
MAI Realtime 1 против Eleven Realtime Max: восьмикратная разница в цене и одно число, которое всё решает
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 920 tok/s
Опубликованные тарифы создают впечатление, что вопрос решён. MAI Realtime 1 стоит $0,01 за аудиоминуту. Eleven Realtime Max — лучшая модель преобразования речи в речь от ElevenLabs, указанная как Realtime v1 Max, — стоит примерно $4,80 в час по независимой нормализации Artificial Analysis, то есть $0,08 в минуту. Восемь к одному, ещё до учёта всего остального. Это сравнение также вводит в заблуждение вполне конкретным, арифметическим образом, и вся статья именно об этой арифметике: MAI Realtime 1 сверх поминутного тарифа выставляет счёт за вторую модель рассуждений с оплатой по токенам, и никто за пределами Microsoft не публиковал данных о том, как часто срабатывает этот второй счётчик.
Полезный вопрос не в том, у какого варианта заявленная цифра меньше. А в том, какой из этих двух можно оценить по стоимости до подписания, а какой сначала придётся измерить. Эти ответы указывают в противоположные стороны — именно поэтому это настоящее решение, а не формальность.

Что представляет собой каждый из них, одной строкой
• MAI Realtime 1 — первая модель Microsoft «речь в речь», анонсированная 17 ноября 2026 года на Ignite. Два уровня: быстрый диалоговый режим за один цент в минуту и механизм рассуждений стоимостью $1,00 за миллион входных и $5,00 за миллион выходных токенов, которому передаются более сложные реплики. Предварительный доступ с ограничениями через Foundry; демонстрация в MAI Labs. Поддерживает OpenAI Realtime API.
• Eleven Realtime Max — модель преобразования речи в речь от ElevenLabs для голосовых агентов, выполняющих более сложные задачи, чем светская беседа. Единая настроенная система, охватывающая распознавание, управление очередностью реплик, LLM и голос. Доступна в ElevenAgents и через OpenAI-совместимый Realtime API, только по WebSocket. Поддерживает более 90 языков.
• Что не публикует ни одна из сторон — языки, поддерживаемые MAI Realtime 1. В материалах Microsoft о запуске не указано ни одного, а для продукта для контакт-центра это вопрос первостепенной важности, а не сноска.
Единственная сторона с реальными измерениями
Eleven Realtime Max хорошо освещён независимым тестированием, и его профиль несбалансирован — а это важно для проектирования агентов:
• Индекс преобразования речи в речь — 77,3 от Artificial Analysis, по композитному показателю рассуждений, разговорной динамики и агентных способностей.
• Рассуждение на основе речи (Big Bench Audio) — 98,8%. Это один из самых высоких показателей в таблице, и именно на этот показатель ориентирована модель: она точно отвечает на сложные вопросы, заданные в устной форме.
• Время до первого звука — 570 миллисекунд; это самый быстрый показатель из двух при прямом сравнении и достаточно быстро, чтобы восприниматься мгновенным.
• Выполнение агентных задач (τ-Voice) — 47,6%. Это слабое место. Модель, которая прекрасно рассуждает о том, что слышит, всё равно выполняет менее половины многошаговых задач, которые ставит перед ней тестовый стенд.
• Динамика разговора — 94,1%.
Смешанная стоимость — около $4,80 за час аудио, согласно приведению Artificial Analysis подмножества Big Bench Audio из 40 вопросов к почасовой базе. Это условность измерения, а не прайс-лист ElevenLabs, и эти два показателя не следует приводить как взаимозаменяемые.
У MAI Realtime 1 почти ничего из этого нет, и разрыв между «почти» и «ничего» — самое интересное. Microsoft публикует на странице модели одно число точности: 98,8% на Big Bench Audio. Это цифра от производителя — собственная оценка Microsoft, на выбранном Microsoft бенчмарке, без опубликованной рядом методологии, — и ни одна независимая организация не проводила её повторную проверку. Обратите также внимание, что 98,8% арифметически совпадает с показателем Eleven Realtime Max выше; это совпадение — два разных тестовых стенда дали одинаковый процент, — и его не следует трактовать как равенство двух моделей. Помимо этого единственного числа, на странице есть карточка P50 «время до первого аудио» и подпись «P50 Latency on BigBench Audio», и больше ничего. Нет оценки τ-Voice, нет списка языков, нет распределения, стоящего за процентилем. Более масштабное утверждение Microsoft — что модель находится на границе Парето по соотношению «производительность–цена» для Big Bench Audio и τ-Voice — это утверждение о том, где точка располагалась бы на графике, который публично не построен. По состоянию на 18 ноября Artificial Analysis вообще не включает эту модель.
Эта асимметрия — не аргумент в пользу ElevenLabs. Это аргумент о том, что можно знать сегодня: у одной из этих моделей есть измеренный показатель агентности 47.6%, на который можно опираться при планировании, а у другой — заявленный поставщиком показатель точности и процентиль.
Примечание об источниках, прежде чем цифры начнут меняться: каждый приведённый ниже показатель производительности Eleven Realtime Max — это независимое измерение Artificial Analysis. Единственный показатель производительности MAI Realtime 1, который где-либо приводится в этом материале, — 98,8% на Big Bench Audio — принадлежит самой Microsoft, не прошёл аудит и помечается как таковой везде, где появляется. Ничего другого о его производительности вообще не опубликовано.
Арифметика, которую никто не завершил
Начните с голосовой линии, потому что это единственное, что обе стороны публикуют честно.
• MAI Realtime 1 — $0.01/мин → $0.60 за час разговора, только по быстрому пути.
• Eleven Realtime Max — эквивалент около $0,08/мин → $4,80 в час, по методике Artificial Analysis.
Восьмикратный разрыв по счётчику минут. Теперь добавьте второй счётчик и отметьте, чего не хватает в публичных данных: Microsoft не сообщила, какая доля ходов переходит на уровень рассуждений. Поэтому в любой модели затрат, которую вы строите, есть входной параметр, который приходится придумывать самому. Вот как придуманный входной параметр влияет на ответ. Возьмём пятиминутный звонок в поддержку — $0.05 голосового времени — и предположим, что по всем его эскалированным ходам движок рассуждений в сумме обрабатывает 5,000 входных и 1,500 выходных токенов. При ставках Microsoft $1.00 и $5.00 за миллион токенов это $0.0125 расходов на рассуждения за один полный проход по звонку.
• Нулевое повышение — $0.050 за вызов против $0.40 у ElevenLabs. Восемь к одному, как и заявлено.
• Один полный проход рассуждения — $0.063 за вызов. Всё ещё меньше шестой части от показателя ElevenLabs.
• Три полных прохода рассуждений — 0,088 $ за вызов. Чуть больше одной пятой.
• Десять полных проходов рассуждения — $0.175 за вызов. Около 44% от показателя ElevenLabs, и это нагрузка, которую вряд ли способен создать хоть один диалог поддержки.
Перечитайте это ещё раз: даже десятикратная нагрузка на рассуждения не закрывает восьмикратный разрыв по голосовой линии. А значит, честная версия этого сравнения такова:MAI Realtime 1 значительно дешевле при любых допущениях о росте нагрузки, которые выдерживает реальный разговор — и причина для сомнений не в цене. Она в том, что вы пока не можете определить, достаточно ли модель хороша для этой задачи, а предварительная версия Microsoft не тарифицируется до выхода в public preview, поэтому выяснить это можно, потратив только инженерное время.
Две оговорки к этой арифметике, и обе они говорят против того, чтобы считать её прогнозом. Оценка reasoning — моя, а не Microsoft: количество токенов может колоссально различаться между запросом, которому нужен один вызов инструмента, и исключением, которому нужны четыре. А сторона ElevenLabs использует почасовую нормализацию Artificial Analysis, а не собственную тарифную сетку ElevenLabs, потому что ElevenLabs не публикует единую долларовую цифру за минуту для Realtime Max; она считает минуты плюс токены LLM с помощью встроенной в приложение оценки. Так что сравнение убедительно по направлению и мягко по цифрам с обеих сторон — это нормально для голоса, и об этом стоит сказать вслух.
Один момент заслуживает отдельной строки. Предварительная версия Foundry с ограниченным доступом не взимает плату с клиентов до начала публичной предварительной версии. Поэтому сравнение затрат, написанное в ноябре, — это сравнение того, что вы заплатите позже, с предварительной версией, которую можно запускать сейчас бесплатно. Рациональный шаг — измерять, а не вести переговоры.
Где ElevenLabs совсем не проигрывает по цене
Две вещи, которые скрывает восьмичастная фигура.
Во-первых, ElevenLabs не продаёт счётчик минут. ElevenAgents взимает плату за минуту плюс стоимость токенов LLM, с оценкой стоимости за минуту в приложении, а Realtime API берёт плату за каждую минуту подключённого аудио плюс токены по одинаковым ценам на токены во всех тарифных планах. Команда, уже работающая в ElevenAgents, сравнивает не $0.01 с $0.08, а предельное изменение с платформой, которую она уже интегрировала, с развёртыванием по телефону, через веб-виджет, WhatsApp и контакт-центр, а также с SOC 2, HIPAA, GDPR, EU data residency и опциями нулевого хранения.
Второе: перечень требований соответствия — это функция продукта, у которой есть собственная цена. Для клинического или финансового голосового агента размещение данных в ЕС и нулевое хранение — не необязательные приятные бонусы, которые может заменить более дешёвая модель. В объявлении Microsoft ничего не говорится о размещении данных, хранении или сертификации для MAI Realtime 1 — а модель находится в ограниченном предварительном просмотре, то есть именно на той стадии, когда эти условия обычно ещё не определены.
Так что разделение — не «дешёвое против дорогого». Оно такое: «дешёвое и неизмеренное, с ещё не прописанными корпоративными условиями» против «вчетверо дороже, с готовыми документами и 47,6% в оценке агентности, по которой вы можете решить, достаточно этого или нет».

Запускаю оба, пока не выбирая
Обе модели поддерживают OpenAI Realtime API — это самый полезный факт в этом сравнении. Голосовой стек, написанный под этот интерфейс, можно направить на любую из них, и это превращает решение в вопрос конфигурации, а не переписывания. Это также причина держать обе доступными во время оценки, а не выбирать сначала и тестировать потом.
Именно для такого случая создан OrcaRouter, и стоит точно указать, какая половина здесь применима. MAI Realtime 1 отсутствует в нашем каталоге — до него можно добраться только через демо Microsoft MAI Labs и preview Foundry с ограниченным доступом, и точка. Мы маршрутизируем слой, стоящий за ним: reasoning-модели, в которые эскалируется голосовой агент, по каталожной цене провайдера с наценкой 0%, так что изменение тарифа на этом уровне отражается в вашем счёте в день, когда оно происходит, а не при продлении. Автоматическое переключение при сбое важнее в голосовых сценариях, чем где-либо ещё, потому что зависшая реплика — это человек, слушающий тишину; запрос, который переходит ко второму провайдеру за несколько сотен миллисекунд, не слышен, а тот, что повторяет попытки четыре секунды, — это именно то, на что жалуются клиенты. Когда preview завершится и MAI Realtime 1 станет общедоступным, тот же ключ и те же правила маршрутизации подхватят его — при условии, что он попадёт в каталог, чего сегодня не случилось.

Кому что делать на этой неделе
Если ваш голосовой агент — это интерфейс поддержки или планирования, где большинство реплик короткие, а сложные — это поиск данных, экономика MAI Realtime 1 не идёт ни в какое сравнение, а предварительная версия бесплатна — запускайте оценку сейчас, сами настройте измерение частоты эскалации и считайте неопубликованную хвостовую задержку Microsoft тем, что заменит ваше собственное измерение.
Если ценность вашего агента заключается в многошаговой работе — бронировании в трёх системах, проверке личности, устранении исключительной ситуации — то 47.6% оценки агентных возможностей у Eleven Realtime Max — это бенчмарк, который можно прочитать, а у MAI Realtime 1 он пустой. Покупать здесь только по цене означает покупать неизмеренную модель для самой сложной части задачи.
И если соответствие требованиям определяет вашего поставщика раньше, чем производительность, то объявление Microsoft ничего не меняет в вашем ответе в этом месяце. Ограниченная предварительная версия — не место для работы с защищёнными данными, а условия, которые позволили бы вам это делать, не опубликованы.
Восьмикратный разрыв реален и, вероятно, устойчив. Это также наименее интересное число здесь, потому что вопрос, который решает исход этого противостояния, — способна ли модель за цент в минуту выполнить задачу, — а единственная сторона, которая нам об этом не сообщила, — это та, что её продаёт.
