ElevenLabs подключила Nemotron от NVIDIA: голосовые агенты на 70% дешевле других open-моделей

Голосовой агент для колл-центра упирается в три проблемы: он должен отвечать быстро, считать без ошибок и не отправлять чужие данные неизвестно куда. ElevenLabs и NVIDIA анонсировали расширение партнёрства, которое бьёт сразу по всем трём. Это пресс-релиз, и цифры в нём заявлены самими компаниями. Но для тех, кто строит голосовых агентов, в нём есть что разобрать.

Nemotron внутри ElevenAgents

Главная новость для разработчиков: NVIDIA Nemotron 3.5 Super VL теперь входит в список моделей платформы ElevenAgents. Nemotron — семейство открытых моделей, заточенных под агентные сценарии: рассуждать, вызывать инструменты, выполнять многошаговые задачи.

По внутреннему бенчмарку ElevenAgents на реалистичных задачах клиентской поддержки модель показала лучшую сквозную точность выполнения задач. Отдельно отмечены финансовые расчёты и анализ счетов. Те самые места, где голосовой бот обычно путает суммы и сроки. При этом, по словам ElevenLabs, она обходится на 70% дешевле других ведущих открытых моделей.

Есть и практичная деталь: у Nemotron можно отключить режим рассуждения. Для простых запросов вроде «во сколько работает отделение» длинная цепочка мыслей не нужна, она лишь добавляет задержку. Благодаря этому модель входит в тройку самых быстрых на платформе. В голосе это критично: пауза в две секунды ощущается как зависший звонок.

Ещё один плюс: Nemotron легко дообучать на корпоративных данных. Компания может сделать свою версию модели и запускать на ней агентов в ElevenAgents. Это путь к тому, чтобы модель, обученная на вашей терминологии и сценариях, оставалась вашим активом.

Железо: ещё 15 МВт

ElevenLabs расширяет собственную on-premises-инфраструктуру. К существующим системам на Blackwell Ultra добавится 15 МВт мощностей на платформе Vera Rubin. Часть нужна крупнейшим клиентам со строгими требованиями к безопасности и хранению данных внутри страны, часть отдана исследовательским командам.

Для продакта вывод простой: «облако где-то в США» перестаёт быть единственным вариантом. Если вы продаёте голосовых агентов банкам, госструктурам или медицине, возможность развернуть решение локально становится аргументом в сделке.

Польша: агент для записи к врачу

Первый суверенный кейс — Centralna e-Rejestracja, центральная система записи на приём в национальной платформе e-Health Польши. Внедрение идёт с партнёром EasyCall.

Сценарий понятный. Агент звонит пациентам, у которых есть только стационарный телефон, напоминает о предстоящем визите и помогает перенести его. Масштаб: около 40 млн приёмов в год, а доля неявок составляет 10–20%. По грубой прикидке, это 4–8 млн пропущенных визитов в год. Даже небольшое снижение даёт ощутимый эффект.

Система работает on-premises на NVIDIA Confidential Computing. Данные граждан и аудио остаются в государственной инфраструктуре и защищены даже во время обработки. Локальный запуск заодно снижает задержку, а для живого разговора это важно.

Роботы пока на уровне планов

Отдельным пунктом идёт голос для физического ИИ. ElevenLabs и NVIDIA изучают запуск голосовых моделей на периферийных устройствах NVIDIA: управление промышленной техникой, роботы на заводе, общение с автомобилем. Формулировки в релизе осторожные: «потенциальные применения», «исследуют». Конкретных продуктов и сроков нет, так что считать это анонсом пока рано.

Что с этим делать

• Если у вас голосовой агент на дорогой закрытой модели, сравните стоимость и точность с Nemotron на своих сценариях. Бенчмарк ElevenLabs внутренний и не заменит ваш собственный тест.
• Разделите запросы на простые и сложные: рассуждение включайте только там, где оно нужно, и экономьте на задержке.
• Если работаете с госсектором или медициной, изучите кейс Польши как шаблон архитектуры: локальный запуск, конфиденциальные вычисления, данные не покидают контур.

Ограничение очевидно: все цифры публикуют сами участники партнёрства, а независимых замеров в релизе нет. Но направление понятно. Голосовые агенты становятся инфраструктурой, а значит, вопросы стоимости, задержки и контроля над данными решают не меньше, чем качество голоса.