Ranking da Speech Agent ArenaArtificial Analysis
Compare modelos Speech to Speech por preferência cega em conversas de voz ao vivo sobre temas como marcar consulta odontológica e pedir comida. Para mais detalhes, consulte visão geral e metodologia, ou visite Comparar modelos e provedores para comparar modelos Speech to Speech em outros benchmarks.
Faixa | Modelo | Elo | Amostras | Taxa de sucesso em tarefas | IC de 95% da taxa de sucesso | |
|---|---|---|---|---|---|---|
| 1 | 1-2 |  Gemini 3.1 Flash Live Minimal | 1095±26Intervalo de 95%: 1069 a 1121 | 935 | 74,6% | 69,4%/79,2% |
| 2 | 1-4 | Gemini 3.8 Live | 1078±28Intervalo de 95%: 1050 a 1105 | 557 | 93,2% | 89,0%/95,8% |
| 3 | 2-6 | Gemini 3.1 Flash Live High | 1066±25Intervalo de 95%: 1041 a 1092 | 913 | 71,8% | 66,4%/76,7% |
| 4 | 2-6 |  Grok Voice 3.0 | 1064±28Intervalo de 95%: 1036 a 1093 | 637 | 94,8% | 91,6%/96,8% |
| 5 | 3-7 |  GPT-Live-1 (Sol, low) | 1047±26Intervalo de 95%: 1021 a 1073 | 730 | 90,9% | 87,2%/93,7% |
| 6 | 3-7 | GPT-Live-1 (Astra, medium) | 1044±26Intervalo de 95%: 1018 a 1070 | 681 | 87,4% | 82,9%/90,8% |
| 7 | 5-11 |  Cartesia Line (Default Cascaded System) | 1024±33Intervalo de 95%: 990 a 1057 | 266 | 77,5% | 68,9%/84,3% |
| 8 | 8 | GPT-Realtime-1.5 | 1000ÂncoraFixado em 1000 como ponto de referência da escala Elo deste ranking. | 876 | 85,1% | 80,8%/88,6% |
| 9 | 7-14 |  Eleven Realtime v1 Max | 997±28Intervalo de 95%: 970 a 1025 | 638 | 87,1% | 82,6%/90,6% |
| 10 | 8-14 | Grok Voice 2.0 | 997±26Intervalo de 95%: 971 a 1023 | 624 | 94,6% | 91,4%/96,7% |
| 11 | 8-14 | ElevenLabs Agents (Default Cascaded System) | 994±25Intervalo de 95%: 969 a 1019 | 840 | 90,5% | 86,7%/93,4% |
| 12 | 8-15 | Eleven Realtime v1 Mini | 988±28Intervalo de 95%: 960 a 1016 | 613 | 60,3% | 54,3%/66,0% |
| 13 | 8-15 | Gemini 3.8 Live Extended Thinking (High) | 979±25Intervalo de 95%: 954 a 1004 | 724 | 89,1% | 84,7%/92,4% |
| 14 | 9-15 |  Nova 2.0 Sonic (Mar 2026) | 973±24Intervalo de 95%: 949 a 998 | 869 | 57,1% | 51,1%/62,9% |
| 15 | 12-15 | GPT Realtime (Aug '25) | 969±25Intervalo de 95%: 944 a 993 | 862 | 89,4% | 85,2%/92,6% |
| 16 | 16-21 | GPT-Realtime-2.1 High | 937±25Intervalo de 95%: 912 a 962 | 835 | 91,5% | 87,7%/94,3% |
| 17 | 16-21 | GPT-Realtime-2.1 Minimal | 937±25Intervalo de 95%: 912 a 961 | 874 | 89,4% | 85,2%/92,5% |
| 18 | 16-23 | GPT-Realtime-2 (High) | 926±25Intervalo de 95%: 901 a 950 | 855 | 89,8% | 85,7%/92,9% |
| 19 | 16-23 | GPT Realtime Mini (Oct '25) | 924±24Intervalo de 95%: 900 a 948 | 909 | 79,6% | 74,6%/83,8% |
| 20 | 16-23 | GPT-Realtime-2 (Minimal) | 924±24Intervalo de 95%: 899 a 948 | 922 | 84,7% | 80,3%/88,3% |
| 21 | 16-23 | Nova Sonic | 913±26Intervalo de 95%: 887 a 938 | 827 | 57,1% | 51,6%/62,5% |
| 22 | 18-23 | Grok Voice 1.0 | 908±26Intervalo de 95%: 882 a 934 | 864 | 80,7% | 75,8%/84,8% |
| 23 | 18-23 |  Deepgram Voice Agent (Default Cascaded System) | 908±25Intervalo de 95%: 883 a 932 | 886 | 73,7% | 68,5%/78,2% |
| 24 | 24 |  Inworld Realtime (Default Cascaded System) | 882±25Intervalo de 95%: 857 a 907 | 880 | 69,9% | 64,3%/75,0% |
| 25 | 25-28 |  Qwen3.5 Omni Plus Realtime | 852±25Intervalo de 95%: 827 a 878 | 888 | 62,0% | 56,4%/67,2% |
| 26 | 24-28 | Qwen Audio 3.0 Realtime Flash | 847±36Intervalo de 95%: 811 a 883 | 245 | 81,7% | 70,1%/89,4% |
| 27 | 25-28 | Qwen3.5 Omni Flash Realtime | 843±25Intervalo de 95%: 818 a 868 | 922 | 29,1% | 24,0%/34,8% |
| 28 | 25-28 | GPT-Realtime-2.1 Mini Minimal | 840±25Intervalo de 95%: 814 a 865 | 912 | 76,7% | 71,1%/81,4% |
| 29 | 29 | Qwen Audio 3.0 Realtime Plus | 793±39Intervalo de 95%: 755 a 832 | 267 | 77,8% | 66,9%/85,8% |