Hoppa till navigering

Modeller

Lär dig välja rätt modell för ditt användningsfall

ElevenAgents erbjuder ett enhetligt gränssnitt för att ansluta din agent till flera modeller och leverantörer, med flexibilitet, tillförlitlighet och kostnadsoptimering.

I stället för att välja en modell här kan röstagenter använda en realtidsmodell, en ElevenLabs-modell som är byggd för röstsamtal med låg latens.

Viktiga funktioner

  • Enhetlig åtkomst: Växla mellan leverantörer och modeller med minimala kodändringar
  • Hög tillförlitlighet: Växla automatiskt från en leverantör till en annan om en misslyckas
  • Kostnadsövervakning: Övervaka dina kostnader för olika modeller

Modeller som stöds

För närvarande stöds följande modeller internt och kan konfigureras via agentinställningarna:

LeverantörModell
ElevenLabsNemotron 3.5 Super VL
DeepSeek Flash 4.1
GLM 5.2
Qwen3.6-35B-A3B
Qwen3.5-397B-A17B
GoogleGemini 4 Argon
Gemini 3.8 Flash
Gemini 3.7 Flash
Gemini 3.6 Flash
Gemini 3.5 Flash
Gemini 3.5 Flash-Lite
Gemini 3.1 Pro Preview
Gemini 3.1 Flash Lite
Gemini 3 Flash Preview
Gemini 2.5 Flash
Gemini 2.5 Flash Lite
OpenAIGPT-6.1 Sol
GPT-6.1 Terra
GPT-6 Astra
GPT-6 Sol
GPT-6 Luna
GPT-5.6 Sol
GPT-5.6 Terra
GPT-5.6 Luna
GPT-5.5
GPT-5.4
GPT-5.4 Mini
GPT-5.4 Nano
GPT-5.2
GPT-5.1
GPT-5
GPT-5 Mini
GPT-5 Nano
GPT-4.1
GPT-4.1 Mini
GPT-4.1 Nano
GPT-4o
GPT-4o Mini
AnthropicClaude Opus 5.5
Claude Opus 5
Claude Opus 4.8
Claude Opus 4.7
Claude Opus 4.6
Claude Sonnet 5.5
Claude Sonnet 5
Claude Sonnet 4.6
Claude Sonnet 4.5
Claude Haiku 4.5

Gemini 2.5 Flash och Gemini 2.5 Flash Lite är utfasade och tas bort den **30 november 2026 **. Från den 15 november 2026 flyttas samtal för agenter som använder dem stegvis till Gemini 3.5 Flash respektive Gemini 3.5 Flash-Lite. Agenter fortsätter att köras utan ändringar. Om du vill använda en annan modell väljer du den i agentinställningarna.

Priser anges vanligtvis i USD per 1 miljon token, om inget annat anges. En token är en grundläggande enhet av textdata för LLM:er och motsvarar i genomsnitt ungefär 4 tecken.

Anpassad LLM

Du kan använda din egen anpassade LLM genom att ange den slutpunkt vi ska skicka förfrågningar till och tillhandahålla autentiseringsuppgifter via vår säkra lagring av hemligheter. Läs mer om integration av anpassad LLM.

Vissa modeller är inte tillgängliga när EU-datalagring är aktiverad. Se GDPR och datalagring för information om tillgänglighet.

Välja en modell

När du väljer den lämpligaste LLM:en för din applikation behöver du ta hänsyn till flera faktorer:

  • Uppgiftens komplexitet: Utvärdera modeller mot representativa uppgifter från din applikation
  • Latenskrav: För röstsamtal i realtid väljer du en modell med låg latens och mäter svarstiden med dina prompter och verktyg
  • Kontextfönstrets storlek: Om din applikation behöver bearbeta, förstå eller minnas information från långa samtal eller omfattande dokument väljer du modeller med större kontextfönster
  • Kostnadseffektivitet: Balansera önskad prestanda och funktioner mot din budget. LLM-priser kan variera avsevärt, så analysera prisstrukturen (inmatnings-, utmatnings- och cachetoken) i förhållande till dina förväntade användningsmönster
  • HIPAA-efterlevnad: Om din applikation omfattar skyddad hälsoinformation (PHI) är det avgörande att använda en LLM som är klassad som HIPAA-kompatibel och säkerställa att hela din datahanteringsprocess uppfyller regelverkskraven

Den maximala storleken för systemprompten är 2 MB, vilket inkluderar din agents instruktioner, innehåll i kunskapsbasen och annan kontext på systemnivå.

Modellkonfiguration

Temperatur

Temperatur styr slumpmässigheten i modellens svar. Lägre värden ger mer konsekventa och fokuserade resultat, medan högre värden ökar kreativiteten och variationen.

  • Låg (0.0–0.3): Deterministiska, konsekventa svar för strukturerade interaktioner
  • Medel (0.4–0.7): Balanserad kreativitet och konsekvens
  • Hög (0.8–1.0): Kreativa, varierade svar för dynamiska samtal

Konfiguration av reserv-LLM

Konfigurera reserv-LLM:er för att säkerställa att samtalet fortsätter när den primära LLM:en misslyckas eller blir otillgänglig.

Konfigurationsalternativ:

  • Standard: Använder ElevenLabs rekommenderade reservsekvens
  • Anpassad: Definiera din egen kaskadsekvens av reservmodeller
  • Inaktiverad: Ingen reservlösning (avråds starkt för produktion)

Om du inaktiverar reserv-LLM:er avslutas samtal abrupt om din primära LLM misslyckas eller blir otillgänglig. Detta avråds starkt för produktionsanvändning.

Läs mer om LLM-kaskadering.

Resonemang

Resonemang hjälper agenter att hantera komplexa beslut, som att välja mellan verktyg, tillämpa policyer eller slutföra arbetsflöden i flera steg. Beroende på modellen styr du hur mycket resonemang den utför med antingen en tänkandebudget eller en nivå för resonemangsinsats.

Tänkandebudget

Ange det maximala antalet resonemangstoken med det numeriska reglaget. Större budgetar kan öka svarstiden. Ange budgeten till 0 för att inaktivera tänkande när modellen tillåter det.

Resonemangsinsats

Resonemangsinsats styr hur mycket resonemang modellen utför innan den svarar. Tillgängliga nivåer beror på den valda modellen.

Börja med en lägre budget eller insats för röstagenter i realtid eftersom extra tänkande kan fördröja turtagningen. Öka den för arbetsflödessteg som kräver mer komplexa beslut.

Sammanfattning av resonemang

Aktivera sammanfattning av resonemang för att fånga modellens returnerade resonemang när du felsöker svar, verktygsanrop eller arbetsflödessökvägar. Aktivera Sammanfattning av resonemang i agentens LLM-inställningar, eller ange enable_reasoning_summary via API:et. Inställningen är inaktiverad som standard.

För anpassade slutpunkter, se hur ElevenLabs begär och lagrar resonemang.

Resonemangsinnehåll omfattas av inställningar för lagringstid och maskning av PII. Du kan komma åt det via följande kanaler:

MålTillgänglighet
SamtalshistorikTillgängligt under märket Resonemang
Hämta samtals-APIReturneras i transkriptobjektets fält reasoning
OpenTelemetryIngår i agentssvarsspann efter samtal som elevenlabs.reasoning_content
KlienthändelserTillgängligt som agent_reasoning_response_part endast i textsamtal

Med Zero Retention Mode **lagrar ElevenLabs inte resonemangsinnehåll **. Det levereras endast till chattklienter och webhooks efter samtal.

Begränsningar

  • Att begära en sammanfattning av resonemang kan öka svarslatensen. Testa det innan du aktiverar det för latenskänsliga röstagenter.
  • Leverantörer kan returnera en sammanfattning, tanketext, råa resonemangsdelta eller inget innehåll som kan visas.

Förstå prissättning

  • Token: LLM-användning debiteras vanligtvis utifrån antalet bearbetade token. Som en allmän riktlinje för engelsk text motsvarar 100 token ungefär 75 ord
  • Pris för inmatning respektive utmatning: Leverantörer skiljer ofta mellan prissättning för inmatningstoken (data du skickar till modellen) och utmatningstoken (data modellen genererar som svar)
  • Cacheprissättning:
    • input_cache_read: Detta avser kostnaden för att hämta tidigare bearbetade indata från en cache. Att använda cachad data kan ge kostnadsbesparingar om identiska indata bearbetas flera gånger
    • input_cache_write: Detta är kostnaden för att lagra indata i en cache. Vissa LLM-leverantörer kan ta betalt för denna åtgärd
  • Priserna i detta dokument gäller per 1 miljon token och baseras på informationen som fanns tillgänglig när det skrevs. Dessa priser kan ändras av LLM-leverantörerna
  • Vidarebefordrad prissättning: ElevenLabs vidarebefordrar LLM-kostnader från tredje part till leverantörens publicerade pris, utan påslag. Utvalda Gemini- och Claude-modeller följer Vertex AI:s regionala prissättning (icke-global), som trafik från USA och EU debiteras enligt — en ökning med 10 % för inmatnings-, utmatnings- och cachetoken, i linje med Vertex regionala priser

Se leverantörens dokumentation för aktuella modellfunktioner, priser och användarvillkor.

HIPAA-efterlevnad

Vissa LLM:er som finns på vår plattform kan vara lämpliga att använda i miljöer som kräver HIPAA-efterlevnad. Se dokumentationen om HIPAA-efterlevnad för mer information.

Relaterade resurser

Modeller som driftas av ElevenLabs

ElevenLabs erbjuder åtkomst till en mängd AI-modeller, inklusive utvalda tredjepartsmodeller som driftas av ElevenLabs.

När en modell är märkt ”Hosted by ElevenLabs” distribueras och drivs modellen på infrastruktur som hanteras av ElevenLabs. Dessa modeller driftas för närvarande i USA eller i regionen för din företagsdistribution.

Så identifierar du modeller som driftas av ElevenLabs

Modeller som driftas av ElevenLabs är tydligt märkta i ElevenLabs gränssnitt. Leta efter märkningen ”Hosted by ElevenLabs” när du bläddrar bland eller väljer modeller.

Så hanteras dina data

För modeller som driftas av ElevenLabs bearbetas förfrågningar inom infrastruktur som hanteras av ElevenLabs. Det innebär att den ursprungliga modellleverantören inte tar emot, får åtkomst till eller bearbetar in- och utdata som skickas via ElevenLabs.

Genom att drifta dessa modeller kan ElevenLabs erbjuda en konsekvent upplevelse och samtidigt behålla kontrollen över infrastrukturen som används för att hantera modellförfrågningar.

Vanliga frågor

Var driftas självhostade modeller?

Modeller som driftas av ElevenLabs driftas för närvarande på infrastruktur i USA eller i regionen för din företagsdistribution.

Får den ursprungliga modellleverantören åtkomst till mina data eller användningsmetadata?

För modeller som driftas av ElevenLabs får modellens ursprungliga utvecklare aldrig dina in- eller utdata och har ingen åtkomst till data om distributionen som bearbetar dem.

Hur vet jag om en modell driftas av ElevenLabs?

Modeller som driftas av ElevenLabs identifieras tydligt i ElevenLabs gränssnitt med märkningen ”Hosted by ElevenLabs”.