
MAI Realtime 1 与 Eleven Realtime Max:八倍价差,以及决定胜负的那个数字
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 89 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-079 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 134 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 119 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百万 tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百万 tokens · 920 tok/s
公布的价格让这件事看起来已成定局。MAI Realtime 1每音频分钟收费 0.01 美元。Eleven Realtime Max——ElevenLabs 顶级的语音到语音模型,列为 Realtime v1 Max——根据 Artificial Analysis 的独立标准化计算,每小时约 4.80 美元,即每分钟 0.08 美元。八比一,这还没算其他任何费用。这种比较还以一种具体的、算术上的方式具有误导性,而算术正是全文的关键:MAI Realtime 1 在按分钟计费之外,还会对第二个按 token 计价的推理模型收费,而微软以外还没有人公布过这第二项计费究竟多久触发一次。
所以,有用的问题不是哪个标题数字更小,而是这两者中哪一个你能在签约前算出成本,哪一个必须先测量。这些答案指向相反的方向,所以这是真正的决策,而不是走形式。

每项是什么,用一行说明
• MAI Realtime 1 — 微软首个语音到语音模型,于 2026 年 11 月 17 日在 Ignite 上发布。分为两档:每分钟一美分的快速对话通道,以及一个推理引擎,每百万输入 token 收费 1.00 美元、每百万输出 token 收费 5.00 美元,较难的轮次会移交给它处理。通过 Foundry 提供有限访问预览;在 MAI Labs 中有演示。支持 OpenAI Realtime API。
• Eleven Realtime Max — ElevenLabs 的语音到语音模型,适用于承担比闲聊更复杂任务的语音智能体。一个经过调优的系统,涵盖识别、轮流发言、LLM 和语音。可在 ElevenAgents 中使用,也可通过兼容 OpenAI 的 Realtime API 使用,仅支持 WebSocket。覆盖 90 多种语言。
• 两者都未公布的内容——MAI Realtime 1 支持的语言。微软的发布材料没有列出任何一项,而对于一款联络中心产品来说,这是首要问题,而非脚注。
有真实测量数据的那一侧
Eleven Realtime Max 已获得独立测试的充分覆盖,而其性能概况存在不均衡,这一点对智能体设计至关重要:
• 语音到语音指数 — 77.3,来自 Artificial Analysis,基于推理、对话动态与智能体能力的综合评估。
• 语音推理(Big Bench Audio)— 98.8%。这是榜单上最高的数字之一,也是该模型构建时所围绕的核心数字:它能准确回答高难度的语音问题。
• 首次出声时间——570 毫秒,直接对比中是两者中最快的,快到足以让人感觉即时。
• 智能体任务完成率(τ-Voice)——47.6%。这是薄弱环节。一个能对所听到内容进行出色推理的模型,仍然只能完成评测框架为其设定的多步任务中不到一半的任务。
• 对话动态 — 94.1%。
• 混合成本——约为每小时音频 4.80 美元,依据 Artificial Analysis 将包含 40 个问题的 Big Bench Audio 子集按小时基准进行归一化后的结果。这是一种测量口径,而非 ElevenLabs 的费率表,两者不应互换引用。
MAI Realtime 1 几乎没有这些,而“几乎没有”与“完全没有”之间的差距才是有意思的部分。Microsoft 在模型页面上只公布了一个准确率数字:在 Big Bench Audio 上为 98.8%。这是一个厂商数字——由 Microsoft 自己评估、使用 Microsoft 选定的基准测试,旁边没有公布任何方法说明——也没有独立评测机构复跑过。还要注意,98.8% 在算术上与上文的 Eleven Realtime Max 数字完全相同,这只是两套不同测试框架碰巧落在同一百分比上的巧合,不应解读为两个模型打平。除了这一个数字之外,页面上只有一张 P50 首音频时间卡片和一句“BigBench Audio 上的 P50 延迟”的说明,再无其他。没有 τ-Voice 分数,没有语言列表,也没有百分位数背后的分布。Microsoft 更大的主张——即该模型处于 Big Bench Audio 和 τ-Voice 的性能-价格帕累托前沿上——是在说一个点会落在一张尚未公开绘制的图表上的什么位置。截至 11 月 18 日,Artificial Analysis 完全没有收录该模型。
这种不对称性并不是支持 ElevenLabs 的论据。它说明的是你今天能知道什么:这些模型中,有一个拥有可据此规划的、实测 47.6% 的智能体得分;另一个则只有一个供应商报告的准确率数字和一个百分位数。
关于数据来源的说明,在数字开始变化之前:下文每一个 Eleven Realtime Max 性能数据都是 Artificial Analysis 的独立测量结果。本文任何地方引用的唯一一个 MAI Realtime 1 性能数据——Big Bench Audio 上的 98.8%——来自微软自身,未经审计,并且凡出现之处均已如此标注。关于其性能的其他任何信息都完全没有公布。
没人算完的算术
从语音线路开始,因为这是双方唯一会如实公布的信息。
• MAI Realtime 1 — $0.01/分钟 → 每小时对话 $0.60,仅限快速路径。
• Eleven Realtime Max — 按 Artificial Analysis 的计算基准,约合每分钟 0.08 美元 → 每小时 4.80 美元。
分钟计费上存在八倍差距。现在再加上第二个计费表,并注意公开信息中缺失了什么:微软没有说明有多大比例的轮次会升级到推理层级。因此,你构建的每个成本模型都有一个你必须自行臆造的输入。以下是这个臆造输入会对答案产生的影响。设想一通五分钟的支持电话——语音时间为 0.05 美元——并假设在其升级的轮次中,推理引擎总共看到 5,000 个输入 token 和 1,500 个输出 token。按微软每百万 1.00 美元和 5.00 美元的费率计算,对整通电话完整处理一遍的推理费用就是 0.0125 美元。
• 零加价——每次调用 $0.050,而 ElevenLabs 为 $0.40。八比一,一如宣传。
• 一次完整推理——每次调用 $0.063。仍不到 ElevenLabs 数字的六分之一。
• 三次完整推理轮次——每次调用 $0.088。略高于五分之一。
• 十次完整推理轮次——每次调用 0.175 美元。约为 ElevenLabs 数值的 44%,而且这是任何客服对话都不可能合理产生的负载。
再读一遍:即使推理负载增加十倍,也无法弥合语音线上八倍的差距。这意味着,对这项比较最诚实的表述是:在任何真实对话所支持的升级假设下,MAI Realtime 1 都以大幅优势更便宜——而让人犹豫的原因并不是价格,而是你目前还无法判断这个模型是否足以胜任这项工作;并且微软的预览版在公开预览前不收费,所以想弄清楚这一点,付出的只是工程时间,没有金钱成本。
对那套计算有两点提醒,而这两点都不支持把它当作预测。推理部分的估算是我做的,不是微软的——token 数量在不同场景下差异极大:有的查询只需一次工具调用,而有的异常需要四次。ElevenLabs 这一侧用的是 Artificial Analysis 的小时归一化,而不是 ElevenLabs 自己的价目表,因为 ElevenLabs 没有公布 Realtime Max 固定的每分钟美元价格;它是通过应用内估算来对分钟数加 LLM token 计价。所以这个对比在方向上站得住,但两边的数值都不够精确,这对语音来说很正常,也值得明确说出来。
有一点确实值得单独说明。Foundry 的受限访问预览在公开预览开始之前不会向客户收费。因此,一份在 11 月写就的成本对比,实际上是在拿你日后将要支付的费用,与一个你现在就能零成本运行的预览版作比较。理性的做法是去实测,而不是去谈判。
ElevenLabs 在价格上完全不处于劣势
八重图形所隐藏的两件事。
第一点是,ElevenLabs 并不是在卖一个按分钟计量的计价器。ElevenAgents 按分钟定价,外加 LLM token 成本,并在应用内提供每分钟估算;Realtime API 按连接音频的分钟数收费,外加 token 费用,而且所有套餐的 token 价格相同。已经使用 ElevenAgents 的团队并不是在拿 $0.01 和 $0.08 作比较——他们比较的是在已经集成的平台上产生的边际变化,而这个平台具备电话、网页组件、WhatsApp 和联络中心部署,以及 SOC 2、HIPAA、GDPR、欧盟数据驻留和零留存选项。
第二点是,合规清单本身就是一项有自身定价的产品功能。对于临床或金融语音代理而言,欧盟数据驻留和零保留并非可有可无、可被更便宜模型替代的附加项。微软的公告对 MAI Realtime 1 的数据驻留、保留或认证只字未提——而且该模型处于有限预览阶段,而这恰恰是这些条款通常尚未确定的阶段。
所以,区别不在于“便宜还是昂贵”,而在于“便宜且未经衡量、企业条款仍未写定”与“价格是四倍、文书工作已完成,并附带一个 47.6% 的 agentic 评分,让你自行判断它够不够”之间的对比。

两个都运行,还没做选择
两个模型都兼容 OpenAI Realtime API,这是本次比较中最有用的一个事实。基于该接口编写的语音栈可以指向其中任意一个,这使决策变成配置问题,而不是重写。这也是在评估期间让两者都保持可访问、而不是先选一个再测试的原因。
这正是 OrcaRouter 所针对的场景,而值得精确说明的是其中哪一半适用。MAI Realtime 1 不在我们的目录中——它只能通过 Microsoft 的 MAI Labs 演示和 Foundry 的有限访问预览获取,仅此而已。我们路由的是它背后的那一层:语音代理会升级调用的推理模型,按提供商标价、0% 加价,因此该层级的费率一旦变化,当天就会反映到你的账单上,而不是等到续约时。自动故障转移在语音场景中比其他任何地方都更重要,因为一轮对话卡住就是有人在听着沉默;请求在几百毫秒内切换到第二个提供商是听不出来的,而重试四秒的那种情况正是客户会抱怨的。当预览结束、MAI Realtime 1 全面可用时,同一个密钥和同一套路由规则就能承载它——前提是它进入目录,而目前它还没有。

本周谁应该做什么
如果你的语音智能体是一个支持或日程安排界面,其中大多数轮次都很短,而困难的部分是查询,那么 MAI Realtime 1 的经济性优势非常明显,而且预览是免费的——现在就构建评估,自行测量升级率,并把微软未公布的尾部延迟视为可由你自己的测量来替代的内容。
如果你的智能体的价值在于多步骤工作——跨三个系统预订、验证身份、解决异常——那么 Eleven Realtime Max 上 47.6% 的 agentic 得分是一个可参考的基准,而 MAI Realtime 1 的则是一片空白。在这里只按价格购买,意味着为工作中最难的部分买一个未经测量的模型。
如果合规性先于性能表现决定了你选择哪家供应商,那么微软的公告中没有任何内容会改变你本月得出的答案。有限预览并不是运行受保护数据的地方,而允许你这样做的条款尚未公布。
八倍差距真实存在,而且很可能持久。它也是这里最不有趣的数字,因为决定这场对决的问题是:每分钟一美分的模型能否完成一项任务——而唯一尚未告诉我们答案的,正是出售它的那一方。
