Speech Agent Arena ランキングArtificial Analysis
歯科予約や出前の注文といったテーマのライブ音声通話で、ブラインド選好により Speech to Speech モデルを比較します。詳細は 概要と方法論をご覧いただくか、モデルとプロバイダーを比較で他のベンチマークの Speech to Speech モデルを比較できます。
順位範囲 | モデル | Elo | サンプル数 | タスク成功率 | タスク成功率の95%信頼区間 | |
|---|---|---|---|---|---|---|
| 1 | 1-2 |  Gemini 3.1 Flash Live Minimal | 1095±2695%区間 1069〜1121 | 935 | 74.6% | 69.4%/79.2% |
| 2 | 1-4 | Gemini 3.8 Live | 1078±2895%区間 1050〜1105 | 557 | 93.2% | 89.0%/95.8% |
| 3 | 2-6 | Gemini 3.1 Flash Live High | 1066±2595%区間 1041〜1092 | 913 | 71.8% | 66.4%/76.7% |
| 4 | 2-6 |  Grok Voice 3.0 | 1064±2895%区間 1036〜1093 | 637 | 94.8% | 91.6%/96.8% |
| 5 | 3-7 |  GPT-Live-1 (Sol, low) | 1047±2695%区間 1021〜1073 | 730 | 90.9% | 87.2%/93.7% |
| 6 | 3-7 | GPT-Live-1 (Astra, medium) | 1044±2695%区間 1018〜1070 | 681 | 87.4% | 82.9%/90.8% |
| 7 | 5-11 |  Cartesia Line (Default Cascaded System) | 1024±3395%区間 990〜1057 | 266 | 77.5% | 68.9%/84.3% |
| 8 | 8 | GPT-Realtime-1.5 | 1000基準このリーダーボードのEloスケールの基準点として1000に固定されています。 | 876 | 85.1% | 80.8%/88.6% |
| 9 | 7-14 |  Eleven Realtime v1 Max | 997±2895%区間 970〜1025 | 638 | 87.1% | 82.6%/90.6% |
| 10 | 8-14 | Grok Voice 2.0 | 997±2695%区間 971〜1023 | 624 | 94.6% | 91.4%/96.7% |
| 11 | 8-14 | ElevenLabs Agents (Default Cascaded System) | 994±2595%区間 969〜1019 | 840 | 90.5% | 86.7%/93.4% |
| 12 | 8-15 | Eleven Realtime v1 Mini | 988±2895%区間 960〜1016 | 613 | 60.3% | 54.3%/66.0% |
| 13 | 8-15 | Gemini 3.8 Live Extended Thinking (High) | 979±2595%区間 954〜1004 | 724 | 89.1% | 84.7%/92.4% |
| 14 | 9-15 |  Nova 2.0 Sonic (Mar 2026) | 973±2495%区間 949〜998 | 869 | 57.1% | 51.1%/62.9% |
| 15 | 12-15 | GPT Realtime (Aug '25) | 969±2595%区間 944〜993 | 862 | 89.4% | 85.2%/92.6% |
| 16 | 16-21 | GPT-Realtime-2.1 High | 937±2595%区間 912〜962 | 835 | 91.5% | 87.7%/94.3% |
| 17 | 16-21 | GPT-Realtime-2.1 Minimal | 937±2595%区間 912〜961 | 874 | 89.4% | 85.2%/92.5% |
| 18 | 16-23 | GPT-Realtime-2 (High) | 926±2595%区間 901〜950 | 855 | 89.8% | 85.7%/92.9% |
| 19 | 16-23 | GPT Realtime Mini (Oct '25) | 924±2495%区間 900〜948 | 909 | 79.6% | 74.6%/83.8% |
| 20 | 16-23 | GPT-Realtime-2 (Minimal) | 924±2495%区間 899〜948 | 922 | 84.7% | 80.3%/88.3% |
| 21 | 16-23 | Nova Sonic | 913±2695%区間 887〜938 | 827 | 57.1% | 51.6%/62.5% |
| 22 | 18-23 | Grok Voice 1.0 | 908±2695%区間 882〜934 | 864 | 80.7% | 75.8%/84.8% |
| 23 | 18-23 |  Deepgram Voice Agent (Default Cascaded System) | 908±2595%区間 883〜932 | 886 | 73.7% | 68.5%/78.2% |
| 24 | 24 |  Inworld Realtime (Default Cascaded System) | 882±2595%区間 857〜907 | 880 | 69.9% | 64.3%/75.0% |
| 25 | 25-28 |  Qwen3.5 Omni Plus Realtime | 852±2595%区間 827〜878 | 888 | 62.0% | 56.4%/67.2% |
| 26 | 24-28 | Qwen Audio 3.0 Realtime Flash | 847±3695%区間 811〜883 | 245 | 81.7% | 70.1%/89.4% |
| 27 | 25-28 | Qwen3.5 Omni Flash Realtime | 843±2595%区間 818〜868 | 922 | 29.1% | 24.0%/34.8% |
| 28 | 25-28 | GPT-Realtime-2.1 Mini Minimal | 840±2595%区間 814〜865 | 912 | 76.7% | 71.1%/81.4% |
| 29 | 29 | Qwen Audio 3.0 Realtime Plus | 793±3995%区間 755〜832 | 267 | 77.8% | 66.9%/85.8% |