登顶语音代理盲测后，评论区更关心那8.3%

在 Artificial Analysis 的 Speech Agent Arena 上，Cartesia Managed Agents 登顶了。

Elo 1115，比 Cartesia 上一代语音代理产品 Line 高出 98 分。任务成功率从 77.5% 升到 91.7%。

这个 Arena 是盲测平台，让人跟不同的语音代理实时对话，再给它们打分。打分不只看发音，更看能不能在对话里把事办成。所以除了 Elo，它还会测任务成功率，也就是在需要工具调用的对话里，多大比例能正确完成整个任务。

具体数据：

• Elo 1115（95% 置信区间 1086 到 1144，685 个样本）
• 需要工具调用的代理任务 Elo 1112
• 91.7% 的合格工具调用对话以正确的最终工具调用结束

Cartesia 是一家做语音模型的公司。Managed Agents 是它的全托管平台，用来开发和部署语音代理。架构是级联的：Cartesia 自家的 Ink 语音转文字和 Sonic 文字转语音，中间跑一个开发者自己选的 LLM。这次评测用的是 GPT-5.5，声音是 Skylar 和 Daniel。

价格：每分钟 0.06 美元，也就是每小时 3.60 美元。LLM 费用按模型单独计。

完整榜单和方法论在 Artificial Analysis 官网 可查。

数据看着亮眼。评论区给出了另一层视角。

有网友说，任务成功率才是语音代理真正该看的数字。打电话的人不会给声音打分，他们只会在代理搞砸预订时挂断。

另一个网友补充，Arena 里的任务是干净的。真实电话里有串扰、糟糕的移动信号、中途打断，还有句子说到一半被纠正。最好能按打断处理和噪声程度拆分成功率。

也有人说得更直接：评测跑在干净音频上，真实电话线里，语音代理的最终 Boss 是一格信号和一台开免提的手机。

还有网友在追问那 8.3% 的失败：中途挂断、超时、工具故障，部署时这些也是用户会真实遇到的结果。91.7% 的成功率听起来不错，但大概每 12 通电话里就有 1 通会失败。客服热线的话，要看是人工接管了，还是机器人直接挂断。

有网友在问：底层模型换了，还是编排带来的增益？

也有网友转发说，数字很猛，但任务完成率比任何人想的都重要。整体看起来还在 Grok 和 Gemini 后面。

这些质疑不无道理。评测跑的是干净音频，真实场景里，一格信号、对方开免提、突然插话，都可能打断工具调用的链条。91.7% 是一次不错的起点，但语音代理要进真实客服系统，还得先过那 8.3% 的关。