Cartesia 发布语音 Agent 平台 Managed Agents：Speech Agent Arena 30 个系统中排第 1，上线价每分钟 0.03 美元

核心背景与行业痛点

企业做电话语音 agent，常见做法是把语音识别、大模型、语音合成三家服务串起来（级联方案）。这样可控、能调工具，但各环节分开调，容易出现抢话、对方插话时不停、停顿生硬等问题；端到端的语音到语音模型听起来更自然，却难控制，做复杂业务流程不够可靠。Cartesia 原本以 Sonic 语音合成和 Ink 语音识别模型为主，这次把整条链路做成托管平台，直接和 ElevenLabs Agents、OpenAI、Google、xAI 的实时语音方案竞争。

架构亮点与底层机制

官方博客（作者 Sauhard Jain）称，Managed Agents 把听、轮次判断、推理、工具调用和发声放在同一个系统里联合调优，而不是拼装第三方组件；CEO Karan Goel 在 X 上也强调模型、推理、agent 框架、上下文和部署工具要一起设计。平台自带电话接入、知识库（上下文会预先动态填充，回答时不必停下来检索）、对接 CRM 和后端 API 的工具调用，以及按人定制的批量外呼。

权威 Benchmark 与实测跑分对比

以下均为 Cartesia 博客引用的厂商口径，推理模型统一用 GPT-5.5：Speech Agent Arena 1115 Elo，30 个 agent 中第 1；EVA-Bench 准确率 87.4%、体验分 90.7%，两项均为表中最高。EVA-Bench 是 ServiceNow 开源的评测，其产品负责人 Nitin Aggarwal 在博客中给出了正面评价。需要注意，排名会随竞品更新变动，换用其他推理模型的成绩官方未公布。X 上同期还有大量带货式测评帖，参考价值有限。

开发者实战落地与开箱指南

在 play.cartesia.ai 的 Agents 页面可从客服等模板新建 agent：写好指令，选声音和模型，接入电话号码即可上线。上线期按每分钟 0.03 美元计费（五折，结束时间官方未说明）。建议先用自己的真实通话脚本测打断、转人工和工具调用失败的情况，再和现有级联方案对比延迟与成本。