Eleven Realtime v1 Max vs. SeedRealtime: de een heeft een prijs en zes benchmarks, de ander een demo

Eleven Realtime v1 Max is een aanroepbaar spraak-naar-spraakmodel met een gedocumenteerd endpoint, zes gepubliceerde benchmarkresultaten en genormaliseerde kosten van $4,80 per uur audio. SeedRealtime is het audiovisuele full-duplexmodel van B​yteDance Seed, aangekondigd op 5 augustus 2026, en het heeft geen API, geen gewichten, geen technisch rapport, geen parameteraantal en geen prijs. De vergelijking lijkt al beslist voordat ze begint — en dan merk je dat ook het model van E​levenLabs een benchmark mist, en dat de ontbrekende benchmark hetzelfde soort bewijs is dat B​yteDance nooit publiceerde. De gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering bevat.

Dat is de echte vorm van deze matchup. Beide modellen worden verkocht op de claim dat beurtwisseling in het model zelf moet zitten in plaats van in een spraakactiviteitsdetector die er van buitenaf aan vastgeschroefd is. Beide vragen je een gedrag te vertrouwen dat je alleen kunt beoordelen door met ze te praten. E​levenLabs antwoordde daarop met een evaluatieharnas van een derde partij en een kostencijfer per uur. B​yteDance antwoordde daarop met één interne voorkeursstudie. Een van die twee is bruikbaar; geen van beide is compleet.

Wat elk ervan eigenlijk beweert

Eleven Realtime v1 Max voegt vier fasen samen tot één netwerk: herkenning, beurtwisseling, redeneren en spraakgeneratie. Het verkoopargument van E​levenLabs is dat het samen afstemmen ervan de naden wegneemt die een cascade achterlaat — de dode halve seconde nadat een beller stopt, de agent die door een onderbreking heen praat, de kloof tussen wat er is gehoord en wat er terug wordt gezegd. Max voegt de redeneerstap toe aan dat ontwerp en is bedoeld voor complexe taken en tool-aanroepen in meerdere stappen; de zustervariant, Eleven Realtime v1 Mini, is de goedkope conversatievariant, en dat is wat elke nieuwe ElevenAgents-agent standaard krijgt.

SeedRealtime gaat verder op het gebied van modaliteit en minder ver op al het andere. Het model van B​yteDance verenigt audio, video en tekst in één end-to-endarchitectuur, wat betekent dat het tegelijk kan kijken, luisteren en spreken in plaats van een visionmodel aan een ASR-model aan een taalmodel aan een stem te koppelen. De gedemonstreerde gedragingen zijn die welke een systeem met twee modaliteiten niet kan voortbrengen: een stem aan een gezicht koppelen in een rumoerig groepsgesprek, zodat het model bijhoudt wie wat heeft gezegd, zich ongevraagd laten horen wanneer een doelobject in beeld komt, en scenario's voor museumgidsen en apparaatreparatie waarin het model moet zien waar je naar kijkt.

Audio-plus-video is een moeilijker probleem dan audio-plus-tekst, en SeedRealtime waagt zich aan de moeilijkere variant. Dat moet ronduit gezegd worden voordat de rest van dit stuk uitlegt waarom je het nog steeds niet kunt gebruiken.

Het bewijs, eerlijk gewogen

Artificial Analysis voert zowel een spraakredeneertest als een conversatiedynamiek-test uit op modellen in deze categorie. Het heeft deze uitgevoerd op Eleven Realtime v1 Max. Het heeft ze niet uitgevoerd op SeedRealtime, en dat kan ook niet — er is geen endpoint om aan te roepen.

• Spraakredenering (Big Bench Audio) — Eleven Realtime v1 Max 98,8% vs. SeedRealtime niet gepubliceerd

• Gespreksdynamiek (Full-Duplex-Bench) — Max. 94,1% vs. SeedRealtime niet gepubliceerd

• Taaksuccespercentage — Max. 87,1% vs. SeedRealtime niet gepubliceerd

• Arena-voorkeur (Elo) — Max 997 vs SeedRealtime niet gepubliceerd

• Agentische prestatie (τ-Voice) — Max niet gemeten vs SeedRealtime niet gepubliceerd

• Tijd tot eerste audio — Max. 0,57s vs. SeedRealtime: geen latentiecijfer in milliseconden

• Kosten per uur aan inputaudio — Max. $ 4,80 vs SeedRealtime geen commercieel aanbod

• Modaliteiten in — Max audio en tekst versus SeedRealtime audio, video en tekst

De enige rij waarin SeedRealtime vooroploopt, is de rij die niemand kan kopen. Het enige openbare cijfer dat B​yteDance heeft gepresenteerd, is een end-to-end menselijke evaluatie die stelt dat SeedRealtime de gespreksritmeproblemen van gecascadeerde ASR-plus-vision-plus-T​TS-systemen halveert — minder afbrekingen, minder valse triggers, tragere en natuurlijkere antwoorden. Een secundair rapport vermeldt een vloeiendheidswinst van 12% ten opzichte van de eerdere modellen van het team. Dat is de volledige bewijsbasis.

Nu het eerlijke deel aan de andere kant. De τ-Voice-rij van Max is leeg, en dat is belangrijk omdat Max het model is dat E​levenLabs verkoopt voor taakvoltooiing. De redeneerscore van 98,8% wordt gemeten op 1.000 audiovragen, niet op een klantenservicegesprek met tools en een beleidsdocument. Dus E​levenLabs heeft zes getallen en een gat, terwijl B​yteDance één getal en geen endpoint heeft — verschillende faalmodi, dezelfde onderliggende situatie: het punt waarop elk model wordt gepromoot, is niet het punt waarop elk model is gemeten.

Waarom de architectuur meer uitmaakt dan de onderlinge confrontatie

Een jaar geleden waren spraakagenten een pipeline met een orchestrator erbovenop. Iemand moest beslissen wanneer de gebruiker klaar was met spreken, het transcript naar een taalmodel sturen, wachten op tokens en de tekst vervolgens aan een synthesizer geven die moest klinken alsof hij deel had uitgemaakt van het gesprek. Elke fase voegde latentie toe en elke overdracht zorgde voor een naad.

Beide modellen zijn weddenschappen op de stelling dat de naad het probleem is. Het antwoord van Eleven Realtime is de fasen aan de audiokant — luisteren, beurtwisseling, denken, spreken — in één netwerk samen te voegen en het model uitsluitend audio te laten verwerken. Het antwoord van SeedRealtime is die fasen samen te voegen en er zicht aan toe te voegen, zodat het model "deze" kan herleiden uit een wijsgebaar, of kan merken dat de persoon met wie het praat is weggelopen.

De afweging is afleesbaar uit de specs. Eleven Realtime Max antwoordt in 0,57 seconden en scoort 98,8% op een redeneertest met invoer die alleen uit audio bestaat. SeedRealtime claimt bredere invoer en, in het verlengde daarvan, meer context per beurt; de keerzijde is dat visuele full-duplex duur is om te bedienen, wat een plausibele reden is dat een consumentenapp de enige plek is waar het wordt aangeboden. Geen van beide bedrijven heeft een latentiecijfer gepubliceerd dat de vergelijking kwantitatief maakt, en slechts één van hen heeft iets gepubliceerd dat door een derde partij kan worden gecontroleerd.

Het B​yteDance-endpoint dat bestaat, maar niet dit model is

Dit is de fout die je beter vermijdt, want hij is gemakkelijk te maken en kostbaar om te ontdekken. Volcano Engine, de cloudtak van ByteDance, documenteert een afzonderlijk realtime-spraakproduct — het Doubao realtime-spraakmodel 3.0 — bereikbaar via een WebSocket-endpoint met een console-API-sleutel, 16 kHz PCM of Opus in en 24 kHz audio uit, met gebruik van een realtime-eventprotocol.

Dat is een developer-API van hetzelfde bedrijf in hetzelfde productgebied, en het is niet SeedRealtime. Het is alleen audio: geen video, geen gezichtsbinding, geen visuele grounding. Het is een afzonderlijk model met een eigen releasegeschiedenis. Teams die op zoek gaan naar de realtime spraak-API van ByteDance, vinden die documentatie, integreren daarmee en denken dat ze het model gebruiken waarover de berichtgeving gaat. Volcano Engine heeft geen datum gepubliceerd voor een endpoint voor het audiovisuele model. Elke vermelding die je toegang tot SeedRealtime aanbiedt, biedt je iets anders aan.

Wat dit betekent als je een product moet verzenden

Voor productiewerk dit kwartaal valt er tussen deze twee geen beslissing te nemen. Eleven Realtime v1 Max is nu aanroepbaar, via ElevenAgents of een OpenAI-compatibele Realtime API op wss://api.elevenlabs.io/v1/convai/realtime, en SeedRealtime is een onderzoeksmijlpaal in een telefoonapp in China.

De beslissing die er wél is, is hoe je daaromheen bouwt. E​levenLabs' Realtime API is bij de lancering alleen WebSocket — geen WebRTC — en het is een apart product van ElevenAgents, dus telefonie, WhatsApp, kennisbanken, guardrails en monitoring zijn alleen beschikbaar via de platformkant. Max wordt ook niet aangeboden in de dataresidentieomgevingen voor India en Singapore, en vereist een tokenlimiet van minstens 1.024; Mini ondersteunt, vreemd genoeg, India en Singapore wel, maar geen Zero Retention Mode of HIPAA, terwijl Max dat in de VS en EU wel doet.

Waar OrcaRouter past, is niet de spraaklaag. Wij hosten eleven_realtime_v1_max niet, en er is geen endpoint van derden voor. Wat wij hosten is alles wat een agent van deze vorm rond het model aanroept: 209 modellen van 16 upstream-providers achter één sleutel, tegen de lijstprijs van de provider zonder opslag, met automatische failover wanneer een provider een fout geeft of een timeout heeft. De dure, variabele helft van een spraakagent is de retrieval en het redeneren dat hij delegeert; die helft is verwisselbaar zonder aan de audiolus te komen, en daar werpt een week tuning zijn vruchten af.

Wat zou dit veranderen

Een API voor SeedRealtime zou hiervan een echte vergelijking maken, en niet alleen vanwege de video. Een aanroepbaar endpoint zou Artificial Analysis in staat stellen het model op dezelfde vierdelige testopstelling te zetten als alle anderen, en dat is de enige route naar een getal dat over leveranciers heen iets betekent. Een technisch rapport zou het grootste deel van hetzelfde werk doen.

Aan de E​levenLabs-kant is het ontbrekende stuk een τ-Voice-run op Max. Zodra die er is, heeft het veld eindelijk een appels-met-appels-agentic-getal voor het model dat E​levenLabs als het taakgerichte model positioneert. Tot die tijd is de samenvatting weinig glamoureus: een van deze modellen kun je aanroepen, meten, prijzen en leveren, een van deze modellen kun je alleen maar bekijken, en de kloof tussen die twee posities is groter dan de kloof tussen hun architecturen.