Eleven Realtime v1 Max vs Sesame Preview: De stem die het oor wint, verliest de taak

Vraag iemand welke spraakassistent het menselijkst klinkt en je hoort Sesame Preview. Vraag welk model een onderneming achter een telefoonnummer kan zetten en het antwoord is Eleven Realtime v1 Max, een spraak-naar-spraakmodel dat op 20 oktober 2026 werd aangekondigd, 87,1% van de taken in een vaste evaluatie oplost, binnen 0,57 seconden antwoordt en beschikbaar is via ElevenAgents of een OpenAI-compatibele Realtime API. Sesame Preview is een consumentenapp met vier metgezellen met een naam en geen mogelijkheid om de stem erin te kopen. De gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding eigen bronnen, ernst, betrouwbaarheidsgraad en betwistmarkering heeft.

Dat is geen knock-out, want de twee producten jagen op verschillende dingen en het pleidooi voor de stem van S​esame is reëel. De onderzoekers van S​esame waren vroeg en openlijk over het idee dat gesprekstiming — de mm-hmm, de overlap, de bereidheid om midden in een zin toe te geven — de uncanny valley is, niet het timbre. De documentatie van E​levenLabs doet dezelfde gok vanuit de andere richting: Mini wordt beschreven als een model dat detecteert of een spreker klaar is of slechts tussenwerpt. Twee labs, één these, tegenovergestelde bedrijfsmodellen.

Waar de vergelijking interessant wordt, is wat elk ervan daadwerkelijk heeft gemeten. E​levenLabs publiceert zes cijfers en een evaluatiepartner. S​esame publiceert een ervaring.

Wat elk ervan precies is

Eleven Realtime v1 Max is één netwerk dat herkenning, beurtwisseling, redeneren en spraakgeneratie combineert en is bedoeld voor complexe taken met toolgebruik in meerdere stappen: klantenondersteuning, leadkwalificatie en ondersteunde planning. Het goedkopere broertje, Eleven Realtime v1 Mini, is de standaard voor nieuwe ElevenAgents-agenten en richt zich op natuurlijke gesprekken tegen lagere kosten. Max is op twee manieren bereikbaar — via de ElevenAgents-dropdown, waar E​levenLabs het LLM, het T​TS-model, de ASR-provider en de redeneerinstellingen voor je beheert, of via een Realtime API die het Realtime-eventprotocol van O​penAI via WebSocket spreekt op wss://api.elevenlabs.io/v1/convai/realtime.

S​esame Preview is een gratis consumentenspraakassistent: vier genoemde agenten — Maya, Miles, Simone, Charlie — beschikbaar op iOS en het web, door bijna iedereen die het probeert omschreven als de meest natuurlijke spraakassistent op de markt. Het behoudt context tussen sessies, zoekt op het web en stelt herinneringen in. Het boekt niets, koopt niets en legt niets vast. Er is geen zakelijke variant, geen gepubliceerde prijzen en geen openbare API voor de stem die je in de app hoort.

Beide zijn full-duplex conversatiesystemen met een beurtwisseling die zo goed is dat mensen het niet meer merken. Daar eindigt de overeenkomst en daar heeft de vraag "welke is beter" geen eenduidig antwoord meer.

De nummers die een van hen heeft

Artificial Analysis heeft Eleven Realtime v1 Max onafhankelijk geëvalueerd met dezelfde meetopstelling die het voor elk spraak-naar-spraakmodel gebruikt. Dit zijn de cijfers van Artificial Analysis, niet die van E​levenLabs:

• Spraakredenering (Big Bench Audio) — Max. 98,8%

• Gespreksdynamiek (Full-Duplex-Bench) — Maximaal 94,1%

• Taaksuccespercentage — Max. 87,1%

• Arenavoorkeur (Elo) — Max 997

• Tijd tot eerste audio — Max. 0,57 s

• Kosten per uur aan invoeraudio — Max $ 4,80

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

• Speech to Speech Index — Max niet gescoord

S​esame Preview staat in geen van deze rijen. Het heeft geen publieke API, dus geen enkele onafhankelijke testomgeving kan het draaien, en het gedrag van de app zelf is nooit door iemand buiten S​esame gebenchmarkt op taakvoltooiing of latentie. Wanneer mensen zeggen dat S​esame beter klinkt, geven ze een luisterindruk weer, en dat is een legitieme indruk — het is alleen niet dezelfde meting als een arena met een methodologie en een preferentiemodel erachter.

Dat snijdt aan twee kanten. De arena-Elo van 997 is een echt getal van echte luisteraars, en het plaatst Max achter de 1.064 van G​rok Voice 3.0, de 1.047 van G​PT-Live-1 (Sol, low) en de 1.078 van G​emini 3.8 Live. E​levenLabs wint de rijen voor redeneren en snelheid en wint de voorkeursrij niet. Als je gevoel zegt dat de stem van S​esame beter is dan die van Max, dan komt het arena-resultaat daarmee overeen — het is alleen toevallig gemeten tegen andere API-modellen, niet tegen S​esame.

De open-weightkwestie, waar de meeste vergelijkingen de fout ingaan

Every lovende tekst over de stem van S​esame is een lofzang op de app, en de stem van de app is een gesloten productiemodel dat S​esame nooit als endpoint heeft uitgebracht. Wat S​esame open source heeft gemaakt, is CSM-1B, een conversationeel spraakmodel van 1B uit de Moshi-familie, onder Apache-2.0. Het is een syntheseblok, geen assistent: een Llama-backbone voorspelt het eerste Mimi-codeboek, een kleinere Llama-decoder voorspelt de rest, en een Mimi-codec zet dat om in een golfvorm van 24 kHz. Het is in de eerste plaats Engels, het kloont een stem uit een korte referentieclip, en het kan helemaal geen tekst genereren — je koppelt het aan een afzonderlijk taalmodel.

Mensen die beide hebben uitgeprobeerd, beschrijven de stem van CSM-1B als duidelijk zwakker dan die van de Preview-app, en Sesame's eigen modelkaart ondersteunt die interpretatie: een fijn afgestemde variant van CSM drijft de interactieve demo aan, en die variant is niet de checkpoint die je kunt downloaden.

Dus de eerlijke versie van "S​esame vs E​levenLabs" is dit. S​esame heeft een prachtige gesloten stem die je niet kunt aanroepen, en een klein open syntheseblok dat je wél kunt aanroepen, en het zijn niet hetzelfde model. E​levenLabs heeft een aanroepbaar model waarvan de stem meetbaar goed is maar niet de meest geliefde, en een prijs. De asymmetrie die voor een bouwer telt, is niet welke beter klinkt; het is welke een endpoint heeft, en dat is niet eens close.

Waar de merge in productie opduikt

Het argument van ElevenLabs is dat het samenvoegen van herkenning, beurtwisseling, redenering en stem in één afgestemd systeem de naden wegneemt die een cascade achterlaat.

In ElevenAgents is de samenvoeging letterlijk en heeft ze een prijs: zolang een Realtime-model is ingesteld, worden de LLM, reasoning effort, thinking budget, parallelle tool calls, cascade-timeout, TTS-model, expressieve modus en ASR-provider allemaal beheerd door ElevenLabs en genegeerd op de agent. Een workflow-node kan ze niet overschrijven, en de agent kan helemaal geen aangepaste LLM of Amazon Bedrock gebruiken. Kies je het model, dan kies je de hele stack eronder.

De compliancematrix is ongelijkmatig op een manier die mensen die dit in verschillende regio's uitrollen zal verrassen:

• Dataresidentie — Max draait in de VS en de EU, maar niet in India of Singapore, waar alleen Mini wordt aangeboden

• Zero Retention Mode en HIPAA — Max wordt ondersteund in de VS en de EU; Mini wordt onder geen van beide ondersteund

• Tokenlimiet — Max vereist 1.024 tokens of geen limiet, en workflowknooppunten kunnen dit niet overschrijven

• Agentoverdrachten — een Realtime-mode-agent kan alleen overdragen naar en van andere Realtime-mode-agents, hoewel Mini-to-Max is toegestaan

• Transport — geen WebRTC bij de lancering; de Realtime API werkt alleen via WebSocket

Die regels worden bij publiceren afgedwongen, niet bij opslaan: een concept dat er een overtreedt, wordt prima opgeslagen en mislukt wanneer je publiceert, met een foutmelding die de instelling noemt. Als je aan het prototypen bent, is dat een kleine ergernis. Als je uitlevert aan een gereguleerde wachtrij, bepaalt dat welke variant je in welke omgeving kunt gebruiken, en de goedkopere is niet altijd de conforme.

Welke hoort thuis in jouw stack?

Kies Eleven Realtime v1 Max wanneer de stem een middel is en het gesprek een resultaat moet opleveren — supporttriage, planning, kwalificatie. Je krijgt vandaag al een endpoint, een O​penAI-compatibel eventprotocol waarmee migreren vanaf een Realtime-integratie een wijziging van twee strings is, een gemeten taaksuccespercentage van 87,1%, de snelste sterke redeneerder in het veld en een prijs die je kunt doorrekenen op $4,80 per uur audio. Accepteer dat het nog wordt uitgerold, dat het agentische gedrag niet is gemeten en dat de stem niet bovenaan de voorkeursarena staat.

Kies Sesame Preview wanneer je bestudeert hoe gesprekskwaliteit moet aanvoelen, of een consumentenproduct bouwt waarin het gesprek het product is. Het is gratis, het is het best klinkende dat de meeste mensen hebben geprobeerd, en het is een prima manier om je smaak te kalibreren. Plan er geen integratie rond: er is niets om mee te integreren, en CSM-1B is niet het model in de app.

Kies CSM-1B alleen als je een open synthesiseblok wilt dat je zelf kunt hosten en bereid bent de rest eromheen te bouwen — een ASR, een taalmodel, een laag voor beurtwisseling. Het is Apache-2.0 en in die rol is het echt nuttig. Het is geen concurrent van Max en was dat ook nooit bedoeld.

De hybride, en de helft waarbij een router kan helpen

De meeste serieuze spraakproducten mengen uiteindelijk modellen in plaats van er één te kiezen. Een natuurlijk klinkend model voor de openings- en bevestigingsbeurten, waar warmte en latentie voelbaar zijn; een taakbetrouwbaar model voor de transactiebeurten, waar een fout een verloren boeking betekent. Noch Eleven Realtime noch S​esame maakt dat gemakkelijk binnen één verbinding — de Realtime API van E​levenLabs is een afzonderlijk product naast ElevenAgents en werkt alleen via WebSocket, en S​esame heeft geen API om mee te mengen.

Waar een routeringslaag wél haar plek verdient, is één laag lager: bij het werk dat het spraakmodel delegeert. Bij OrcaRouter zijn dat 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. Model fusion laat een panel samen antwoorden wanneer het oordeel van één model niet volstaat; de routing-DSL stelt er meerdere samen tot één aanroep. Eleven Realtime v1 Max zelf staat niet in onze catalogus — er is geen endpoint van derden voor — dus de eerlijke grens is dat we de retrieval, de samenvatting en de post-call-analyse kunnen routeren, niet de stem.

Wat dit artikel zou veranderen, is een benchmark die naturaliteit meet zoals de arena voorkeur meet, toegepast op zowel de app van Sesame als de API-modellen — of een endpoint voor de productiestem van Sesame. Elk van beide zou de keuze tussen toegang en ervaring omzetten in een daadwerkelijke vergelijking. Tot die tijd kun je het ene van deze modellen aanroepen en het andere alleen maar bewonderen, en dat beslist meer dan welke luistertest dan ook.