자연스러운 음성 상담 AI를 만들 때, Eleven Realtime 두 모델의 차이와 선택 기준

2026년 11월, Realtime v1 Mini와 v1 Max 중 무엇을 먼저 시험할 것인가

이 비교가 필요한 사람, 그리고 결론 요지

음성 상담 AI를 만들 계획이 있거나 이미 시범 운영 중이라면, Eleven Realtime의 두 모델 중 무엇을 기본값으로 둘지가 곧 첫 번째 설계 결정이 됩니다. ElevenLabs는 2026년 10월 20일 Eleven Realtime v1 Mini와 v1 Max를 공개했고, 10월 29일 갱신된 제품 글에서 두 모델을 각각 자연스러운 대화용, 복잡한 작업용으로 구분했습니다.

결론부터 요약하면 다음과 같습니다.

① Mini는 낮은 비용으로 자연스러운 대화를 하는 모델이고, 공식 안내상 대부분의 용도에 충분하다고 설명됩니다.
② Max는 복잡한 지시와 다단계 도구 호출처럼 응답 전 판단이 중요한 상담에 맞춰져 있습니다.
③ 공개된 벤치마크에서 추론·도구 사용 수치는 Max가 크게 앞서고, 양방향 대화 점수는 Mini가 근소하게 앞섭니다. 숫자가 한 방향으로만 기울지 않습니다.
④ 데이터·규정 조건에 따라 사용 가능한 모델 자체가 갈릴 수 있습니다.

따라서 이 글이 권하는 순서는 먼저 Mini로 기본 대화 품질과 비용을 확인하고, 다단계 업무나 규정 요건이 있을 때 Max를 검증하는 방식입니다. 다만 벤치마크는 실제 고객 상담의 성공률이나 한국어 품질을 보증하는 수치가 아닙니다. 마지막에는 반드시 실제 업무 음성으로 확인해야 합니다.

두 모델을 무엇을 기준으로 비교하나

두 모델은 이름이 같은 계열이고 입출력 형태도 같아서, 겉으로는 성능 등급 차이처럼 보입니다. 하지만 실제 선택에서는 "더 좋은 모델"이 아니라 내 상담 업무에 어떤 특성이 필요한가가 기준이 됩니다. 이 글은 점수나 가중치를 매기지 않고, 아래 다섯 가지 축으로 두 모델을 나란히 봅니다.

첫째, 대화의 자연스러움입니다. 말이 끊기고 겹치는 상황을 얼마나 매끄럽게 다루는지, 응답이 얼마나 빨리 시작되는지를 봅니다.

둘째, 업무 처리 능력입니다. 음성 추론 능력과 도구 호출을 거친 과제 완료율을 봅니다.

셋째, 비용 구조입니다. 연결 시간 요금과 토큰 요금을 나눠서 봅니다.

넷째, 제공 경로와 설정 제약입니다. 어떤 제품에서, 어떤 모드로 쓸 수 있는지를 봅니다.

다섯째, 데이터·규정 조건입니다. 데이터 보존 설정, 의료 정보 환경, 데이터 레지던시 같은 조건에서 쓸 수 있는지를 봅니다.

한 가지 먼저 짚어 둘 점이 있습니다. 이 두 모델은 음성을 입력받아 음성을 내보내지만, 내부가 하나로 합쳐진 단일 모델인 ‘퓨즈드’ 구조는 아닙니다. 음성 인식, 턴 판단, 언어 모델, 음성 합성을 별도 구성요소로 두고 전체를 함께 조정하는 캐스케이드 구조입니다. 세부 구성 모델은 공개되지 않았습니다. 그래서 개별 구성요소의 성능을 따로 따져 볼 수는 없고, 완성된 전체를 하나의 시스템으로 평가해야 합니다. 이 점은 테스트 방식에도 영향을 줍니다. 어느 부분이 문제인지 분해해서 진단하기보다, 실제 통화 전체를 녹음해 비교하는 접근이 현실적입니다.

Realtime v1 Mini: 낮은 비용으로 자연스러운 대화를 맡는 모델

Mini는 대화의 매끄러움과 비용을 우선하는 선택지입니다. 공식 안내는 Mini를 낮은 비용으로 자연스러운 대화를 하는 모델로 설명하며, 대부분의 용도에 충분하다고 안내합니다.

강점

대화 역동성 항목에서 Mini가 앞섭니다. ElevenLabs가 공개한 평가에서 Full-Duplex-Bench 점수는 Mini 95.8%, Max 94.1%였습니다. 차이는 1.7%포인트로 크지 않지만, 두 모델 중 대화의 흐름 면에서는 Mini가 더 높게 나온 것은 분명합니다. 이 벤치마크는 동시에 말하고 듣는 양방향 대화 상황을 다루는 것으로, 상담원이 말하는 도중 고객이 끼어들거나 맞장구를 치는 상황에서 얼마나 자연스럽게 반응하는지와 관련이 있습니다.

비용 면에서도 구조적 이점이 있습니다. 2026년 11월 2일 확인한 가격표에서 Mini의 100만 토큰당 입력 요금은 $0.20, 출력 요금은 $6.00입니다. Max의 입력 $1.80, 출력 $9.00과 비교하면 입력은 9배, 출력은 1.5배 차이입니다. 출력 쪽 차이는 크지 않지만, 입력 토큰이 많이 쌓이는 상담(긴 시스템 지시문, 긴 대화 이력, 도구 결과 반복 주입)에서는 입력 단가 차이가 총액에 크게 반영될 수 있습니다.

한계

추론과 도구 사용 수치에서는 Max와 격차가 큽니다.

Big Bench Audio 정답률은 Mini 75.9%로, Max의 98.8%보다 22.9%포인트 낮습니다.

도구 사용 과제 완료율은 Mini 60.3%로, Max의 87.1%보다 26.8%포인트 낮습니다.

이 수치가 의미하는 바는 분명합니다. 단순 안내, 가벼운 질의응답, 정해진 흐름의 응대라면 Mini로 충분할 가능성이 높지만, 조회·예약·후속 조치처럼 도구 호출이 이어지는 상담에서는 Mini가 과제를 끝내지 못할 가능성을 감안해야 합니다. 물론 이 수치는 공개된 평가 과제 기준이고 실제 업무 데이터에서의 완료율과는 다를 수 있습니다.

제공 조건상의 제약

문서상 Mini는 미국·EU의 Zero Retention Mode 및 HIPAA 환경에서 사용할 수 없습니다. 의료 정보를 다루거나 통화 데이터를 보존하지 않는 설정이 필수인 조직이라면, 성능 이전에 Mini가 선택지에서 빠집니다.

Realtime v1 Max: 복잡한 상담의 판단을 맡는 모델

Max는 응답하기 전에 무엇을 해야 하는지 판단하는 일이 중요한 상담에 맞춰진 모델입니다. 공식 안내는 복잡한 지시와 다단계 도구 호출을 대표 사례로 듭니다.

강점

추론 벤치마크와 도구 사용 과제에서 확실히 앞섭니다. Big Bench Audio 정답률은 Max 98.8%, Mini 75.9%였고, 도구 사용 과제 완료율은 Max 87.1%, Mini 60.3%였습니다. 응답 속도도 평균 첫 오디오 응답 시간이 Max 0.57초, Mini 0.62초로, 더 무거운 모델임에도 Max가 0.05초 빨랐습니다. 이 차이는 체감하기 어려울 정도로 작지만, "Max는 느리다"는 일반적인 가정이 이 평가에서는 성립하지 않았다는 점은 기억해 둘 만합니다.

규정 측면에서도 선택지가 됩니다. 문서상 Max는 Mini가 쓸 수 없는 미국·EU의 Zero Retention Mode 및 HIPAA 환경에서 제공됩니다.

한계

비용이 더 높습니다. 입력 토큰 요금이 Mini의 9배, 출력 토큰 요금이 1.5배입니다.

대화 역동성 점수는 Mini보다 1.7%포인트 낮은 94.1%입니다. 절대 수치로는 여전히 높지만, 대화의 자연스러움만 놓고 보면 Max가 Mini를 앞서지는 못했습니다.

제공 조건에도 제약이 있습니다. 문서상 Max는 인도·싱가포르 데이터 레지던시에서는 제공되지 않으며, 토큰 한도를 1,024 이상 또는 무제한으로 설정해야 합니다. 토큰 한도를 낮게 묶어 비용을 통제하려던 설계라면, 이 조건과 충돌하는지 먼저 확인해야 합니다.

지표별로 읽는 두 모델의 차이

이제 항목별로 숫자를 나눠 보고, 각 숫자가 실무에서 무엇을 뜻하는지 풀어 보겠습니다.

음성 추론: 22.9%포인트 차이

Big Bench Audio는 음성으로 주어진 문제를 얼마나 정확히 푸는지 보는 벤치마크입니다.

Max가 22.9%포인트 앞섭니다. 이는 음성으로 들은 복잡한 질문을 이해하고 논리적으로 답하는 능력의 차이를 시사합니다. 다만 이 수치는 해당 벤치마크의 결과이지, 실제 상담 해결률을 보장하는 수치가 아닙니다. 고객 상담에는 불명확한 발화, 소음, 사투리, 감정 섞인 요구가 있어서, 벤치마크 문제와는 성격이 다릅니다. 두 모델의 격차 방향을 읽는 참고 자료로 쓰는 것이 적절합니다.

응답 속도: 0.05초 차이

평균 첫 오디오 응답 시간은 이렇습니다.

차이는 0.05초입니다. 이 정도 차이는 통화 중에 사용자가 인지하기 어렵습니다. 응답 속도를 이유로 Max를 피하거나 Mini를 고를 근거는 이 평가에서는 약합니다. 다만 평균값이므로, 실제 서비스에서는 도구 호출이 끼는 구간이나 네트워크 환경에서 지연이 어떻게 분포하는지 별도로 측정해야 합니다.

대화 역동성: Mini가 1.7%포인트 앞섬

Full-Duplex-Bench 점수는 다음과 같습니다.

이 항목은 Mini가 앞섭니다. 중요한 점은 두 수치 모두 높은 수준이고 차이가 작다는 것입니다. 대화 자연스러움을 이유로 Mini를 고르는 것은 가능하지만, Max가 부자연스럽다고 해석하면 안 됩니다. 반대로 Max의 추론 강점이 대화 품질을 희생한 대가라고 단정할 근거도 없습니다.

도구 사용 과제 완료율: 26.8%포인트 차이

조회·예약·후속 조치 같은 도구 호출이 많은 상담과 가장 직접 연결되는 지표입니다.

격차는 26.8%포인트로, 네 가지 지표 중 가장 큽니다. 도구 호출이 상담의 핵심 가치인 서비스라면 Max를 우선 시험할 근거가 있습니다. 반대로 도구를 거의 쓰지 않는 상담이라면 이 격차는 크게 중요하지 않습니다. 이 수치도 공개 평가 과제 기준이므로 실제 업무 데이터로 재검증해야 합니다.

위 차트에서 읽어야 할 핵심은 방향의 차이입니다. 세 지표 중 두 개(추론, 도구 사용)에서는 Max가 크게 앞서고, 한 개(대화 역동성)에서는 Mini가 근소하게 앞섭니다. 평균 첫 오디오 응답 시간은 단위가 달라 같은 차트에 넣지 않았습니다.

요금은 연결 시간과 토큰을 나눠서 본다

총 비용은 통화 시간만으로 정해지지 않습니다. 2026년 11월 2일 확인한 Realtime API 가격표를 기준으로 보면 요금은 두 갈래로 나뉩니다.

① 연결 오디오 요금: 두 모델 모두 추가 분당 $0.080
② 토큰 요금: 100만 토큰당 입력·출력 요금이 모델별로 다름

연결 오디오 요금은 두 모델이 같다

연결 오디오 요금이 같으므로, 통화 시간에 비례하는 부분에서는 모델 선택이 비용 차이를 만들지 않습니다. 차이는 토큰 요금에서 생깁니다.

토큰 요금은 대화 설계에 좌우된다

입력 토큰 단가 차이가 9배이므로, 입력 토큰이 많이 쌓이는 설계일수록 모델 선택의 비용 영향이 커집니다. 예를 들면 이런 경우입니다.

시스템 지시문이 길고 상담 규칙이 많은 경우

대화가 길어져 이전 발화가 계속 컨텍스트에 포함되는 경우

도구 호출 결과(조회 결과 등)가 반복해서 모델에 입력되는 경우

반대로 짧은 통화가 대부분이고 입력이 적다면, 입력 단가 차이가 총액에 미치는 영향은 제한적입니다. 이 글은 구체적인 통화당 비용 금액을 계산하지 않습니다. 토큰 사용량은 지시문 길이, 대화 방식, 도구 구성에 따라 달라서 가격표만으로는 추정할 수 없기 때문입니다. 자기 서비스의 통화 샘플을 몇 건 돌려 실제 토큰 사용량을 측정한 뒤, 가격표 단가를 곱해 보는 것이 정확합니다.

플랫폼 경로에 따라 과금이 달라진다

여기서 주의할 점이 있습니다. API 가격표는 Realtime API 기준입니다. ElevenAgents의 Realtime 모드는 에이전트 분당 요금에 모델의 입력·캐시 입력·출력 토큰 요금이 더해지는 과금 구조입니다. 그러므로 API 가격표만으로 플랫폼의 전체 상담 비용을 계산하면 안 되고, 선택한 상품 경로의 요금과 실제 토큰 사용량을 확인해야 합니다.

또한 API 가격표에는 동시 통화 한도를 넘는 연결 오디오에 붙는 버스트 요금(분당 $0.160)이 있습니다. 평소에는 한도 안에서 운영되더라도, 이벤트나 캠페인으로 통화가 몰리는 시기에는 연결 오디오 단가가 기본의 두 배가 될 수 있습니다. 동시 통화가 급증할 가능성이 있는 서비스라면 이 항목을 비용 시나리오에 포함해야 합니다.

제공 경로와 설정 제약: 쓰기 전에 확인할 것

성능과 요금이 맞더라도 제공 조건이 맞지 않으면 쓸 수 없습니다. 공개된 문서에서 확인되는 제약은 다음과 같습니다.

① 두 모델은 워크스페이스별로 순차 제공 중입니다. 내 워크스페이스에서 바로 보이지 않을 수 있습니다.
② 제공 경로는 ElevenAgents와 Realtime API이며, Realtime API는 WebSocket 연결 전용입니다.
③ ElevenAgents에서는 에이전트를 Realtime 모드로 설정해야 두 모델을 쓸 수 있습니다.
④ 커스텀 LLM, Amazon Bedrock, 관리 대상 설정을 덮어쓰는 워크플로 노드가 필요하면 Custom 모드를 유지해야 합니다.

네 번째 항목은 특히 중요합니다. 이미 자체 언어 모델을 연결해 쓰고 있거나, 워크플로 노드로 설정을 세밀하게 덮어쓰는 구조라면 Realtime 모드로 전환하는 순간 그 기능을 쓰지 못할 수 있습니다. 모델 성능 이전에 기존 구성과 호환되는지가 먼저 걸러지는 조건입니다.

규정·데이터 조건은 다음과 같이 정리됩니다.

표에서 Mini의 인도·싱가포르 항목은 "문서상 제한 안내 없음"으로 적었습니다. 공개된 자료에서 해당 환경의 Mini 제공 여부가 별도로 언급되지 않기 때문에, 실제로 필요한 지역이라면 제공 여부를 직접 확인해야 합니다.

이 표가 보여 주는 점은 분명합니다. 규정 요건이 선택을 먼저 결정하는 경우가 있습니다. 의료 정보를 다루거나 데이터 비보존 설정이 필수라면 Mini는 후보에서 빠지고, 반대로 인도·싱가포르 데이터 레지던시가 필수라면 Max가 후보에서 빠집니다. 두 요건이 동시에 걸리면 두 모델 모두 조건을 만족하지 못할 수 있으므로, 설계 초기에 이 부분을 가장 먼저 확인하는 것이 안전합니다.

한국어 상담에서 따로 확인해야 하는 것

두 모델은 90개 이상 언어와 ElevenLabs 음성 라이브러리를 지원한다고 발표됐습니다. 하지만 한국어 지원 여부와 상담 음질은 별도로 테스트하는 편이 안전합니다. 지원 언어 수가 많다는 것이 개별 언어의 상담 품질을 보증하지는 않기 때문입니다.

한국어 상담에서 직접 확인하면 좋은 항목은 다음과 같습니다.

① 숫자·날짜·금액을 읽는 방식: 고유어 수와 한자어 수의 구분, 전화번호나 예약 번호의 끊어 읽기
② 존댓말과 어미의 일관성: 통화 중간에 말투가 흔들리지 않는지
③ 고유명사 발음: 제품명, 지점명, 사람 이름
④ 지역어와 억양이 섞인 발화의 인식
⑤ 통화 환경 소음: 이동 중, 실외, 스피커폰 상태에서의 인식률
⑥ 고객이 말을 끊거나 맞장구를 칠 때의 반응

공개된 벤치마크 수치는 이런 한국어 상담 상황을 대표하지 않습니다. 따라서 위 항목들을 반영한 자체 테스트 세트를 만드는 것이 두 모델을 비교하는 가장 확실한 방법입니다.

한눈에 비교

지금까지 다룬 항목을 한곳에 모으면 다음과 같습니다.

이 표를 볼 때 놓치기 쉬운 점은, 어느 한쪽이 모든 칸에서 앞서지 않는다는 것입니다. Max는 추론·도구 사용·응답 속도·규정 대응에서 앞서지만, 대화 역동성 점수와 토큰 단가에서는 Mini가 낫습니다. 어떤 칸이 내 서비스에 중요한지를 먼저 정해야 표가 의미를 갖습니다.

상황별로 어떤 칸을 먼저 봐야 하는지 짧게 정리하면 이렇습니다.

도구 호출이 상담의 핵심이라면: 도구 사용 과제 완료율과 추론 정답률 칸

대화의 매끄러움과 단가가 중요하다면: Full-Duplex-Bench와 토큰 요금 칸

규정 요건이 있다면: 데이터·규정 조건 칸을 가장 먼저

상황별 선택 기준

Mini부터 시험하는 것이 맞는 경우

① 상담이 안내, FAQ 응답, 단순 접수처럼 정해진 흐름 위주인 경우
② 도구 호출이 없거나 한 번 정도로 끝나는 경우
③ 대화가 끊기지 않고 자연스럽게 이어지는 경험이 서비스 가치의 중심인 경우
④ 입력 토큰이 많이 쌓이는 설계라서 단가 차이가 총액에 크게 영향을 주는 경우
⑤ 통화량이 많아 단위 비용을 낮춰야 하는 경우

이 경우에도 한국어 음질과 실제 통화 환경에서의 인식을 먼저 확인해야 합니다. Mini가 대부분의 용도에 충분하다는 공식 안내는 전제일 뿐, 내 서비스에도 충분하다는 보증은 아닙니다.

Max를 시험해야 하는 경우

① 상담 중 조회 → 판단 → 예약 변경 → 후속 조치처럼 도구 호출이 여러 단계로 이어지는 경우
② 지시문이 복잡하고 예외 규칙이 많아, 응답 전에 판단해야 할 일이 많은 경우
③ 도구 호출이 한 번 실패하면 고객 경험이 크게 나빠지는 업무인 경우
④ 미국·EU Zero Retention Mode나 HIPAA 환경이 필요한 경우 (이 경우는 Max가 사실상 유일한 선택지)

두 모델 모두 조건을 확인해야 하는 경우

① 인도·싱가포르 데이터 레지던시가 필요하면 Max는 제공되지 않으므로, Mini의 제공 여부를 직접 확인해야 합니다.
② 커스텀 LLM이나 Amazon Bedrock, 관리 대상 설정을 덮어쓰는 워크플로 노드가 필요하면 Realtime 모드가 아닌 Custom 모드를 유지해야 하므로, 두 모델 모두 이 경로에서는 쓰지 못할 수 있습니다.
③ 워크스페이스에 아직 모델이 순차 제공되지 않았다면 사용 가능 시점을 확인해야 합니다.

권장 검증 절차

이 글이 제안하는 순서는 다음과 같습니다.

Step 1. 제약 조건부터 걸러냅니다. 규정(Zero Retention, HIPAA, 데이터 레지던시), 기존 구성(커스텀 LLM, 워크플로 노드), 토큰 한도 설정을 확인해 후보 모델을 정합니다.

Step 2. 테스트 통화 세트를 만듭니다. 실제 상담 로그에서 대표적인 시나리오를 뽑되, 쉬운 건과 어려운 건, 도구 호출이 많은 건과 적은 건, 소음이 있는 건을 섞어 구성합니다. 한국어 숫자·고유명사·존댓말도 포함합니다.

Step 3. Mini로 먼저 돌립니다. 대화 품질, 한국어 음질, 끼어들기 반응을 확인하고, 통화당 토큰 사용량을 기록합니다.

Step 4. 실패 유형을 분류합니다. 말이 부자연스러워서 실패한 건지, 도구 호출을 끝내지 못해서 실패한 건지, 판단이 틀려서 실패한 건지 나눕니다. 실패의 대부분이 도구 호출·판단 쪽이라면 Max를 같은 세트로 돌립니다.

Step 5. Max로 같은 세트를 돌려 비교합니다. 과제 완료율, 대화 품질, 통화당 토큰 사용량을 Mini와 나란히 기록합니다.

Step 6. 비용과 성공률을 함께 봅니다. 완료율이 올라간 만큼의 가치가 토큰 단가 상승분을 상회하는지, 업무 단위(예약 1건 완료 등)로 환산해 판단합니다.

비용을 따질 때의 순서

비용 비교에서 가장 흔한 실수는 단가표의 숫자만 나란히 놓고 결론을 내리는 것입니다. 이 글은 구체적 총액이나 투자 대비 효과를 계산하지 않지만, 계산할 때 따라야 할 순서는 제시할 수 있습니다.

첫째, 어떤 상품 경로를 쓸지 먼저 정합니다. Realtime API를 직접 쓰는지, ElevenAgents의 Realtime 모드를 쓰는지에 따라 요금 구조가 다릅니다. 후자는 에이전트 분당 요금에 입력·캐시 입력·출력 토큰 요금이 더해집니다.

둘째, 샘플 통화로 토큰 사용량을 측정합니다. 통화당 평균 입력·출력 토큰을 모델별로 기록합니다. 같은 시나리오라도 모델마다 응답 길이와 도구 호출 횟수가 달라 토큰 사용량이 다를 수 있습니다.

셋째, 시간 기반 요금과 토큰 기반 요금을 따로 계산합니다. 연결 오디오는 통화 시간에 분당 $0.080을 곱하고, 토큰 요금은 측정한 사용량에 단가를 곱합니다. 두 값을 합칩니다.

넷째, 피크 시간대의 동시 통화를 확인합니다. 동시 통화 한도를 넘으면 연결 오디오가 분당 $0.160으로 올라가므로, 통화가 몰리는 시나리오를 별도로 계산합니다.

다섯째, 성공 건당 비용으로 환산합니다. 통화당 비용이 낮아도 완료율이 낮으면 재통화나 상담원 연결이 늘어 실질 비용이 올라갈 수 있습니다. 반대로 단가가 높아도 완료율이 높으면 건당 비용이 낮아질 수 있습니다. 어느 쪽이 유리한지는 실측 없이는 알 수 없습니다.

벤치마크를 읽을 때의 주의점

이 글에 인용한 수치는 모두 ElevenLabs가 공개한 평가 결과입니다. 이 수치들을 실무 판단에 쓸 때는 몇 가지를 구분해서 읽어야 합니다.

벤치마크 점수는 상담 성공률이 아닙니다. Big Bench Audio 정답률 98.8%는 해당 벤치마크 문제를 맞힌 비율이지, 실제 고객 상담의 98.8%가 해결된다는 뜻이 아닙니다.

도구 사용 완료율은 평가 과제 기준입니다. 87.1%라는 수치는 공개 평가의 과제 구성에서 나온 값이므로, 내 서비스의 도구 구성·API 응답 속도·오류 처리와는 다릅니다. 오히려 도구 정의가 모호하거나 API가 불안정하면 두 모델 모두 완료율이 낮아질 수 있습니다.

지표마다 방향이 다릅니다. 추론과 도구 사용은 Max가, 대화 역동성은 Mini가 앞섭니다. 한 지표만 골라 "Max가 더 좋다" 또는 "Mini로 충분하다"고 말하면 절반만 맞는 이야기가 됩니다.

한국어 성능은 공개 수치로 확인되지 않습니다. 공개된 자료에서는 한국어 상담 품질을 별도로 보여 주는 수치가 확인되지 않습니다. 따라서 한국어 서비스라면 자체 테스트가 선택의 가장 중요한 근거가 됩니다.

자주 묻는 질문

Q. Mini로 시작했다가 나중에 Max로 바꾸려면 구조를 다시 짜야 하나요?

두 모델이 같은 제공 경로(ElevenAgents의 Realtime 모드, Realtime API)에서 제공된다는 점은 확인됩니다. 다만 모델 교체 시 코드나 설정이 어느 정도 바뀌는지, 프롬프트를 다시 튜닝해야 하는지에 대한 세부 내용은 공개된 자료에서 확인되지 않습니다. 그래서 처음부터 모델 선택을 설정값으로 분리해 두고, 같은 테스트 세트로 두 모델을 번갈아 돌릴 수 있게 설계해 두는 편이 안전합니다. 또한 Max는 토큰 한도를 1,024 이상 또는 무제한으로 설정해야 하므로, Mini에서 낮은 토큰 한도를 쓰고 있었다면 전환 시 그 설정부터 점검해야 합니다.

Q. 응답이 가장 빠른 모델이 가장 자연스러운 모델인가요?

이 평가 결과로는 그렇게 보기 어렵습니다. 평균 첫 오디오 응답 시간은 Max가 0.57초로 Mini의 0.62초보다 짧았지만, 대화 역동성을 보는 Full-Duplex-Bench에서는 Mini가 95.8%로 Max의 94.1%보다 높았습니다. 응답 시작 시간과 양방향 대화의 매끄러움은 서로 다른 측정 항목이고, 자연스러움에는 끼어들기·맞장구·침묵 처리 같은 요소가 함께 작용합니다. 두 지표 모두 차이가 작으므로, 실제 통화를 들어 보며 판단하는 것이 가장 확실합니다.

Q. 자체 언어 모델을 연결해 쓰고 있는데 Realtime 모드로 바꿀 수 있나요?

공개된 문서에 따르면 커스텀 LLM, Amazon Bedrock, 관리 대상 설정을 덮어쓰는 워크플로 노드가 필요하면 Custom 모드를 유지해야 합니다. 즉 이런 구성이 필수라면 두 모델을 쓰는 Realtime 모드로는 요건을 충족하지 못할 수 있습니다. 어떤 기능을 포기하고 모델 이점을 취할지, 혹은 기존 구성을 유지할지는 서비스에서 각 기능이 얼마나 필수인지에 달려 있습니다.

먼저 제약을 거르고, Mini로 기준선을 만들고, 필요할 때 Max를 검증한다

Eleven Realtime의 두 모델은 서로의 상위·하위 호환이 아니라 방향이 다른 선택지입니다. Mini는 낮은 비용과 자연스러운 대화에, Max는 복잡한 지시와 다단계 도구 호출 같은 판단 중심 상담에 맞춰져 있고, 공개된 수치도 이 구분과 같은 방향을 가리킵니다. 추론 정답률은 98.8%와 75.9%, 도구 사용 완료율은 87.1%와 60.3%로 Max가 앞서고, 양방향 대화 점수는 95.8%와 94.1%로 Mini가 앞섭니다.

선택의 순서는 이렇게 정리할 수 있습니다.

① 규정·데이터 조건과 기존 구성(커스텀 LLM, 워크플로 노드, 토큰 한도)을 먼저 확인해 쓸 수 있는 모델을 거릅니다.
② 남은 후보 중 Mini로 대화 품질, 한국어 음질, 통화당 토큰 사용량의 기준선을 만듭니다.
③ 실패가 도구 호출과 판단에 몰려 있거나 규정 요건이 Max를 요구한다면, 같은 테스트 세트로 Max를 검증합니다.
④ 시간 기반 요금과 토큰 요금, 버스트 요금을 나눠 계산하고, 성공 건당 비용으로 환산해 최종 결정합니다.

이 글의 모든 수치는 공개된 평가와 2026년 11월 2일 확인한 가격표에 근거한 것이며, 어느 것도 실제 고객 상담의 성공률이나 한국어 품질을 보증하지 않습니다. 가장 신뢰할 수 있는 근거는 내 서비스의 실제 통화 음성으로 두 모델을 나란히 돌려 본 결과입니다. 제품 정보와 가격은 바뀔 수 있으므로 도입 직전에 아래 공식 문서에서 최신 내용을 다시 확인하시길 권합니다.

공식 출처
https://elevenlabs.io/blog/realtime
https://elevenlabs.io/docs/eleven-agents/customization/realtime-models
https://elevenlabs.io/pricing/api