambi raggiungibili durante la valutazione invece di scegliere prima e testare dopo.

Questo è il caso per cui OrcaRouter è costruito, e vale la pena essere precisi su quale metà si applica. MAI Realtime 1 non è nel nostro catalogo — è raggiungibile tramite la demo di Microsoft MAI Labs e l'anteprima ad accesso limitato di Foundry, punto. Ciò che instradiamo è il livello dietro di esso: i modelli di ragionamento in cui un agente vocale scala, al prezzo di listino del provider con 0% di ricarico, così una variazione di tariffa su quel livello raggiunge la tua fattura il giorno in cui avviene anziché al rinnovo. Il failover automatico conta più nel vocale che altrove, perché un turno bloccato è una persona che ascolta il silenzio; una richiesta che passa a un secondo provider in poche centinaia di millisecondi è impercettibile, e una che riprova per quattro secondi è ciò di cui i clienti si lamentano. Quando l'anteprima termina e MAI Realtime 1 diventa disponibile in generale, la stessa chiave e le stesse regole di instradamento lo supportano — purché entri nel catalogo, cosa che oggi non è avvenuta.

A screenshot of the OrcaRouter models catalogue captured 18 November 2026, showing the search and sort controls over a grid of model cards and the header line '226 models · 17 providers · one API key, one bill'.

Chi dovrebbe fare cosa questa settimana?

Se il tuo agente vocale è una superficie di supporto o di pianificazione in cui la maggior parte dei turni è breve e quelli difficili sono interrogazioni, l'economia di MAI Realtime 1 non è minimamente competitiva, e l'anteprima è gratuita — costruisci ora la valutazione, strumenta tu stesso il tasso di escalation e considera la latenza di coda non pubblicata di Microsoft come ciò che la tua misurazione sostituisce.

Se il valore del tuo agente risiede nel lavoro in più passaggi — prenotare su tre sistemi, verificare l'identità, risolvere un'eccezione — allora il punteggio agentico del 47,6% su Eleven Realtime Max è un benchmark che puoi leggere, mentre quello di MAI Realtime 1 è un vuoto. Comprare solo in base al prezzo, qui, significa comprare un modello non misurato per la parte più difficile del lavoro.

E se è la conformità, e non le prestazioni, a decidere il vostro fornitore, nulla nell'annuncio di Microsoft cambia la vostra risposta questo mese. L'anteprima limitata non è un ambiente in cui trattare dati protetti, e i termini che ve lo consentirebbero non sono pubblicati.

Il divario di otto volte è reale e probabilmente duraturo. È anche il numero meno interessante qui, perché la domanda che decide questo confronto è se un modello da un centesimo al minuto riesce a completare un compito — e l’unica parte che non ce l’ha detto è quella che lo vende.