Grok Voice 3.0 مقابل Grok Voice Think Fast 2.0: ترقية مجانية، مكاسب حقيقية، تراجع واحد

الطراز الذيGrok Voice 3.0 يحل محله هو الطراز نفسه الذي ستجده على Artificial Analysis باسم مختلف. ابحث في اللوحة عن Grok Voice Think Fast 2.0 ولن تجده؛ ابحث عن Grok Voice 2.0 وستجد 81.3، وهو الرقم الذي أوردته تغطية إطلاق الطراز الأسبق لـ Think Fast 2.0 تحت تصنيف الإعداد "High". تسمي واجهة SpaceXAI البرمجية معرّف الطراز grok-voice-2.0، وتسمي ملاحظات الإصدار جيل يوليو Grok Voice 2.0، بينما استخدم الإعلان الذي قدّمه اسم Think Fast. لذا عندما أوقفت SpaceXAI دعم grok-voice-2.0 في 14 أكتوبر 2026 ووجّهت grok-voice-latest إلى grok-voice-3.0، فقد أخرجت من الخدمة الطراز الذي يصفه سطره في لوحة الصدارة واسمه التسويقي بأنهما شيئان.

النتيجة العملية هي أن الترقية التي تلقّتها فرق عديدة بالفعل — بصمت، وبلا عملية نشر، لأن الاسم المستعار انتقل — أكبر مما يوحي به الالتباس في التسمية، وأصغر مما تشير إليه فجوة الفهرس. يفرض كلا الطرازين رسومًا قدرها $0.08 في الدقيقة و$0.004 لكل إدخال نصي، لذا لم يتغير السعر. أما الجودة فقد تغيّر معظمها.

ما الذي تجلبه الترقية، مكوّنًا بمكوّن

كل رقم في هذا القسم مستمد من اختبارات Artificial Analysis الخاصة، بتاريخ 13 أكتوبر 2026 بالنسبة لـ Grok Voice 3.0، ومن اللوحة نفسها بالنسبة للجيل السابق.

• مؤشر الكلام إلى الكلام — 86.9 لـ Grok Voice 3.0 مقابل 81.3 لـ Grok Voice Think Fast 2.0. مكسب مركّب قدره 5.6 نقاط، يبدو وكأنه ترقية إصدار حتى تفكّكه.

• الأداء الوكيلي، τ-Voice — 71.6% مقابل 56.5%. هنا يكمن جوهر هذا الإصدار فعليًا. خمس عشرة نقطة في إكمال المهام متعددة الجولات هي الفرق بين نموذج صوتي يتعامل مع مكالمة ذات سيناريو مكتوب وآخر يتعامل مع مكالمة ذات تفرعات.

• تفضيل Speech Agent Arena — إيلو 1070 مقابل 1011. تسع وخمسون نقطة من التفضيل البشري، وهي الأعلى المسجّلة على لوحة الصدارة.

• الديناميكيات الحوارية، Full Duplex Bench — 97.0% مقابل 95.1%. ما يقرب من نقطتين مئويتين في المقاطعة وتبادل الأدوار، وهو المحور الذي صُمّم هذا الخط من الطرازات في الأساس للفوز به.

• الاستدلال الكلامي، Big Bench Audio — 98.5% مقابل 97.2%. كلاهما عند الحد الأقصى فعليًا.

• نجاح المهمة — 94.8% مقابل 94.6%. ثابت ضمن حدود القياس. إذا كان تقييمك طلبًا من دور واحد أُنجز بشكل صحيح، فإن هذين النموذجين يحصلان على النتيجة نفسها، وتكون الترقية غير مرئية.

• زمن الوصول إلى أول صوت — 0.81 ثانية لـ Grok Voice 3.0 مقابل 0.70 لـ Grok Voice Think Fast 2.0.

• السعر — متطابق من الجانبين. $0.08 لكل دقيقة، و$4.80 لكل ساعة، بالإضافة إلى $0.004 لكل إدخال نصي.

الانحدار، ولماذا هو الجزء المثير للاهتمام

اقرأ السطرين الأخيرين معًا. قلّص Grok Voice Think Fast 2.0 زمن الوصول إلى أول صوت من 1.25 ثانية لدى سابقه إلى 0.70، وقد روّجت xAI لذلك الرقم بقوة — فقد كان أسرع رقم منشور في الفئة عند إطلاقه في أواخر يوليو 2026، وما زال أسرع من أي شيء آخر على اللوحة. يعيد Grok Voice 3.0 0.11 ثانية منها.

هذا ليس فضيحة وليس حادثًا. إنه الثمن المرئي لقفزة τ-Voice. وكل ما أضافته xAI إلى النموذج لنقل إكمال المهام متعددة الجولات من 56.5% إلى 71.6% يكلّف وقتًا قبل أول إطار صوتي، ولا يمكن لأي قدر من هندسة التوجيهات أن يعوّضه، لأن التأخير داخل النموذج لا أمامه.

ما يجعل الأمر يستحق أن يُقال بوضوح هو أنه يقلب العرض الترويجي. الفريق الذي اختار Think Fast 2.0 فعل ذلك، في معظم الحالات، من أجل 0.70. إذا كان هذا هو سبب وجود النموذج في منظومتك، فإن الخلف أسوأ بشكل ملحوظ في الخاصية التي اشتريته من أجلها، والشيء الصادق الذي يجب فعله هو قياس ما إذا كانت 0.11 ثانية من التأخير المضاف تكلفك أكثر مما تكسبه 15 نقطة من مكاسب إتمام المهمة. في عملية نشر هاتفية، الإجابة ليست واضحة في أي من الاتجاهين، وتعتمد على مكان قيام الوكيل بعمل فعلي في مسار المكالمة.

الاسم المستعار انتقل، وهذا ليس حاشية.

grok-voice-2.0 مهمَل اعتبارًا من إصدار 14 أكتوبر، وأصبح grok-voice-latest يشير الآن إلى grok-voice-3.0. أي شخص كان قد نشر باستخدام الاسم المستعار نُقل تلقائيًا إلى النموذج الجديد، دون أي تغيير في الشيفرة ودون أي شيء في سجلاته يشير إلى ذلك.

ضع ذلك في مقابل الجدول الزمني، فيصبح نمطًا لا حادثة. في 5 أغسطس 2026 — قبل هذا الإصدار بنحو عشرة أسابيع — وُجّه grok-voice-latest إلى النموذج الذي يُسمى الآن Think Fast 2.0، وكان على المطورين الذين أرادوا البقاء على الجيل السابق أن يثبّتوا معرّف نموذج ذي إصدار قبل ذلك التاريخ أو يتحمّلوا التغيير. ذلك تبديلان صامتان في ربع واحد، يغيّر كل منهما خصائص زمن الاستجابة بأكثر من عُشر ثانية، دون بيان إصدار ودون نافذة إهمال معلنة مسبقًا.

بالنسبة إلى روبوت محادثة، لا بأس بذلك. أما بالنسبة إلى نظام هاتفي لديه مجموعة اختبارات انحدار مكتوبة وفقًا لتوقيت صوت معيّن، أو اتفاقية مستوى خدمة (SLA) تحدد زمن استجابة تفاعل، فهذا يعني أن الاسم المستعار ليس التجريد الذي يبدو عليه. ثبّت المعرّف المُصدَّر بإصدار في الإنتاج، وتعامل مع grok-voice-latest على أنه تسهيل لبيئة الاختبار المرحلي لا هدف نشر.

ما لم يتغيّر، وشيء واحد ينتقل معنا

الترقية شبه جاهزة للاستبدال المباشر، ويجدر بنا أن نكون محددين في سبب ذلك، لأن البديل — GPT-Live-1 على سبيل المثال — يتطلب إعادة كتابة نقل الصوت عبر WebRTC ونمط تفويض لا نظير له هنا. يحافظ Grok Voice 3.0 على نفس نقطة نهاية WebSocket في الزمن الحقيقي، ونفس معاملات session.update، ونفس أسماء الأحداث، ونفس مصافحة bearer-token، ونفس الرموز ephemeral قصيرة العمر لاتصالات جانب العميل. الأصوات لم تتغير، ونقطة نهاية الصوت المخصص التي تدرّب صوتًا انطلاقًا من مقطع مرجعي يصل إلى 120 ثانية تنتج معرّفات تعمل عبر واجهة realtime API وتحويل النص إلى كلام المتدفق تمامًا كما كان من قبل.

ما ينتقل بدل أن يتحسّن هو الأدلة المتعلقة بالتفريغ الصوتي. سُوِّق للجيل السابق بكثافة على أساس معدل خطأ الكلمات — فقد أبلغت xAI أنها قيّمت آلاف العبارات القصيرة عبر 24 لغة، ووجدت خطأً أقل بمقدار 1.5 إلى 2.0 مرة من نماذج تحويل الكلام إلى نص المخصّصة، بما فيها Deepgram Nova 3 وElevenLabs Scribe v2، وأقل بمقدار 1.4 مرة من سابقتها، ونحو 10 مرات أقل من حيث الخطأ في الظروف الصاخبة مع ضوضاء الخلفية وضغط الاتصالات الهاتفية. هذه أرقام المورّد ولم يُعَد إنتاجها بشكل مستقل قط. ولا تعيد مواد إطلاق Grok Voice 3.0 ذكرها، وهذا ليس تأكيدًا ولا تراجعًا. إذا كانت دقة القناة الصاخبة عنصرًا حاملًا للعبء في عملية النشر لديك، فهي من الأمور القليلة التي عليك إعادة اختبارها بنفسك بدلًا من قراءتها من لوحة نتائج.

تجربة الجديد دون المراهنة بخط الهاتف عليه

السبب في أن تثبيت الإصدار لا يكلّف سوى القليل هنا هو أنه لا شيء في Grok Voice 3.0 يصعب تشغيله جنبًا إلى جنب — والسبب في أن الموجّه يستحق وجوده في هذه المنظومة ليس طبقة الصوت، التي تخص xAI وحدها، بل كل ما تستدعيه طبقة الصوت.

لا يوفّر OrcaRouter نقطة النهاية الفورية الخاصة بـ Grok Voice ولم يكن بوسعه ذلك؛ إذ إن WebSocket الصوتي ثنائي الاتجاه سطح أحادي المورّد. ما نشغّله هو طبقة النص التي يستعين بها نموذج الصوت. ونشر الصوت هو نموذج صوتي加上 مصنّف وملخِّص وخطوة استرجاع وواجهة خلفية لاستدعاء الأدوات، وذلك النصف هو استدلال عادي يُحتسب بحسب الطلب: أكثر من 200 نموذج خلف مفتاح واحد، بسعر قائمة المزوّد دون أي هامش ربح، لذا فإن أي خفض سعر من أي مورّد في تلك الطبقة يصل إلى جانبنا في اليوم نفسه لا عند التجديد؛ والتبديل التلقائي عند تعثّر مزوّد، وهو في مكالمة مباشرة الفرق بين إعادة محاولة بحث وبين إسقاط متصل؛ ولغة خاصة بالتوجيه (DSL) تتيح لك تركيب عدة نماذج في مكالمة واحدة وتبديل المزيج على حركة مباشرة دون المساس بمسار الصوت.

هذا البنية هي ما يجعل التثبيت رخيصًا. أبقِ grok-voice-2.0 على الإنتاج، ووجّه بيئة ثانية إلى grok-voice-3.0، ودع نماذج الخلفية نفسها تخدم كليهما — عندئذٍ يقيس المقارنة المتغير الوحيد الذي غيّرته فعلاً، ويكون مسار الكود تحته متطابقًا في الاتجاهين.

الحكم، في سطر واحد لكل منها

قم بالترقية إذا كان وكيلك يؤدي عملًا بدلًا من إجراء محادثة. خمس عشرة نقطة في τ-Voice و59 نقطة في تفضيل arena بسعر ثابت هي أوضح صفقة قيمة مقابل لا شيء في هذه الفئة هذا العام، ولا يلزم أن يتحرك أي شيء في التكامل من أجلها.

ثبّت واختبر أولًا ما إذا كانت حجتك بأكملها بشأن خط الصوت الخاص بـ xAI هي زمن البدء 0.70 ثانية. أصبحت تلك الخاصية الآن 0.81، والنموذج الذي تغلّب على ذلك لا يزال يعمل، وهو مهمل بدلًا من إزالته.

تجاهل التسمية. تشير Grok Voice Think Fast 2.0 وGrok Voice 2.0 ومعرّف API ‏grok-voice-2.0 جميعها إلى الجيل نفسه، وإذا كنت تقرأ لوحة صدارة لا تُدرج سوى أحد تلك الأسماء، فأنت تقرأ الرقم الصحيح تحت تسمية لا يستخدمها ملف الإعدادات الخاص بك.

المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.