Najlepsi agenci głosowi AI. Ranking rozmów na żywo
Pełny ranking 30 konfiguracji głosowych AI. Sprawdź, które rozmowy wybierają ludzie i którzy agenci faktycznie kończą powierzone zadania.

👁 111 przeczytań
Cartesia wygrywa głosowanie po rozmowie. Grok Voice 3.0 na piątym miejscu załatwia większy odsetek powierzonych spraw. Gdybym wybierał głos do recepcji, zacząłbym od tego, czy po odłożeniu słuchawki w kalendarzu pojawia się właściwy termin. W rankingu z 17 listopada 2026 można te dwie cechy ocenić oddzielnie.
Skąd biorą się dwa wyniki
Uczestnik dostaje scenariusz, rozmawia kolejno z dwoma anonimowymi agentami i wskazuje tego, z którym wolał rozmawiać. Organizator opisał 15 scenariuszy z użyciem narzędzi i 20 bez nich. Elo wynika z wyborów ludzi. W zadaniach wymagających działania ocena powodzenia zależy od końcowych wywołań funkcji. Jeśli agent obiecał rezerwację i nie zapisał jej w systemie, sama uprzejmość nie wystarczy.
Na szczycie różnice Elo są niewielkie wobec niepewności pomiaru. Dla Cartesii oszacowany zakres miejsca to 1-2, dla Gemini 3.1 Flash Live Minimal 1-3. Przy modelach z kilkoma wierszami zostawiam dokładną konfigurację, ponieważ zmiana poziomu myślenia albo głosu może wpłynąć na przebieg rozmowy.
Pełna tabela Speech Agent Arena
| Miejsce i konfiguracja | Elo | Ukończone zadania |
|---|---|---|
| 1. Cartesia Managed Agents | 1111 | 91,7% |
| 2. Gemini 3.1 Flash Live Minimal | 1089 | 74,6% |
| 3. Gemini 3.8 Live | 1074 | 93,2% |
| 4. Gemini 3.1 Flash Live High | 1062 | 71,8% |
| 5. Grok Voice 3.0 | 1059 | 94,8% |
| 6. GPT-Live-1 (Sol, low) | 1037 | 90,9% |
| 7. GPT-Live-1 (Astra, medium) | 1027 | 87,4% |
| 8. Phonic 1 (High) | 1012 | 92,3% |
| 9. GPT-Realtime-1.5 | 1000 | 85,1% |
| 10. Grok Voice 2.0 | 991 | 94,6% |
| 11. Eleven Realtime v1 Max | 990 | 87,1% |
| 12. ElevenLabs Agents (Default Cascaded System) | 985 | 90,5% |
| 13. Eleven Realtime v1 Mini | 981 | 60,3% |
| 14. GPT Realtime (Aug ’25) | 967 | 89,4% |
| 15. Gemini 3.8 Live Extended Thinking (High) | 966 | 89,1% |
| 16. Nova 2.0 Sonic (Mar 2026) | 964 | 57,1% |
| 17. GPT-Realtime-2.1 Minimal | 933 | 89,4% |
| 18. GPT-Realtime-2.1 High | 931 | 91,5% |
| 19. GPT Realtime Mini (Oct ’25) | 922 | 79,6% |
| 20. GPT-Realtime-2 (High) | 920 | 89,8% |
| 21. GPT-Realtime-2 (Minimal) | 918 | 84,7% |
| 22. Nova Sonic | 907 | 57,1% |
| 23. Grok Voice 1.0 | 903 | 80,7% |
| 24. Deepgram Voice Agent (Default Cascaded System) | 901 | 73,7% |
| 25. Inworld Realtime (Default Cascaded System) | 884 | 69,9% |
| 26. Qwen Audio 3.0 Realtime Flash | 858 | 81,7% |
| 27. Qwen3.5 Omni Plus Realtime | 843 | 62,0% |
| 28. GPT-Realtime-2.1 Mini Minimal | 840 | 76,7% |
| 29. Qwen3.5 Omni Flash Realtime | 832 | 29,1% |
| 30. Qwen Audio 3.0 Realtime Plus | 798 | 77,8% |
Stan na 17 listopada 2026, widok Overall Preference. Wartość 1000 przy GPT-Realtime-1.5 została ustalona jako punkt odniesienia skali. Pozycje 26-30 uzupełniają główną listę TOP 25. Wynik nie daje gwarancji obsługi polskiej odmiany nazwisk ani poprawnego zapisu polskich adresów.
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Od preferencji do kosztu
Dla krótkich telefonów sprawdzam, od kiedy usługa liczy minuty i czy podczas oczekiwania na dane nalicza drugi koszt za model językowy. Przy dłuższej konsultacji więcej mówi łączny koszt prawidłowo załatwionej sprawy. Powtórne połączenie po błędnej rezerwacji to też ruch, nawet jeśli za pierwszym razem odpowiedź brzmiała przekonująco.
Wśród premier w ostatnich 30 dniach są Eleven Realtime z 20 października oraz Phonic-1 i Cartesia Managed Agents z 29 października. Daty dotyczą komunikatów producentów. Udostępniona tabela nie pokazuje osobnej daty dołączenia każdego agenta do rankingu.
01Google DeepMind prezentuje Gemini 3.8 Live - nowe modele do rozmów głosowych z rozumowaniem w czasie rzeczywistymGoogle DeepMind udostępniło dwa nowe modele głosowe - Gemini 3.8 Live i Gemini 3.8 Live Extended Thinking - które łączą płynne prowadzenie dialogu z wieloetapowym rozumowaniem w czasie rzeczywistym.Czytaj →
02Grok Voice 3.0: xAI ulepsza agentów głosowych bez podwyżki, 31 groszy za minutęxAI wypuściło Grok Voice 3.0 do agentów głosowych: ta sama cena 0,08 USD za minutę, 20 języków, klonowanie głosu i telefonia. Benchmarki na razie tylko od xAI.Czytaj →
03Eleven Realtime: Mini, Max i agenci głosowiEleven Realtime to rodzina modeli do rozmowy głosowej: Mini do prostszych dialogów i Max do bardziej złożonych zadań. Poniżej możliwości, sposób dostępu i ograniczenia według dokumentacji odczytanej 23 października 2026. To przewodnik po produkcie, nie własny test jakości głosu.Czytaj →Źródła
- https://artificialanalysis.ai/speech-to-speech/arena (odczyt 17.11.2026)
- https://artificialanalysis.ai/articles/announcing-the-speech-agent-arena (odczyt 17.11.2026)
- https://www.cartesia.ai/blog/managed-agents (odczyt 17.11.2026)
- https://phonic.ai/blog/phonic-1 (odczyt 17.11.2026)
- https://elevenlabs.io/blog/realtime (odczyt 17.11.2026)
Link do ElevenLabs jest partnerski: jeśli kupisz przez niego, serwis dostaje prowizję, a Ty płacisz tyle samo. Nie wpływa to na treść, także tam, gdzie piszę krytycznie.

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
- przelomowy.plLaboratorium AutoDNA w Szanghaju: agenci AI sami prowadzą eksperymenty z DNA
- przewagi.plGoogle Ads na Black Friday 2026: agencja od 1 500 zł netto, ChatGPT Ads od 65 zł dziennie i plan na 4 tygodnie
- generatornia.plSuno cena 2026: plany, limity pobrań i prawa autorskie
- jutropis.plKE konsultuje formularz oceny wpływu AI na prawa podstawowe


