Eleven Realtime v1 Max dẫn đầu bảng xếp hạng về tốc độ và suy luận giọng nói — và không có Điểm chỉ số.

Eleven Realtime v1 Max trả lời trong 0,57 giây và đạt 98,8% trên Big Bench Audio, còn Eleven Realtime v1 Mini trả lời trong 0,62 giây và đạt 76% trong cùng bài kiểm tra. Hai con số đó, khi đọc cùng nhau, là điều hữu ích nhất trong thông báo ngày 20 tháng 10 năm 2026 của ElevenLabs — không phải vì bản thân từng con số ấn tượng, mà vì khoảng cách 23 điểm giữa chúng và việc mô hình yếu hơn là thứ bạn nhận được theo mặc định.Các sự cố AI và lỗi agent đã được ghi nhận đằng sau các mô hình thuộc lớp này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.

Có một sự thật thứ hai, kỳ lạ hơn, trên cùng bảng xếp hạng đó. Artificial Analysis liệt kê cả hai mô hình với thời gian đến âm thanh đầu tiên, điểm Big Bench Audio, điểm tương tác hội thoại, arena Elo và tỷ lệ thành công tác vụ — cùng một dấu gạch ngang ở vị trí lẽ ra phải là Speech to Speech Index. Max không có điểm chỉ số. Không phải điểm thấp. Mà là không có.

Lý do mang tính cơ học, và nó giải thích phần lớn những gì tiếp theo. Chỉ số này là trung bình có trọng số bằng nhau của bốn thành phần: suy luận giọng nói (Big Bench Audio), hiệu suất agentic trên bài kiểm chuẩn dịch vụ khách hàng τ-Voice, mức độ ưu tiên trên arena và tỷ lệ thành công tác vụ. Một mô hình cần đủ cả bốn để được chấm điểm. Max có ba. ElevenLabs bán Max dành riêng cho "các tác vụ phức tạp" với "sử dụng công cụ nhiều bước" — và bài kiểm chuẩn sử dụng công cụ là bài mà chưa ai chạy trên đó.

ElevenLabs thực sự đã ra mắt những gì

Dòng Eleven Realtime là một loại sản phẩm khác với các mô hình chuyển văn bản thành giọng nói mà E​levenLabs vốn nổi tiếng. Mỗi mô hình Realtime là một mạng duy nhất xử lý đồng thời nhận dạng, luân phiên lượt nói, bước suy luận và tạo giọng nói, thay vì một chuỗi gồm nhận dạng giọng nói thành văn bản, một mô hình ngôn ngữ và một giọng chuyển văn bản thành giọng nói được một bộ điều phối ghép nối lại với nhau. Lập luận của E​levenLabs là việc tinh chỉnh bốn giai đoạn đó như một hệ thống duy nhất sẽ xóa bỏ những đường nối — khoảng lặng nửa giây sau khi người gọi ngừng nói, tình trạng tác nhân nói đè lên khi bị ngắt lời, sự lệch nhau giữa những gì bản ghi lời nghe được và những gì giọng nói đáp lại.

Cả hai mô hình đều có thể truy cập theo hai cách: trong ElevenAgents, nơi bạn chọn một mô hình từ menu thả xuống và nền tảng sẽ cấu hình phần còn lại, hoặc thông qua Realtime API được cố ý thiết kế để tương thích về giao thức truyền tải với O​penAI, tại wss://api.elevenlabs.io/v1/convai/realtime. Chỉ cần thay đổi endpoint và tên mô hình, thì một client Realtime O​penAI hiện có vẫn giữ nguyên các trình xử lý sự kiện của nó.

Thứ ra mắt vào ngày 20 tháng 10 là thông báo, không phải việc kích hoạt. Tài liệu của chính ElevenLabs vẫn mô tả các mô hình là "đang triển khai dần dần", và cho biết một workspace không có cài đặt Voice mode sẽ khiến API từ chối realtime_model hoàn toàn với thông báo "Các mô hình realtime không khả dụng cho workspace này." Các định danh mô hình cũng cũ hơn chu kỳ báo chí: mục changelog ngày 3 tháng 8 cho ElevenAgents ghi rằng cấu hình tác nhân realtime đã bắt đầu mặc định dùng eleven_realtime_v1_mini. Hãy coi ngày ra mắt là ngày những con số trở nên công khai, không phải ngày các endpoint mở ra.

Hai mô hình này không phải là hai kích cỡ của cùng một thứ.

ElevenLabs định vị Mini và Max như một thang điều chỉnh chi phí–chất lượng: Mini dành cho trợ lý, gia sư và nhân vật; Max dành cho hỗ trợ khách hàng, sàng lọc khách hàng tiềm năng và các quy trình sử dụng công cụ. Các phép đo đã công bố cho thấy thang điều chỉnh này vượt xa hơn những gì cách định vị đó gợi ý. Đây là các số liệu của Artificial Analysis, được chạy độc lập trên cùng một bộ khung đánh giá thay vì trích dẫn từ trang của ElevenLabs:

• Suy luận giọng nói (Big Bench Audio) — Eleven Realtime v1 Max 98,8% so với Eleven Realtime v1 Mini 76%

• Tỷ lệ thành công tác vụ — Max 87,1% so với Mini 60,3%

• Động thái hội thoại (Full-Duplex-Bench) — Max 94.1% so với Mini 95.8%

• Mức ưu tiên Arena (Elo) — Max 997 so với Mini 988

• Thời gian đến âm thanh đầu tiên — Max 0,57 giây so với Mini 0,62 giây

• Chỉ số Speech to Speech — Max không được chấm điểm so với Mini không được chấm điểm

Hãy đọc ba dòng cuối trước hai dòng đầu. Ở khía cạnh mà người gọi cảm nhận một cách có ý thức — liệu nó có nghe như một cuộc trò chuyện không — Mini là mô hình tốt hơn, còn mô hình nhanh hơn là Max chỉ nhanh hơn 50 mili giây. Khoảng cách 23 điểm về suy luận và khoảng cách 27 điểm về tỷ lệ hoàn thành tác vụ là có thật và lớn, nhưng chúng thể hiện ở việc tác nhân có hoàn thành công việc hay không, chứ không phải ở việc trò chuyện với nó có dễ chịu hay không. Đó chính xác là sự đánh đổi mà một hàng đợi hỗ trợ phải thực hiện, và chính là lý do vì sao cấu hình mặc định lại quan trọng: mọi tác nhân mới không bao giờ đụng đến cài đặt đều chạy trên mô hình giải quyết 60,3% tác vụ thay vì 87,1%.

Khoảng trống đó cũng giải thích dấu gạch ngang trong cột chỉ mục. Mini cũng thiếu điểm agentic, điều không đáng ngạc nhiên với một mô hình được định vị là bản rẻ. Max thiếu điểm đó dù được định vị là bản có năng lực.

Dòng bị thiếu có ý nghĩa gì trong thực tế

Tỷ lệ hoàn thành nhiệm vụ và τ-Voice không phải là cùng một phép đo, và đánh đồng hai thứ này chính là sai lầm dễ mắc nhất với bản phát hành này. Tỷ lệ hoàn thành nhiệm vụ hỏi liệu cuộc hội thoại có kết thúc bằng đúng lệnh gọi công cụ cuối cùng hay không. τ-Voice đưa mô hình vào một kịch bản mô phỏng dịch vụ khách hàng — đổi chuyến bay, khiếu nại một khoản phí, sự cố viễn thông — với các công cụ chuyên ngành và một tài liệu chính sách, rồi chấm điểm xem cơ sở dữ liệu có kết thúc ở đúng trạng thái hay không. Đó là khác biệt giữa "agent đã gọi đúng hàm" và "agent đã giải quyết yêu cầu mà không vi phạm chính sách."

E​levenLabs tiếp thị Max cho đúng công việc thứ hai đó. Tuyên bố trên trang sản phẩm là Max “suy luận qua các câu hỏi phức tạp và gọi công cụ để hoàn thành công việc mà không làm chậm cuộc trò chuyện”. Cho đến nay chưa có công bố nào kiểm chứng tuyên bố đó từ đầu đến cuối. Tỷ lệ thành công trong nhiệm vụ 87,1% là một con số mạnh; đó cũng là nửa dễ hơn của bài đánh giá, và nó nằm cạnh điểm động lực hội thoại 94,1%, thấp hơn của Mini một điểm rưỡi.

Đối với một đội đang ra quyết định hôm nay, bản tóm tắt trung thực là Max là mô hình suy luận giọng nói được đo lường tốt nhất trong lĩnh vực — 98,8% chỉ xếp sau 100% của StepAudio 3 Realtime và 99,2% của Qwen Audio 3.0 Realtime Plus trên cùng bảng xếp hạng — và rằng hành vi tác tử của nó chưa được đo lường trong khi của các đối thủ thì có. Gemini 3.8 Live Extended Thinking có điểm τ-Voice là 68,6%. GPT-Live-1 (Astra, medium) có 74,5%. Max có một dấu gạch ngang.

Một phút của nó tốn bao nhiêu

ElevenLabs không công bố con số cho từng mô hình. Cách tính phí Realtime là mức giá theo phút tiêu chuẩn của ElevenAgents cộng với token đầu vào, token đầu vào được lưu trong bộ nhớ đệm và token đầu ra theo mức giá riêng của mô hình Realtime, trong đó Max đắt hơn trên mỗi token so với Mini; bảng điều khiển hiển thị chi phí ước tính mỗi phút và API Realtime tính phí theo mỗi phút âm thanh được kết nối cộng với token. Trang giá hoàn toàn không có mục nào cho Realtime.

Artificial Analysis chuẩn hóa tất cả những điều đó thành một con số có thể so sánh — chi phí chạy một tập con Big Bench Audio cố định gồm 40 câu hỏi, tính theo mỗi giờ âm thanh đầu vào. Cả hai mô hình E​levenLabs đều ở mức $4.80. Con số giống hệt nhau đó mới là điều thú vị: bất kể mức phí bổ sung theo token của Max là bao nhiêu, khoản phí tác nhân theo phút vẫn chiếm ưu thế trong hóa đơn ở khối lượng hội thoại, nên mô hình đắt tiền và mô hình rẻ tiền có cùng chi phí để trò chuyện. Phần tiết kiệm từ Mini xuất hiện ở nơi token nhiều, chứ không phải nơi âm thanh dài.

Để dễ hình dung, theo cùng thang đo: G​emini 3.8 Live có giá 0,84 USD/giờ, G​emini 3.8 Live Extended Thinking là 3,50 USD, G​PT-Live-1 (Sol, low) là 4,47 USD, và G​rok Voice 3.0 là 4,80 USD. Eleven Realtime được định giá ở khoảng giữa của nhóm, không phải mức thấp nhất, và gấp khoảng 5,7 lần mức giá tiêu chuẩn của G​emini Live.

Đó là điểm mà một lớp định tuyến chứng minh được giá trị của mình dù nó không thể chạm tới chính mô hình giọng nói. Eleven Realtime chỉ có sẵn qua API riêng của E​levenLabs và không có ở nơi nào khác — không nhà cung cấp bên thứ ba nào cung cấp eleven_realtime_v1_max, và OrcaRouter cũng không, nên không có gì để định tuyến cho lớp giọng nói. Thứ bạn có thể định tuyến là mọi thứ mà agent gọi: các dịch vụ tra cứu, các thao tác ghi CRM, bộ tóm tắt chạy sau cuộc gọi, và mô hình dự phòng mà một cascade quay về khi mô hình thời gian thực báo lỗi. Trên OrcaRouter, đó là 209 mô hình từ 16 nhà cung cấp thượng nguồn sau một khóa, theo giá niêm yết của nhà cung cấp mà không có phụ phí, nên nửa hóa đơn tăng theo mức độ suy nghĩ của người gọi chính là nửa bạn thực sự có thể tối ưu hóa.

Chi tiết tích hợp quyết định cả tuần của bạn

ElevenLabs đã đặt cược vào điều mà hầu hết các nhà cung cấp realtime không làm: API của nó nói giao thức sự kiện Realtime của OpenAI. Ví dụ bảy dòng trong tài liệu import OpenAIRealtimeWebSocket, RealtimeAgent và RealtimeSession từ @openai/agents-realtime, trỏ transport tới WebSocket URL của ElevenLabs, và truyền model: "eleven_realtime_v1_mini". Mọi thứ còn lại — client secret, cấu hình phiên, modality đầu ra âm thanh, giọng nói — đều không thay đổi.

Cái giá của sự tiện lợi đó là lớp truyền tải. Không có WebRTC khi ra mắt; tài liệu nói thẳng như vậy, và mọi tích hợp WebRTC đều phải chuyển sang WebSocket trước. Với các nhóm đã dùng tích hợp WebSocket Realtime thì đó không phải vấn đề gì. Với các nhóm đã xây dựng trên WebRTC vì nó xử lý jitter và mạng di động tốt hơn, đó là việc viết lại lớp truyền tải, chứ không phải chỉ thay mô hình.

Hạn chế còn lại mang tính kiến trúc: các mô hình Realtime chạy trong ElevenAgents và trong Realtime API như những sản phẩm riêng biệt. Nếu bạn cần số điện thoại, WhatsApp, cơ sở tri thức, guardrails, kiểm thử theo kịch bản hay giám sát hội thoại, thì bạn đang ở ElevenAgents, và các công cụ cùng prompt của agent sẽ đi kèm theo đó. Nếu bạn đang ở Realtime API, bạn nhận được mô hình và các sự kiện, chứ không phải nền tảng xoay quanh chúng. Bạn không thể có cả hai trên cùng một kết nối.

Nơi nó không đi tới

Việc triển khai không đồng đều theo những cách mà các đội ở châu Âu và Ấn Độ coi trọng hơn so với các đội ở Mỹ:

• Nơi lưu trú dữ liệu — cả hai mô hình đều có sẵn ở Mỹ và EU; Ấn Độ và Singapore chỉ có Mini, vì vậy Max không phải là lựa chọn cho các agent bị gắn cố định vào những môi trường đó

• Tuân thủ — Chế độ Không lưu giữ và HIPAA hỗ trợ Max tại Hoa Kỳ và EU, đồng thời hoàn toàn không hỗ trợ Mini

• Giới hạn token — Max yêu cầu giới hạn tối thiểu 1.024 token, hoặc không giới hạn, và các node trong workflow không thể ghi đè lên giới hạn đó

• Backend tùy chỉnh — Chế độ thời gian thực không khả dụng khi tác nhân đang sử dụng LLM tùy chỉnh hoặc Amazon Bedrock; bạn phải chuyển sang LLM tích hợp trước

• Chuyển tiếp tác nhân — tác nhân ở chế độ Realtime chỉ có thể chuyển tiếp đến và từ các tác nhân chế độ Realtime khác, mặc dù vẫn cho phép chuyển tiếp Mini-to-Max

Mọi {{1}}quy tắc{{/1}} trong số đó đều được áp dụng tại {{2}}thời điểm xuất bản{{/2}}, chứ không phải tại thời điểm lưu. Một bản nháp vi phạm một quy tắc vẫn được lưu; việc xuất bản sẽ thất bại và chỉ rõ {{3}}cài đặt{{/3}}.

Xem gì

Hai kết quả sẽ định đoạt bản phát hành này. Kết quả đầu tiên là điểm τ-Voice cho Max — con số duy nhất sẽ kiểm chứng tuyên bố mà ElevenLabs thực sự đang bán. Kết quả thứ hai là hỗ trợ WebRTC, thứ tạo nên khác biệt giữa một mô hình bạn có thể demo và một mô hình bạn có thể đưa vào cuộc gọi trên điện thoại di động. Cho đến lúc đó, vị thế có thể bảo vệ là hẹp và hữu ích: Mini là mặc định tốt cho các tác nhân hội thoại không cần hoàn thành nhiệm vụ, Max là bộ suy luận mạnh nhanh nhất trên bảng và có khả năng là tác nhân hỗ trợ tốt hơn, và chưa ai công bố bài kiểm tra có thể chứng minh nửa sau.