O Eleven Realtime v1 Max lidera o ranking em velocidade e raciocínio de fala — e não tem pontuação no índice

O Eleven Realtime v1 Max responde em 0,57 segundos e obtém 98,8% no Big Bench Audio, e o Eleven Realtime v1 Mini responde em 0,62 segundos e obtém 76% no mesmo teste. Esses dois números, lidos em conjunto, são a informação mais útil no anúncio da ElevenLabs de 20 de outubro de 2026 — não porque qualquer um deles seja impressionante isoladamente, mas por causa da diferença de 23 pontos entre eles e do fato de que o mais fraco é o que você recebe por padrão. Os incidentes documentados de IA e as falhas de agentes por trás dos modelos dessa classe estão reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.

Há um segundo fato, mais estranho, no mesmo ranking. O Artificial Analysis lista ambos os modelos com um tempo até o primeiro áudio, uma pontuação no Big Bench Audio, uma pontuação de dinâmica conversacional, um Elo de arena e uma taxa de sucesso em tarefas — e um traço onde deveria estar o Speech to Speech Index. O Max não tem pontuação de índice. Não uma pontuação baixa. Nenhuma.

A razão é mecânica, e explica a maior parte do que se segue. O índice é uma média de pesos iguais de quatro componentes: raciocínio de fala (Big Bench Audio), desempenho agêntico no benchmark de atendimento ao cliente τ-Voice, preferência na arena e taxa de sucesso em tarefas. Um modelo precisa das quatro para ser pontuado. O Max tem três. A ElevenLabs vende o Max especificamente para “tarefas complexas” com “uso de ferramentas em várias etapas” — e o benchmark de uso de ferramentas é o que ninguém executou nele ainda.

O que a E​levenLabs realmente lançou

A família Eleven Realtime é um tipo diferente de produto dos modelos de conversão de texto em fala pelos quais a ElevenLabs é conhecida. Cada modelo Realtime é uma única rede que trata reconhecimento, alternância de turnos, a etapa de raciocínio e geração de voz em conjunto, em vez de um pipeline de conversão de fala em texto, um modelo de linguagem e uma voz de conversão de texto em fala conectados por um orquestrador. A proposta da ElevenLabs é que ajustar essas quatro etapas como um único sistema elimina as costuras — o meio segundo de silêncio após o interlocutor parar de falar, o agente que fala por cima de uma interrupção, o descompasso entre o que uma transcrição ouviu e o que a voz responde.

Ambos os modelos podem ser acessados de duas maneiras: dentro do ElevenAgents, onde você escolhe um modelo em um menu suspenso e a plataforma configura o restante, ou por meio de uma Realtime API deliberadamente compatível em nível de protocolo com a da OpenAI, em wss://api.elevenlabs.io/v1/convai/realtime. Basta alterar o endpoint e o nome do modelo, e um cliente Realtime existente da OpenAI mantém seus manipuladores de eventos.

O que chegou em 20 de outubro é o anúncio, não a ativação. A própria documentação da ElevenLabs ainda descreve os modelos como "sendo disponibilizados gradualmente" e afirma que um workspace sem a configuração do modo Voice fará a API rejeitar realtime_model diretamente com "Modelos em tempo real não estão disponíveis para este workspace." Os identificadores dos modelos também são mais antigos que o ciclo de imprensa: a entrada do changelog de 3 de agosto para o ElevenAgents registra que a configuração de agentes em tempo real já havia começado a usar como padrão eleven_realtime_v1_mini. Trate a data de lançamento como o dia em que os números se tornaram públicos, não o dia em que os endpoints foram abertos.

Os dois modelos não são dois tamanhos da mesma coisa.

A E​levenLabs apresenta Mini e Max como um dial de custo-qualidade: Mini para assistentes, tutores e personagens; Max para suporte, qualificação de leads e fluxos de trabalho que usam ferramentas. As medições publicadas indicam que o dial vai além do que esse enquadramento sugere. São números da Artificial Analysis, executados de forma independente no mesmo harness, em vez de citados da página da E​levenLabs:

• Raciocínio de fala (Big Bench Audio) — Eleven Realtime v1 Max 98,8% vs Eleven Realtime v1 Mini 76%

• Taxa de sucesso da tarefa — Max 87,1% vs Mini 60,3%

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

• Preferência de arena (Elo) — Max 997 vs Mini 988

• Tempo até o primeiro áudio — Max 0,57s vs Mini 0,62s

• Speech to Speech Index — Max sem pontuação vs Mini sem pontuação

Leia as três últimas linhas antes das duas primeiras. Naquilo que uma pessoa que liga sente conscientemente — isso soa como uma conversa? —, a Mini é o melhor modelo, e a Max é apenas 50 milissegundos mais rápida. A diferença de 23 pontos em raciocínio e a de 27 pontos em sucesso na tarefa são reais e grandes, mas aparecem em se o agente conclui o trabalho, não em se é agradável conversar com ele. É exatamente esse o trade-off que uma fila de suporte faz, e exatamente por isso o padrão importa: todo novo agente que nunca mexe na configuração roda no modelo que resolve 60,3% das tarefas em vez de 87,1%.

O intervalo também explica o traço na coluna do índice. O Mini também está sem uma pontuação agêntica, o que não surpreende para um modelo posicionado como o barato. O Max está sem ela, apesar de ser posicionado como o capaz.

O que a linha ausente significa na prática

A taxa de sucesso de tarefas e o τ-Voice não são a mesma medida, e confundi-los é o erro mais fácil de cometer com este lançamento. A taxa de sucesso de tarefas pergunta se a conversa terminou com a chamada de ferramenta final correta. O τ-Voice coloca o modelo em um cenário réplica de atendimento ao cliente — uma alteração de voo, uma cobrança contestada, um problema de telecomunicações — com ferramentas de domínio e um documento de políticas, e avalia se o banco de dados termina no estado correto. É a diferença entre “o agente chamou a função certa” e “o agente resolveu a solicitação sem violar a política”.

A ElevenLabs comercializa o Max exatamente para essa segunda função. A afirmação na página do produto é que o Max "raciocina sobre questões complexas e aciona ferramentas para realizar tarefas sem desacelerar a conversa". Nada publicado até agora testa essa afirmação de ponta a ponta. A taxa de sucesso em tarefas de 87,1% é um número forte; também é a metade mais fácil da avaliação e fica ao lado de uma pontuação de 94,1% em dinâmica conversacional que está um ponto e meio abaixo da do Mini.

Para uma equipe que decide hoje, o resumo honesto é que Max é o modelo de raciocínio de fala mais bem medido da área — 98,8% fica atrás apenas dos 100% do StepAudio 3 Realtime e dos 99,2% do Q​wen Audio 3.0 Realtime Plus na mesma tabela — e que seu comportamento agêntico não foi medido, enquanto o dos concorrentes foi. O G​emini 3.8 Live Extended Thinking tem pontuação τ-Voice de 68,6%. O G​PT-Live-1 (Astra, medium) tem 74,5%. Max tem um traço.

Quanto custa um minuto disso

{{1}}A ElevenLabs não publica um número por modelo. O faturamento do Realtime é a tarifa padrão por minuto do ElevenAgents mais tokens de entrada, de entrada em cache e de saída às tarifas próprias do modelo Realtime, sendo o Max mais caro por token que o Mini; o painel mostra um custo estimado por minuto, e a API Realtime cobra por minuto de áudio conectado mais tokens. A página de preços não tem nenhum item de linha do Realtime.{{/1}}

A Artificial Analysis normaliza tudo isso em um único número comparável — o custo de executar um subconjunto fixo de 40 perguntas do Big Bench Audio, expresso por hora de áudio de entrada. Ambos os modelos da ElevenLabs ficam em US$ 4,80. Esse número idêntico é a parte interessante: seja qual for o adicional por token do Max, a cobrança por minuto do agente domina a conta em volumes de conversação, então o modelo caro e o modelo barato custam o mesmo para conversar. A economia do Mini aparece onde o volume de tokens é alto, não onde o áudio é longo.

Para efeito de comparação, na mesma métrica: G​emini 3.8 Live custa $0,84 por hora, G​emini 3.8 Live Extended Thinking custa $3,50, G​PT-Live-1 (Sol, low) custa $4,47, e G​rok Voice 3.0 custa $4,80. O preço do Eleven Realtime está no meio do mercado, não na parte inferior, e equivale a aproximadamente 5,7 vezes a tarifa padrão do G​emini Live.

Esse é o ponto em que uma camada de roteamento se justifica, mesmo sem poder tocar no próprio modelo de voz. O Eleven Realtime está disponível pela API própria da E​levenLabs e em nenhum outro lugar — nenhum host de terceiros oferece eleven_realtime_v1_max, e o OrcaRouter também não, então não há nada para rotear na camada de fala. O que você pode rotear é tudo o que o agente chama: os serviços de consulta, as gravações no CRM, o sumarizador que roda depois da chamada e o modelo de backup para o qual uma cascata recorre quando o modelo em tempo real dá erro. No OrcaRouter, esses são 209 modelos de 16 provedores upstream atrás de uma única chave, pelo preço de tabela do provedor e sem markup, então a metade da conta que escala com o quanto seus interlocutores pensam é a metade que você pode de fato otimizar.

O detalhe da integração que decide a sua semana

A E​levenLabs fez uma aposta que a maioria dos fornecedores de tempo real não fez: sua API fala o protocolo de eventos Realtime da O​penAI. O exemplo de sete linhas na documentação importa OpenAIRealtimeWebSocket, RealtimeAgent e RealtimeSession de @openai/agents-realtime, aponta o transporte para a URL WebSocket da E​levenLabs e passa model: "eleven_realtime_v1_mini". Todo o resto — o segredo do cliente, a configuração da sessão, a modalidade de saída de áudio, a voz — permanece inalterado.

O custo dessa conveniência é o transporte. Não há WebRTC no lançamento; a documentação diz isso diretamente, e qualquer integração com WebRTC precisa primeiro migrar para WebSocket. Para equipes que já usam uma integração WebSocket Realtime, isso é irrelevante. Para equipes que construíram sobre WebRTC porque ele lida melhor com jitter e redes móveis, é uma reescrita da camada de transporte, não uma troca de modelo.

A outra restrição é arquitetural: os modelos Realtime são executados no ElevenAgents e na Realtime API como produtos separados. Se você precisa de números de telefone, WhatsApp, uma base de conhecimento, guardrails, testes roteirizados ou monitoramento de conversas, você está no ElevenAgents, e as ferramentas e o prompt do seu agente acompanham. Se você está na Realtime API, você obtém o modelo e os eventos, não a plataforma ao redor deles. Não é possível ter ambos em uma única conexão.

Onde não viaja

A implantação é irregular de formas que importam mais para as equipes europeias e indianas do que para as dos EUA:

• Residência de dados — ambos os modelos estão disponíveis nos EUA e na UE; Índia e Singapura recebem apenas o Mini, portanto o Max não é uma opção para agentes fixados nesses ambientes

• Conformidade — O Modo de Retenção Zero e o suporte ao HIPAA estão disponíveis no Max nos EUA e na UE, e não estão disponíveis no Mini de forma alguma.

• Limite de tokens — Max exige um limite de pelo menos 1.024 tokens, ou nenhum limite, e os nós do fluxo de trabalho não podem substituí-lo

• Backends personalizados — O modo em tempo real não está disponível enquanto um agente usa um LLM personalizado ou o Amazon Bedrock; primeiro você deve mudar para um LLM integrado

• Transferências de agentes — um agente em modo Realtime só pode transferir para e a partir de outros agentes em modo Realtime, embora sejam permitidas transferências Mini-to-Max

Todas essas regras são aplicadas no momento da publicação, não no momento de salvar. Um rascunho que viole uma delas ainda é salvo; a publicação falha e indica a configuração.

O que assistir

Dois resultados resolveriam este lançamento. O primeiro é uma pontuação τ-Voice para o Max — o único número que testaria a alegação de que a E​levenLabs está de fato vendendo. O segundo é o suporte a WebRTC, que é a diferença entre um modelo que você pode demonstrar e um modelo que você pode colocar em uma chamada móvel. Até lá, a posição defensável é estreita e útil: o Mini é uma boa opção padrão para agentes conversacionais que não precisam concluir tarefas, o Max é o raciocinador forte mais rápido do quadro e, plausivelmente, o melhor agente de suporte, e ninguém ainda publicou o teste que provaria a segunda metade.