Eleven Realtime v1 Max toppar rankningen för hastighet och talresonemang – och har ingen indexpoäng.

Eleven Realtime v1 Max svarar på 0,57 sekunder och får 98,8 % på Big Bench Audio, och Eleven Realtime v1 Mini svarar på 0,62 sekunder och får 76 % på samma test. De två siffrorna, lästa tillsammans, är det mest användbara i ElevenLabs tillkännagivande den 20 oktober 2026 – inte för att någon av dem är imponerande i sig, utan på grund av gapet på 23 procentenheter mellan dem och det faktum att den svagare är den man får som standard. De dokumenterade AI-incidenterna och agentfelen som ligger bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistad status.

Det finns ett andra, märkligare faktum på samma resultattavla. Artificial Analysis listar båda modellerna med en tid till första ljudet, en Big Bench Audio-poäng, en poäng för samtalsdynamik, ett arena-Elo och en framgångsgrad för uppgifter — och ett streck där Speech to Speech Index borde stå. Max har ingen indexpoäng. Inte en låg sådan. Ingen alls.

Anledningen är mekanisk, och den förklarar det mesta av det som följer. Indexet är ett likaviktat medelvärde av fyra komponenter: talresonemang (Big Bench Audio), agentisk prestanda på τ-Voice-benchmarken för kundservice, arena-preferens och andelen lyckade uppgifter. En modell behöver alla fyra för att bli poängsatt. Max har tre. E​levenLabs säljer Max specifikt för "komplexa uppgifter" med "flerstegets verktygsanvändning" – och benchmarken för verktygsanvändning är den som ingen ännu har kört på den.

Vad E​levenLabs faktiskt släppte

Eleven Realtime-familjen är en annan typ av produkt än de text-till-tal-modeller som ElevenLabs är kända för. Varje Realtime-modell är ett enda nätverk som hanterar igenkänning, turstagning, resonemangssteget och röstgenerering tillsammans, i stället för en pipeline av tal-till-text, en språkmodell och en text-till-tal-röst som fogats samman av en orkestrerare. ElevenLabs argument är att finjustera dessa fyra steg som ett system tar bort sömmarna – den halvsekund av tystnad som uppstår efter att en uppringare slutat prata, agenten som pratar över ett avbrott, diskrepansen mellan vad en transkribering hörde och vad rösten svarar.

Båda modellerna kan nås på två sätt: i ElevenAgents, där du väljer en modell i en rullgardinsmeny och plattformen konfigurerar resten, eller via ett Realtime API som avsiktligt är protokollkompatibelt med O​penAI:s, på wss://api.elevenlabs.io/v1/convai/realtime. Ändra slutpunkten och modellnamnet, så behåller en befintlig O​penAI Realtime-klient sina händelsehanterare.

Det som lanserades den 20 oktober är tillkännagivandet, inte aktiveringen. ElevenLabs egen dokumentation beskriver fortfarande modellerna som "rullas ut gradvis" och säger att en arbetsyta utan inställningen för röstläge får API:et att avvisa realtime_model direkt med "Realtime models are not available for this workspace." Modellidentifierarna är också äldre än presscykeln: changelog-posten för ElevenAgents den 3 augusti anger att konfigurationen för realtidsagenter redan hade börjat defaulta till eleven_realtime_v1_mini. Betrakta lanseringsdatumet som dagen då siffrorna blev offentliga, inte dagen då slutpunkterna öppnades.

De två modellerna är inte två storlekar av samma sak

ElevenLabs framställer Mini och Max som en ratt för kostnad och kvalitet: Mini för assistenter, handledare och karaktärer; Max för support, kvalificering av leads och arbetsflöden som använder verktyg. De publicerade mätningarna säger att ratten går längre än den framställningen antyder. Det här är siffror från Artificial Analysis, körda oberoende på samma testrigg i stället för citerade från ElevenLabs sida:

• Talresonemang (Big Bench Audio) — Eleven Realtime v1 Max 98,8 % mot Eleven Realtime v1 Mini 76 %

• Framgångsgrad för uppgifter — Max 87,1 % jämfört med Mini 60,3 %

• Samtalsdynamik (Full-Duplex-Bench) – Max 94,1 % vs Mini 95,8 %

• Arenapreferens (Elo) — Max 997 vs Mini 988

• Tid till första ljud — Max 0,57 s vs Mini 0,62 s

• Speech to Speech-index — Max inte poängsatt vs Mini inte poängsatt

Läs de tre sista raderna före de två första. När det gäller det en uppringare medvetet känner – låter det här som ett samtal – är Mini den bättre modellen, och den snabbare är Max med bara 50 millisekunder. Gapet på 23 punkter i resonemang och gapet på 27 punkter i uppgiftsframgång är verkliga och stora, men de visar sig i om agenten får jobbet gjort, inte i om det känns bra att prata med den. Det är precis den avvägning en supportkö gör, och precis därför spelar standardvalet roll: varje ny agent som aldrig rör inställningen körs på modellen som löser 60,3 % av uppgifterna i stället för 87,1 %.

Gapet förklarar också strecket i indexkolumnen. Mini saknar också en agentisk poäng, vilket inte är förvånande för en modell som positioneras som den billiga. Max saknar den trots att den positioneras som den kapabla.

Vad den saknade raden innebär i praktiken

Uppgiftsframgångsgrad och τ-Voice är inte samma mätning, och att blanda ihop dem är det enklaste misstaget att göra med den här versionen. Uppgiftsframgångsgrad handlar om huruvida samtalet slutade med rätt slutligt verktygsanrop. τ-Voice placerar modellen i ett replikerat kundtjänstscenario – en flygändring, en ifrågasatt debitering, ett telekomproblem – med domänverktyg och ett policydokument, och bedömer huruvida databasen slutar i rätt tillstånd. Det är skillnaden mellan "agenten anropade rätt funktion" och "agenten löste begäran utan att bryta mot policyn."

E​levenLabs marknadsför Max just för den där andra uppgiften. Påståendet på produktsidan är att Max "resonerar sig igenom komplexa frågor och anropar verktyg för att få saker gjorda utan att sänka samtalstempot". Inget som publicerats hittills testar det påståendet från början till slut. Uppgiftsframgångsgraden på 87,1 % är en stark siffra; den är också den enklare halvan av utvärderingen, och den ligger intill en poäng på 94,1 % för samtalsdynamik som är en och en halv poäng under Minis.

För ett team som ska fatta beslut i dag är den ärliga sammanfattningen att Max är den bäst uppmätta talresonemangsmodellen inom området – 98,8 % ligger bara efter StepAudio 3 Realtime med 100 % och Q​wen Audio 3.0 Realtime Plus med 99,2 % på samma resultattavla – och att dess agentbeteende är omätt medan konkurrenternas inte är det. G​emini 3.8 Live Extended Thinking har en τ-Voice-poäng på 68,6 %. G​PT-Live-1 (Astra, medium) har 74,5 %. Max har ett streck.

Vad en minut av det kostar

E​levenLabs publicerar inte någon siffra per modell. Realtime-faktureringen är standardminutpriset för ElevenAgents plus input-, cached-input- och output-tokens till Realtime-modellens egna priser, där Max är dyrare per token än Mini; instrumentpanelen visar en uppskattad kostnad per minut, och Realtime-API:et fakturerar per minut anslutet ljud plus tokens. Prissättningssidan har ingen Realtime-radpost alls.

Artificial Analysis normaliserar allt detta till en jämförbar siffra – kostnaden för att köra en fast delmängd av Big Bench Audio med 40 frågor, uttryckt per timme inkommande ljud. Båda E​levenLabs-modellerna landar på $4.80. Att siffran är identisk är det intressanta: oavsett vilken premie per token Max har, dominerar agentens per-minut-avgift räkningen vid samtalsvolymer, så den dyra modellen och den billiga modellen kostar lika mycket att prata med. Besparingarna med Mini syns där tokens är tunga, inte där ljudet är långt.

För jämförelsens skull, enligt samma mått: G​emini 3.8 Live kostar $0,84 i timmen, G​emini 3.8 Live Extended Thinking kostar $3,50, G​PT-Live-1 (Sol, low) kostar $4,47 och G​rok Voice 3.0 kostar $4,80. Eleven Realtime är prissatt i mitten av fältet, inte i botten, och den är ungefär 5,7 gånger standardpriset för G​emini Live.

Det är den punkt där ett routinglager förtjänar sin plats, även om det inte kan röra röstmodellen själv. Eleven Realtime är endast tillgängligt via ElevenLabs eget API och ingen annanstans – ingen tredjepartsvärd tillhandahåller eleven_realtime_v1_max, och det gör inte OrcaRouter heller, så det finns inget att routa för tallagret. Det du kan routa är allt som agenten anropar: uppslagstjänsterna, CRM-skrivningarna, sammanfattaren som körs efter samtalet och reservmodellen som en kaskad faller tillbaka på när realtidsmodellen får fel. På OrcaRouter är dessa 209 modeller från 16 uppströmsleverantörer bakom en enda nyckel, till leverantörernas listpris utan påslag, så den halva av räkningen som skalar med hur hårt dina uppringare tänker är den halva du faktiskt kan optimera.

Integrationsdetaljen som avgör din vecka

E​levenLabs gjorde en satsning som de flesta realtidsleverantörer inte gjorde: dess API talar O​penAI:s Realtime-händelseprotokoll. Det sjuradiga exemplet i dokumentationen importerar OpenAIRealtimeWebSocket, RealtimeAgent och RealtimeSession från @openai/agents-realtime, pekar transporten mot E​levenLabs WebSocket-URL och skickar model: "eleven_realtime_v1_mini". Allt annat — klienthemligheten, sessionskonfigurationen, modaliteten för ljudutdata, rösten — är oförändrat.

Kostnaden för den bekvämligheten är transporten. Det finns ingen WebRTC vid lanseringen; dokumentationen säger det rakt ut, och alla WebRTC-integrationer måste först flyttas över till WebSocket. För team som redan kör en WebSocket Realtime-integration är det en icke-händelse. För team som byggde på WebRTC eftersom det hanterar jitter och mobilnät bättre, är det en omskrivning av transportlagret, inte ett modellbyte.

Den andra begränsningen är arkitektonisk: Realtime-modeller körs i ElevenAgents och i Realtime API som separata produkter. Om du behöver telefonnummer, WhatsApp, en kunskapsbas, guardrails, skriptad testning eller konversationsövervakning är du på ElevenAgents, och din agents verktyg och prompt följer med. Om du är på Realtime API får du modellen och händelserna, inte plattformen runt dem. Du kan inte ha båda på en och samma anslutning.

Där det inte färdas

Utrullningen är ojämn på sätt som betyder mer för europeiska och indiska team än för amerikanska:

• Datalagringsplats — båda modellerna är tillgängliga i USA och EU; Indien och Singapore får endast Mini, så Max är inte ett alternativ för agenter som är bundna till dessa miljöer

• Efterlevnad – Zero Retention Mode och HIPAA stöds för Max i USA och EU, men Mini stöds inte alls

• Tokengräns — Max kräver en gräns på minst 1 024 token, eller ingen gräns, och arbetsflödesnoder kan inte åsidosätta den

• Anpassade backendar — Realtidsläge är inte tillgängligt medan en agent använder en anpassad LLM eller Amazon Bedrock; du måste först byta till en inbyggd LLM

• Agentöverföringar – en agent i Realtime-läge kan bara överföra till och ta emot från andra agenter i Realtime-läge, men Mini-to-Max-överföringar är tillåtna

Var och en av dessa regler verkställs vid publicering, inte vid sparning. Ett utkast som bryter mot en regel sparas ändå; publiceringen misslyckas och anger vilken inställning det gäller.

Vad du ska titta på

Två resultat skulle avgöra saken för den här releasen. Det första är en τ-Voice-poäng för Max – det enda tal som skulle pröva det påstående som E​levenLabs faktiskt säljer. Det andra är stöd för WebRTC, vilket är skillnaden mellan en modell som du kan demonstrera och en modell som du kan använda i ett mobilsamtal. Fram till dess är den försvarbara positionen smal och användbar: Mini är en bra standard för konversationsagenter som inte behöver slutföra uppgifter, Max är den snabbaste starka resonemangsmodellen på resultattavlan och rimligen den bättre supportagenten, och ingen har ännu publicerat testet som skulle bevisa den andra halvan.