Eleven Realtime v1 Max wysuwa się na czoło rankingu pod względem szybkości i rozumowania mowy — i nie ma wyniku Index Score.

Eleven Realtime v1 Max odpowiada w 0,57 sekundy i uzyskuje 98,8% w Big Bench Audio, a Eleven Realtime v1 Mini odpowiada w 0,62 sekundy i uzyskuje 76% w tym samym teście. Te dwie liczby, czytane razem, są najcenniejszą informacją w ogłoszeniu E​levenLabs z 20 października 2026 r. — nie dlatego, że każda z nich jest imponująca sama w sobie, lecz z powodu 23-punktowej różnicy między nimi i tego, że słabsza z nich jest tym, co otrzymujesz domyślnie. Udokumentowane incydenty AI i awarie agentów związane z modelami w tej klasie są zebrane w OrcaRouter AI Incident Archive, gdzie każdy wpis ma własne źródła, stopień ważności, ocenę pewności i oznaczenie sporności.

Na tym samym leaderboardzie jest druga, dziwniejsza okoliczność. Artificial Analysis podaje oba modele z czasem do pierwszego audio, wynikiem Big Bench Audio, wynikiem dynamiki konwersacyjnej, Elo areny i wskaźnikiem skuteczności zadań — oraz myślnik tam, gdzie powinien znajdować się Speech to Speech Index. Max nie ma wyniku indeksu. Nie niskiego. Żadnego.

Powód jest mechaniczny i wyjaśnia większość tego, co następuje. Indeks to równo ważona średnia czterech składników: rozumowania na podstawie mowy (Big Bench Audio), skuteczności agentowej na benchmarku obsługi klienta τ-Voice, preferencji w arenie i wskaźnika sukcesu zadań. Aby model został oceniony, potrzebne są wszystkie cztery. Max ma trzy. E​levenLabs sprzedaje Maxa specjalnie do „złożonych zadań” z „wieloetapowym użyciem narzędzi” — a benchmark użycia narzędzi to ten, którego jeszcze na nim nikt nie uruchomił.

Co ElevenLabs faktycznie dostarczyło

Rodzina Eleven Realtime to inny rodzaj produktu niż modele syntezy mowy, z których znany jest E​levenLabs. Każdy model Realtime to jedna sieć, która łącznie obsługuje rozpoznawanie, zarządzanie kolejnością mówienia, etap rozumowania i generowanie głosu, a nie potok składający się z rozpoznawania mowy na tekst, modelu językowego i głosu syntezatora mowy zszywanych razem przez orkiestrator. Argument E​levenLabs jest taki, że dostrojenie tych czterech etapów jako jednego systemu usuwa szwy — pół sekundy martwej ciszy po tym, gdy dzwoniący przestaje mówić, agenta, który mówi dalej mimo przerwania, rozbieżność między tym, co usłyszała transkrypcja, a tym, co odpowiada głos.

Oba modele są dostępne na dwa sposoby: w ElevenAgents, gdzie wybierasz model z listy rozwijanej, a platforma konfiguruje resztę, lub przez interfejs Realtime API, który jest celowo zgodny na poziomie protokołu z O​penAI, pod adresem wss://api.elevenlabs.io/v1/convai/realtime. Zmień punkt końcowy i nazwę modelu, a istniejący klient O​penAI Realtime zachowa swoje procedury obsługi zdarzeń.

To, co wydano 20 października, to ogłoszenie, a nie włączenie. Własna dokumentacja ElevenLabs nadal opisuje modele jako „wdrażane stopniowo” i twierdzi, że przestrzeń robocza bez ustawienia trybu Voice sprawi, że API odrzuci realtime_model całkowicie, z komunikatem „Modele czasu rzeczywistego nie są dostępne dla tej przestrzeni roboczej”. Identyfikatory modeli są też starsze niż cykl prasowy: wpis w changelogu z 3 sierpnia dotyczący ElevenAgents odnotowuje, że konfiguracja agenta czasu rzeczywistego już wcześniej zaczęła domyślnie przyjmować wartość eleven_realtime_v1_mini. Datę premiery traktuj jako dzień, w którym liczby stały się publiczne, a nie dzień, w którym otwarto endpointy.

Te dwa modele nie są dwoma rozmiarami tego samego.

E​levenLabs przedstawia Mini i Max jako regulator kompromisu między kosztem a jakością: Mini do asystentów, korepetytorów i postaci; Max do obsługi klienta, kwalifikacji leadów i przepływów pracy korzystających z narzędzi. Opublikowane pomiary wskazują, że ten regulator przesuwa się dalej, niż sugeruje to ujęcie. To dane Artificial Analysis, uzyskane niezależnie w tym samym środowisku testowym, a nie zaczerpnięte ze strony E​levenLabs:

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

• Wskaźnik skuteczności zadań — Max 87,1% vs Mini 60,3%

• Dynamika konwersacji (Full-Duplex-Bench) — Max 94,1% vs Mini 95,8%

• Preferencja w Arenie (Elo) — Max 997 vs Mini 988

• Czas do pierwszego dźwięku — Max 0,57 s vs Mini 0,62 s

• Indeks zamiany mowy na mowę — Max bez oceny vs Mini bez oceny

Przeczytaj najpierw ostatnie trzy wiersze, a potem pierwsze dwa. W tym, co dzwoniący świadomie odczuwa — czy brzmi to jak rozmowa — Mini jest lepszym modelem, a Max jest szybszy tylko o 50 milisekund. 23-punktowa różnica w rozumowaniu i 27-punktowa różnica w skuteczności wykonywania zadań są realne i duże, ale ujawniają się w tym, czy agent wykonuje zadanie, a nie w tym, czy dobrze się z nim rozmawia. To dokładnie ten kompromis, na który decyduje się kolejka wsparcia, i dokładnie dlatego domyślne ustawienie ma znaczenie: każdy nowy agent, który nigdy nie zmienia tego ustawienia, działa na modelu, który rozwiązuje 60,3% zadań zamiast 87,1%.

Luka ta wyjaśnia również myślnik w kolumnie indeksu. Mini również brakuje wyniku agentowego, co nie jest zaskoczeniem w przypadku modelu pozycjonowanego jako ten tani. Maxowi go brakuje, mimo że jest pozycjonowany jako ten zdolny.

Co brakujący wiersz oznacza w praktyce

Wskaźnik skuteczności realizacji zadań i τ-Voice nie są tym samym pomiarem, a ich utożsamianie to najłatwiejszy błąd, jaki można popełnić przy tym wydaniu. Wskaźnik skuteczności realizacji zadań pyta, czy rozmowa zakończyła się prawidłowym końcowym wywołaniem narzędzia. τ-Voice umieszcza model w replice scenariusza obsługi klienta — zmiana lotu, zakwestionowana opłata, problem telekomunikacyjny — z narzędziami dziedzinowymi i dokumentem polityki, i ocenia, czy baza danych kończy w prawidłowym stanie. To różnica między „agent wywołał właściwą funkcję” a „agent rozwiązał prośbę, nie łamiąc polityki”.

{{1}}E{{/1}}levenLabs promuje Maxa dokładnie do tego drugiego zadania. Na stronie produktu twierdzi się, że Max „rozumuje nad złożonymi pytaniami i wywołuje narzędzia, aby załatwiać sprawy bez spowalniania rozmowy”. Nic, co dotychczas opublikowano, nie testuje tego twierdzenia od początku do końca. Wskaźnik sukcesu w zadaniach na poziomie 87,1% to mocna liczba; to także łatwiejsza połowa oceny, a obok niej znajduje się wynik 94,1% w zakresie dynamiki konwersacyjnej, który jest o półtora punktu niższy niż u Mini.

Dla zespołu, który dziś podejmuje decyzję, uczciwe podsumowanie jest takie, że Max jest najlepiej wypadającym w pomiarach modelem rozumowania mowy w tej dziedzinie — 98,8% ustępuje tylko 100% StepAudio 3 Realtime i 99,2% Q​wen Audio 3.0 Realtime Plus w tym samym rankingu — a jego zachowanie agentowe jest niezmierzone, podczas gdy zachowanie konkurentów jest zmierzone. G​emini 3.8 Live Extended Thinking ma wynik τ-Voice na poziomie 68,6%. G​PT-Live-1 (Astra, medium) ma 74,5%. Max ma myślnik.

Ile kosztuje jedna minuta tego

E​levenLabs nie publikuje stawki dla poszczególnych modeli. Rozliczanie Realtime to standardowa stawka ElevenAgents za minutę plus tokeny wejściowe, wejściowe z pamięci podręcznej i wyjściowe według stawek własnych modelu Realtime, przy czym Max jest droższy za token niż Mini; panel pokazuje szacunkowy koszt za minutę, a Realtime API rozlicza za minutę połączonego audio plus tokeny. Na stronie cennika nie ma w ogóle pozycji Realtime.

Artificial Analysis normalizuje to wszystko do jednej porównywalnej wartości — kosztu uruchomienia stałego podzbioru 40 pytań Big Bench Audio, wyrażonego na godzinę wejściowego dźwięku. Oba modele E​levenLabs osiągają 4,80 USD. Właśnie ta identyczna liczba jest interesująca: niezależnie od tego, jaka jest premia Max za token, przy wolumenach konwersacyjnych rachunek zdominowany jest przez opłatę za minutę agenta, więc drogi i tani model kosztują tyle samo za rozmowę. Oszczędności z Mini pojawiają się tam, gdzie duże jest zużycie tokenów, a nie tam, gdzie audio jest długie.

Dla porównania, przy tej samej miarze: Gemini 3.8 Live kosztuje 0,84 USD za godzinę, Gemini 3.8 Live Extended Thinking — 3,50 USD, GPT-Live-1 (Sol, low) — 4,47 USD, a Grok Voice 3.0 — 4,80 USD. Eleven Realtime jest wyceniany pośrodku stawki, a nie na jej dole, i wynosi około 5,7-krotność standardowej stawki Gemini Live.

To jest moment, w którym warstwa routingu udowadnia swoją wartość, mimo że nie może dotknąć samego modelu głosowego. Eleven Realtime jest dostępny wyłącznie przez własne API ElevenLabs i nigdzie indziej — żaden zewnętrzny host nie obsługuje eleven_realtime_v1_max, a OrcaRouter też nie, więc w warstwie mowy nie ma czego routować. Routować można wszystko, co wywołuje agent: usługi wyszukiwania, zapisy do CRM, sumaryzator uruchamiany po zakończeniu rozmowy oraz model zapasowy, do którego przechodzi kaskada, gdy model czasu rzeczywistego zwróci błąd. W OrcaRouter to 209 modeli od 16 dostawców źródłowych za jednym kluczem, w cenie katalogowej dostawcy bez marży, więc połowa rachunku, która rośnie wraz z tym, jak intensywnie myślą Twoi rozmówcy, jest tą połową, którą faktycznie możesz optymalizować.

Szczegół integracji, który decyduje o twoim tygodniu

E​levenLabs postawiło na coś, na co większość dostawców rozwiązań czasu rzeczywistego się nie zdecydowała: jego API obsługuje protokół zdarzeń Realtime O​penAI. Siedmiowierszowy przykład w dokumentacji importuje OpenAIRealtimeWebSocket, RealtimeAgent i RealtimeSession z @openai/agents-realtime, kieruje transport na adres URL WebSocket E​levenLabs i przekazuje model: "eleven_realtime_v1_mini". Wszystko inne — tajny klucz klienta, konfiguracja sesji, modalność wyjścia audio, głos — pozostaje bez zmian.

Kosztem tej wygody jest warstwa transportowa. W momencie premiery nie ma WebRTC; dokumentacja mówi o tym wprost, a każda integracja WebRTC musi najpierw zostać przeniesiona na WebSocket. Dla zespołów, które już korzystają z integracji WebSocket Realtime, to nie problem. Dla zespołów, które postawiły na WebRTC, ponieważ lepiej radzi sobie z jitterem i sieciami mobilnymi, oznacza to przepisanie warstwy transportowej, a nie wymianę modelu.

Kolejne ograniczenie ma charakter architektoniczny: modele Realtime działają w ElevenAgents i w Realtime API jako osobne produkty. Jeśli potrzebujesz numerów telefonów, WhatsAppa, bazy wiedzy, guardrails, testów skryptowych lub monitorowania rozmów, korzystasz z ElevenAgents, a narzędzia i prompt Twojego agenta podróżują razem z nim. Jeśli korzystasz z Realtime API, otrzymujesz model i zdarzenia, a nie otaczającą je platformę. Nie możesz mieć obu w ramach jednego połączenia.

Tam, gdzie to nie dociera

Wdrożenie przebiega nierównomiernie w sposób, który ma większe znaczenie dla zespołów europejskich i indyjskich niż dla amerykańskich:

• Rezydencja danych — oba modele są dostępne w USA i UE; Indie i Singapur mają dostęp tylko do Mini, więc Max nie jest opcją dla agentów przypisanych do tych środowisk

• Zgodność — Zero Retention Mode i obsługa HIPAA dla Max w USA i UE; Mini nie jest obsługiwany w ogóle.

• Limit tokenów — Max wymaga limitu wynoszącego co najmniej 1,024 tokeny lub braku limitu, a węzły przepływu pracy nie mogą go nadpisać

• Niestandardowe backendy — Tryb czasu rzeczywistego jest niedostępny, dopóki agent korzysta z niestandardowego LLM lub Amazon Bedrock; najpierw musisz przełączyć się na wbudowany LLM

• Transfery agentów — agent w trybie Realtime może przekazywać połączenia wyłącznie do innych agentów w trybie Realtime i z nich, dopuszczalne są jednak transfery Mini-do-Max

Każda z tych reguł jest egzekwowana w momencie publikacji, a nie w momencie zapisu. Wersja robocza, która łamie którąś z nich, nadal zostanie zapisana; publikacja nie powiedzie się i wskaże nazwę ustawienia.

Co obejrzeć

Dwa wyniki rozstrzygnęłyby tę premierę. Pierwszy to wynik τ-Voice dla Maxa — jedyna liczba, która sprawdziłaby twierdzenie, że E​levenLabs faktycznie to sprzedaje. Drugi to obsługa WebRTC, czyli różnica między modelem, który można zademonstrować, a modelem, którego można użyć w połączeniu mobilnym. Do tego czasu możliwe do obrony stanowisko jest wąskie i użyteczne: Mini to dobry domyślny wybór dla agentów konwersacyjnych, którzy nie muszą wykonywać zadań, Max to najszybszy silny model rozumujący w zestawieniu i prawdopodobnie lepszy agent wsparcia, a nikt jeszcze nie opublikował testu, który dowiódłby drugiej połowy.