Eleven Realtime v1 Max лидирует в рейтинге по скорости и речевому рассуждению — и не имеет оценки Index Score

Eleven Realtime v1 Max отвечает за 0,57 секунды и набирает 98,8% в Big Bench Audio, а Eleven Realtime v1 Mini отвечает за 0,62 секунды и набирает 76% в том же тесте. Эти две цифры, взятые вместе, — самое полезное в анонсе ElevenLabs от 20 октября 2026 года: не потому, что каждая из них впечатляет сама по себе, а из-за разрыва в 23 процентных пункта между ними и того, что по умолчанию вы получаете именно более слабую. Задокументированные инциденты с ИИ и отказы агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись снабжена ссылками на источники, уровнем серьёзности, степенью достоверности и отметкой об оспаривании.

Есть второй, ещё более странный факт в том же рейтинге. Artificial Analysis указывает для обеих моделей время до первого аудио, оценку Big Bench Audio, оценку динамики разговора, Elo на арене и долю успешно выполненных задач — и прочерк там, где должен быть Speech to Speech Index. У Max нет оценки по индексу. Не низкой. Никакой.

Причина механическая, и она объясняет большую часть того, что следует далее. Индекс — это равновзвешенное среднее четырёх компонентов: речевое рассуждение (Big Bench Audio), агентная производительность в бенчмарке клиентского обслуживания τ-Voice, предпочтения на арене и доля успешно выполненных задач. Чтобы модель получила оценку, нужны все четыре. У Max есть три. ElevenLabs продаёт Max специально для «сложных задач» с «многошаговым использованием инструментов» — а бенчмарк использования инструментов — единственный, который на нём ещё никто не запускал.

Что на самом деле выпустила E​levenLabs

Семейство Eleven Realtime — это продукт иного рода, чем модели синтеза речи, которыми известна ElevenLabs. Каждая модель Realtime представляет собой единую сеть, которая совместно обрабатывает распознавание, управление очередностью реплик, этап рассуждения и генерацию голоса, а не конвейер из распознавания речи, языковой модели и голоса синтеза речи, сшитых вместе оркестратором. Посыл ElevenLabs в том, что настройка этих четырёх этапов как одной системы устраняет стыки — полсекунды тишины после того, как звонящий закончил говорить, агент, который продолжает говорить, когда его перебивают, несоответствие между тем, что услышала транскрипция, и тем, что отвечает голос.

Обе модели доступны двумя способами: внутри ElevenAgents, где вы выбираете модель из выпадающего списка, а платформа настраивает всё остальное, либо через Realtime API, который намеренно совместим на уровне протокола с O​penAI, по адресу wss://api.elevenlabs.io/v1/convai/realtime. Измените эндпоинт и имя модели — и существующий клиент O​penAI Realtime сохранит свои обработчики событий.

То, что вышло 20 октября, — это анонс, а не включение. Собственная документация ElevenLabs по-прежнему описывает модели как «внедряемые постепенно» и сообщает, что в рабочем пространстве без настройки голосового режима API будет отклонять realtime_model сразу с сообщением «Realtime models are not available for this workspace». Идентификаторы моделей тоже старше новостного цикла: запись в журнале изменений от 3 августа для ElevenAgents фиксирует, что конфигурация realtime-агентов уже начала по умолчанию использовать eleven_realtime_v1_mini. Воспринимайте дату запуска как день, когда цифры стали публичными, а не как день, когда открылись эндпоинты.

Две модели — это не два размера одного и того же.

E​levenLabs представляет Mini и Max как регулятор соотношения цены и качества: Mini — для ассистентов, репетиторов и персонажей; Max — для поддержки, квалификации лидов и рабочих процессов с использованием инструментов. Опубликованные измерения показывают, что этот регулятор сдвигается дальше, чем предполагает такая подача. Это данные Artificial Analysis, полученные независимо на том же испытательном стенде, а не взятые со страницы E​levenLabs:

• Речевое рассуждение (Big Bench Audio) — Eleven Realtime v1 Max 98,8% против Eleven Realtime v1 Mini 76%

• Доля успешно выполненных задач — Max 87,1% против Mini 60,3%

• Динамика диалога (Full-Duplex-Bench) — Max 94.1% против Mini 95.8%

• Предпочтение на арене (Elo) — Max 997 против Mini 988

• Время до первого звука — Max 0,57 с против Mini 0,62 с

• Индекс Speech to Speech — Max: без оценки; Mini: без оценки

Сначала прочитайте последние три строки, затем первые две. В том, что звонящий осознанно ощущает — звучит ли это как разговор, — Mini — лучшая модель, а быстрее — Max, но всего на 50 миллисекунд. Разрыв в 23 пункта в способности рассуждать и разрыв в 27 пунктов в успешности выполнения задач реальны и велики, но они проявляются в том, выполняет ли агент работу, а не в том, приятно ли с ним разговаривать. Именно на такой компромисс идёт очередь поддержки, и именно поэтому значение по умолчанию так важно: каждый новый агент, который никогда не трогает эту настройку, работает на модели, решающей 60,3% задач вместо 87,1%.

Пробел также объясняет прочерк в столбце индекса. У Mini тоже отсутствует оценка агентности, что неудивительно для модели, позиционируемой как дешёвая. У Max она отсутствует, несмотря на то, что он позиционируется как более способный.

Что означает отсутствующая строка на практике

Показатель успешности задач и τ-Voice — это не одна и та же метрика, и их смешение — самая простая ошибка, которую можно допустить с этим релизом. Показатель успешности задач отвечает на вопрос, завершился ли диалог корректным финальным вызовом инструмента. τ-Voice помещает модель в воспроизведённый сценарий обслуживания клиентов — изменение рейса, спорное списание, проблема с телеком-услугами — с инструментами предметной области и документом с политикой и оценивает, оказалась ли база данных в правильном итоговом состоянии. Это разница между «агент вызвал правильную функцию» и «агент решил запрос, не нарушив политику».

ElevenLabs продвигает Max именно для этой второй задачи. На странице продукта утверждается, что Max «осмысляет сложные вопросы и вызывает инструменты для выполнения задач, не замедляя разговор». Ничто из опубликованного на данный момент не проверяет это утверждение от начала до конца. Показатель успешного выполнения задач 87,1% — цифра сильная; но это и более лёгкая половина оценки, и рядом с ней стоит 94,1% по динамике разговора — на полтора пункта ниже, чем у Mini.

Для команды, принимающей решение сегодня, честная сводка такова: Max — модель речевого рассуждения с наиболее полными измерениями в этой области — её 98,8% уступают только 100% StepAudio 3 Realtime и 99,2% Q​wen Audio 3.0 Realtime Plus в том же рейтинге — а её агентное поведение не измерено, тогда как у конкурентов оно измерено. У G​emini 3.8 Live Extended Thinking оценка τ-Voice составляет 68,6%. У G​PT-Live-1 (Astra, medium) — 74,5%. У Max — прочерк.

Сколько стоит минута этого

E​levenLabs не публикует показатель по каждой модели. Биллинг Realtime — это стандартная поминутная ставка ElevenAgents плюс токены ввода, кэшированного ввода и вывода по собственным тарифам модели Realtime, при этом Max стоит дороже за токен, чем Mini; панель управления показывает оценку стоимости за минуту, а Realtime API тарифицирует каждую минуту подключённого аудио плюс токены. На странице цен вообще нет строки Realtime.

Artificial Analysis сводит всё это к одному сопоставимому показателю — стоимости прогона фиксированного набора из 40 вопросов Big Bench Audio, выраженной в расчёте на час входного аудио. Обе модели E​levenLabs показывают $4.80. Именно это одинаковое число и интересно: какой бы ни была надбавка Max за токен, при разговорных объёмах счёт в основном определяет поминутная плата за агента, поэтому дорогая модель и дешёвая модель обходятся одинаково при разговоре. Экономия от Mini проявляется там, где много токенов, а не там, где длинное аудио.

Для сравнения, по тому же показателю: G​emini 3.8 Live стоит $0,84 в час, G​emini 3.8 Live Extended Thinking — $3,50, G​PT-Live-1 (Sol, low) — $4,47, а G​rok Voice 3.0 — $4,80. Eleven Realtime находится в середине ценового диапазона, а не внизу, и это примерно в 5,7 раза больше стандартного тарифа G​emini Live.

Вот где слой маршрутизации оправдывает своё существование, даже если он не может затрагивать саму голосовую модель. Eleven Realtime доступен только через собственный API E​levenLabs и больше нигде — ни один сторонний хостинг не предоставляет eleven_realtime_v1_max, и OrcaRouter тоже не предоставляет, так что для речевого слоя маршрутизировать нечего. Маршрутизировать можно всё, что вызывает агент: сервисы поиска, записи в CRM, суммаризатор, запускаемый после звонка, и резервную модель, на которую каскад переключается при ошибке модели реального времени. В OrcaRouter это 209 моделей от 16 вышестоящих провайдеров за одним ключом, по прайс-листу провайдеров без наценки, поэтому та половина счёта, которая растёт в зависимости от того, насколько интенсивно думают ваши звонящие, — это та половина, которую вы действительно можете оптимизировать.

Деталь интеграции, которая решает вашу неделю

E​levenLabs сделала ставку, на которую большинство поставщиков решений в реальном времени не решилось: её API поддерживает протокол событий Realtime от O​penAI. Семистрочный пример в документации импортирует OpenAIRealtimeWebSocket, RealtimeAgent и RealtimeSession из @openai/agents-realtime, направляет транспорт на WebSocket-URL E​levenLabs и передаёт model: "eleven_realtime_v1_mini". Всё остальное — секрет клиента, конфигурация сессии, модальность аудиовыхода, голос — остаётся без изменений.

Стоимость этого удобства — транспорт. На старте WebRTC нет; в документации это сказано прямо, и любую интеграцию WebRTC сначала придётся перевести на WebSocket. Для команд, которые уже используют интеграцию WebSocket Realtime, это не проблема. Для команд, которые выбрали WebRTC, потому что он лучше справляется с джиттером и мобильными сетями, это переписывание транспортного уровня, а не замена модели.

Другое ограничение — архитектурное: Realtime-модели работают в ElevenAgents и в Realtime API как отдельные продукты. Если вам нужны телефонные номера, WhatsApp, база знаний, guardrails, сценарное тестирование или мониторинг разговоров, вы используете ElevenAgents, и инструменты и промпт вашего агента переносятся вместе с ним. Если вы используете Realtime API, вы получаете модель и события, но не платформу вокруг них. Нельзя использовать оба варианта в одном соединении.

Где он не путешествует

Внедрение идёт неравномерно, и эта неравномерность важнее для европейских и индийских команд, чем для американских:

• Локализация данных — обе модели доступны в США и ЕС; в Индии и Сингапуре доступна только Mini, поэтому Max не является вариантом для агентов, привязанных к этим средам.

• Соответствие требованиям — режим нулевого хранения данных и поддержка HIPAA доступны в Max в США и ЕС, а в Mini не поддерживаются вообще.

• Лимит токенов — Max требует лимит не менее 1 024 токенов или отсутствие лимита, и узлы рабочего процесса не могут его переопределить

• Пользовательские бэкенды — режим реального времени недоступен, пока агент использует пользовательскую LLM или Amazon Bedrock; сначала необходимо переключиться на встроенную LLM.

• Переводы агентов — агент в режиме Realtime может передавать вызов только другим агентам в режиме Realtime и принимать передачи только от них, однако переводы Mini-to-Max разрешены

Каждое из этих правил применяется на этапе публикации, а не при сохранении. Черновик, нарушающий одно из них, всё равно сохраняется; публикация завершается ошибкой и указывает на соответствующую настройку.

Что посмотреть

Два результата поставили бы точку в этом релизе. Первый — оценка τ-Voice для Max: то самое число, которое проверило бы заявление, которое E​levenLabs на самом деле продаёт. Второй — поддержка WebRTC, а это разница между моделью, которую можно демонстрировать, и моделью, которую можно использовать в мобильном звонке. До тех пор защитимая позиция узка и полезна: Mini — хороший вариант по умолчанию для диалоговых агентов, которым не нужно выполнять задачи; Max — самая быстрая сильная рассуждающая модель в рейтинге и, вероятно, лучший агент поддержки; и никто пока не опубликовал тест, который доказал бы вторую половину.