Fish Audio Live 3 مقابل Grok Voice 3.0: أحد السعرين يخص حزمة والآخر يخص مكوّنًا

Put the two rate cards side by side and the newer model looks less than half the price. Fish Audio Live 3 sells for $0.035 per minute on Fish Audio's Agent Platform — a promotional rate, half of a $0.07 list, good through 31 December 2026. G​rok Voice 3.0 sells for $0.08 per minute, or $4.80 an hour, plus $0.004 per text input token. Four cents against eight is a clean story until you notice that the two numbers are billing different objects: G​rok Voice 3.0 is a speech-to-speech component you rent, and Live 3's per-minute figure bundles speech recognition, the reasoning model and the voice into one meter. One is a part, the other is an assembly. Compare them per minute and you are comparing a gearbox to a car.

That distinction is the whole comparison, and it is worth being precise about why. G​rok Voice 3.0 is a versioned model string behind a realtime WebSocket with session-scoped tools and returned transcripts, priced by the minute of audio it processes and scored, independently, at 86.9 on the Artificial Analysis Speech to Speech Index. Fish Audio Live 3 is a full-duplex model launched on 10 November 2026 that keeps listening while it speaks, is English-only at launch by the company's own statement, has no published benchmark of any kind, no model identifier in Fish Audio's API documentation, and no weight release — the vLLM project's public reply to the launch was to hope it gets open-sourced one day.

لوحة النتائج الموجودة على جانب واحد فقط

Artificial Analysis measures G​rok Voice 3.0 on the same harness it uses for every duplex model, and the numbers are unusually complete. Every figure below is the board's own, taken from its run dated 13 October 2026.

• الاستدلال الكلامي، Big Bench Audio — 98.5%.

• ديناميكيات المحادثة، Full Duplex Bench — 97.0%، مع الإشارات الخلفية 92.9%، والتعامل مع المقاطعات 96.5%، وتبادل الأدوار 100%، والتعامل مع التوقفات 98.5%.

• Speech Agent Arena preference — Elo 1059, against 1074 for G​emini 3.8 Live and 990 for Eleven Realtime v1 Max.

• نجاح المهمة — 94.8% عبر سيناريوهات τ-Voice الخاصة بالطيران والتجزئة والاتصالات.

• Time to first audio — 0.81 seconds, slower than G​rok Voice 2.0's 0.70 and roughly 40% quicker than GPT-Live-1 in its Astra medium configuration at 1.34 seconds.

• تكلفة الساعة من الصوت المُدخل — $4.80، تحويل مباشر لسعر المورّد نفسه لكل دقيقة.

Live 3's column is not sparse, it is empty, and the emptiness has a specific shape. There is no row on that board for any Fish Audio duplex model as of 11 November 2026 — the board lists Fish Audio as a model family and scores none of its live work. Fish Audio's one published number is 186 milliseconds to decide to respond, which the company describes in the context of short reactions such as "mm-hmm" rather than full answers. It is a vendor floor on an acknowledgement. G​rok's 0.81 seconds is an audited time-to-first-audio on a reply. Nothing about those two figures is commensurable, and the fact that both are expressed in seconds is the trap.

ما الذي يلتزم به فعليًا ادعاء كل طرف بشأن الدوبلكس

كلا النموذجين يعملان بازدواجية كاملة، لذا فإن «يستمع وهو يتحدث» ليس عامل تمييز بينهما؛ إنه شرط الدخول. الفرق يكمن في من أين تأتي سياسة التوقيت.

حجة Fish Audio هي أن الإقرار والانتظار والرد والتوقف قد جرى تعلّمها من محادثات بشرية مسجّلة بدلاً من كتابتها كقائمة من عتبات الصمت، وتوضح ذلك برقم هاتف يُقرأ على مقاطع: الوكيل الذي يسمع ثلاثة أحداث لنهاية الدور حيث يسمع الإنسان ترددًا واحدًا هو الفشل الذي يجري إصلاحه. المواد الداعمة هي ثلاث مكالمات نموذجية: إتمام طلب، والمقاطعة، والتفاعل اللفظي عبر إعادة القراءة. ما لم تنشره Fish Audio هو أي قياس لما إذا كانت السياسة المتعلَّمة تتفوق على سياسة قائمة على العتبات.

G​rok Voice 3.0's timing policy is not explained in behavioural terms at all. What xAI published is a rate card, a model string, an alias move — grok-voice-latest now resolves to grok-voice-3.0, and grok-voice-2.0 is flagged deprecated — and, through Artificial Analysis, a set of turn-taking scores that a buyer can read as a risk statement. A 96.5% interruption score is a claim you can test against your own call recordings. A 186-millisecond acknowledgement floor is a claim you have to take on trust until you run it.

The alias move matters more than it sounds in a phone system. G​rok Voice 2.0 became the alias target on 5 August 2026 and was superseded by 3.0 ten weeks later, which means a team that deployed against the alias has already been through two silent model swaps in a quarter. Whether you pin grok-voice-3.0 explicitly is a deployment decision the vendor has effectively forced.

إلى أين تصل الأموال في الواقع

ينتج عن التقسيم بين الحزمة والمكوّن أربعة أشكال للتكلفة، وواحد فقط منها يرجّح Live 3 بطريقة تصمد عند الاحتكاك بمكالمة حقيقية.

• Live 3 على Agent Platform — ‏$0.035 لكل دقيقة بشكل شامل خلال العرض الترويجي، ويغطي التعرّف والاستدلال والصوت؛ أضف $0.01 لكل دقيقة للمكالمات الهاتفية، و$1.20 شهريًا لكل رقم هاتف، وسعر الرموز لنموذج LLM من الفئة المميزة إذا قمت بالترقية إلى خيار خارج النموذج المشمول. مكالمة من عشر دقائق تكلّف 35 سنتًا بالإضافة إلى الاتصالات الهاتفية.

• Live 3 after 31 December 2026 — the list rate is $0.07 per minute, at which point the all-in figure is within a cent of G​rok's $0.08 and the bundle argument has to carry the comparison on its own. Fish Audio has not said what happens to the discount.

• G​rok Voice 3.0 — $0.08 per minute of audio plus $0.004 per text input token, with the reasoning model, the telephony and the orchestration all bought separately. The per-minute rate is a floor, not a total.

• إمّا باستخدام نموذج استدلال خاص بك — وهو الشكل الوحيد الذي يتقاربان فيه، لأن كلا المورّدين يتيحان لك تزويد العقل ويحتسبان عليك طبقة الكلام.

تلك النقطة الأخيرة هي الاستنتاج العملي المخفي داخل جدول الأسعار. إذا كانت منتجاتك تتميّز في طبقة الاستدلال، فإن الحزمة تمثّل خصمًا على شيء كنت ستحل محله. وإذا لم تكن كذلك، فإن الحزمة أرخص وأبسط فعلاً، وعرض خصم 50% هو أفضل صفقة في مجال الصوت هذا الشهر.

المشتريات، والسؤال الذي لا تُجيب عنه بطاقة أسعار أي جهة.

السعر والدرجات هما النصف السهل. أما النصف الصعب فهو ما يحدث عندما يتغيّر النموذج من تحتك، وهنا اتخذ المورّدان خيارين متعاكسين.

G​rok Voice 3.0 has a stable interface and an unstable model: same endpoint, same event names, same bearer-token handshake, same voice set, with the model swapped behind an alias. Fish Audio Live 3 has an unstable interface and, for now, a stable model: the platform is in public beta, the duplex model is new, its API documentation does not yet name it, and the launch post is the only document that describes its behaviour. One arrangement asks you to test continuously. The other asks you to read release notes.

لا أحد الخيارين غير معقول. لكن فريق الهندسة الذي يختار بينهما ينبغي أن ينتبه إلى أي المخاطر يكون أفضل استعدادًا لاستيعابها، لأن تلك الإجابة عادةً ما تكون أكثر دلالة على نجاح النشر من أربعة سنتات في الدقيقة.

الطبقة المحمولة، والحدّ الصادق

Both stacks are two-part systems, and in both the speech half is unportable — G​rok Voice 3.0 runs only on xAI's realtime endpoint, Live 3 only on Fish Audio's platform and on enterprise hardware. The reasoning half is where a router belongs, and on both it is a separate purchase: on the G​rok side it is a model you call from inside the session's tools, on the Fish side it is an OpenAI-compatible endpoint the agent points at. OrcaRouter carries more than 200 models behind one key at provider list price with zero markup, so the text model in either stack can be swapped or pinned without renegotiating the speech contract, and automatic failover keeps a session alive when the reasoning backend errors mid-call. Neither speech model is routable here — there is no third-party endpoint for either — and this piece would be misleading if it implied otherwise.

لفريق لا يزال يحسم قراره، أرخص تجربة هي التي يتيحها التسعير: شغّل نفس المكالمات العشرين عبر كلا الخيارين، وقيّم المقاطعات بنفسك، وانظر هل نجاح المهام بنسبة 94.8% في سيناريوهات بيع بالتجزئة لدى شخص آخر ينبئ بشيء عن سيناريوهاتك. إن 186 مللي ثانية في Live 3 ستُشعَرك إما بأنها جوهر النموذج، أو بأنها مجرد رقم عن ضجيج يُحدثه الوكيل أثناء تفكيره. ليست هذه مسألة يمكن لبطاقة تعرفة أن تحسمها، وهي المسألة الوحيدة التي تهم بعد وصول الفاتورة.