Grok Voice 3.0 vs. GPT-Live-1: xAI gewann den Index und verlor den Test, auf den es ankommt

Zwei Flaggschiffe, 3,7 Punkte Abstand auf dem Speech-to-Speech-Index von Artificial Analysis, und beide geschlagen bei der einen Komponente, die entscheidet, ob ein Voice-Agent den Einsatz wert ist. Grok Voice 3.0 erreicht 86,9 auf dem Index, den SpaceXAI am 14. Oktober 2026 angekündigt hat, gegenüber 83,2 für GPT-Live-1 in seiner Astra-medium-Konfiguration, der Version, auf die O​penAIs eigene Dokumentation eine WebRTC-Integration verweist, wenn eine Sitzung das Reasoning an ein Backend delegiert. Bei τ-Voice — dem Kundenservice-Benchmark, der bewertet, ob ein Agent tatsächlich eine mehrstufige Aufgabe abschließt — landet Grok Voice 3.0 bei 71,6 % und GPT-Live-1 Astra medium bei 74,5 %. Das Modell mit dem besten Gesamtwert in der Kategorie hält nicht die Komponente, die mit dem Erledigen von Arbeit korreliert, und O​penAI hat dazu auch keine Schlagzeile veröffentlicht.

Der zweite Punkt, der Beachtung verdient, ist die Richtung der Preisentwicklung. GPT-Live-1 berechnet 0,05 $ pro Minute Sprache, sekundengenau abgerechnet, was 3,00 $ pro Stunde entspricht. Grok Voice 3.0 berechnet 0,08 $ pro Minute, was 4,80 $ pro Stunde entspricht. Das neuere Modell kostet 60 % mehr pro Minute Audio, und es ist das Modell, dessen Anbieter das letzte Quartal der Lebensdauer seines Vorgängers damit verbrachte, eine Preiserhöhung hinzunehmen, statt eine Senkung anzukündigen.

Der Architektur-Split, den niemand in die Vergleichstabelle aufnimmt

Keines von beiden ist ein Sprachmodell, das denkt. Beide sind Voice-Layer, die delegieren, und die beiden Delegationsdesigns sind nicht dasselbe Tier – weshalb sich die Integrationskosten weit stärker unterscheiden als der Minutenpreis.

GPT-Live-1 übergibt Arbeit über eine asynchrone Grenze hinweg an ein Backend, das in der Sitzungskonfiguration benannt ist. OpenAIs veröffentlichtes WebRTC-Beispiel verdrahtet dieses Backend über die Responses API mit GPT-5.6 Terra. Die Sprachschicht hält das Gespräch am Laufen, während das Backend denkt, und bindet die Antwort wieder ein, wenn sie eintrifft. Die Konsequenz ist, dass die Reasoning-Hälfte ein gewöhnlicher, token-abgerechneter Textaufruf ist, den Sie unabhängig auswählen, bepreisen und austauschen können. Die Sprach-Hälfte ist überhaupt nicht portabel: Es gibt eine Modell-ID, gpt-live-1, einen Endpunkt unter v1/live/sessions, WebRTC statt des WebSocket-Transports, auf dem die meisten Realtime-Integrationen aufgebaut wurden, und keinen Weg über Chat Completions, Responses, Batch oder die Fine-Tuning-Endpunkte. Rate Limits werden in gleichzeitigen Sitzungen angegeben — 25 in Tarif 1, ansteigend über 50, 200, 300 und 500 — was zeigt, dass OpenAI die Einheit der Skalierung eher für eine Telefonleitung als für eine Anfrage hält.

Grok Voice 3.0 ist enger gefasst und kostengünstiger einzuführen. Es läuft über denselben Echtzeit-WebSocket-Endpunkt wie Grok Voice 2.0, mit denselben Sitzungsparametern, denselben Ereignisnamen und demselben Bearer-Token-Handshake, und die Tool-Nutzung erfolgt wie zuvor über ein tools-Array im Session-Update. Es gibt keine Transportmigration. Es gibt außerdem kein dokumentiertes Backend-Delegationsmuster der Art, wie GPT-Live-1 es veröffentlicht, was bedeutet, dass das benötigte Reasoning als Tool erreichbar sein muss, das das Sprachmodell synchron aufruft, und nicht als Hintergrundjob, den es überwacht.

Dieser Unterschied entscheidet über mehr Deployments als der Index. Ein Team, das bereits die Realtime-API von xAI nutzt, wechselt zu Grok Voice 3.0, indem es eine Modellzeichenfolge ändert – oder indem es nichts tut, weil grok-voice-latest jetzt darauf verweist und bestehende Alias-Deployments automatisch verschoben wurden. Ein Team, das die älteren Realtime-Modelle von OpenAI nutzt und zu GPT-Live-1 wechselt, steht vor einer Neuimplementierung des Transports plus einer Neuimplementierung der Delegation.

Zeile für Zeile

Jeder untenstehende Wert ist eine eigene Messung von Artificial Analysis vom 13. Oktober 2026, sofern die Zeile nichts anderes besagt.

• Sprache-zu-Sprache-Index — Grok Voice 3.0 86,9 vs. GPT-Live-1 (Astra, medium) 83,2. Es gibt außerdem eine niedrigere GPT-Live-1-Konfiguration, die in ihrer Sol-Variante mit geringem Aufwand mit 80,1 gemessen wurde, und die Indexlücke hängt ganz davon ab, welche Sie meinen.

• Agentische Leistung, τ-Voice — GPT-Live-1 Astra medium 74,5 % vs. Grok Voice 3.0 71,6 %. O​penAI liegt hier vorn und liegt bei der Komponente vorn, die vorhersagt, ob das Problem eines Anrufers gelöst wird.

• Sprachliches Schlussfolgern, Big Bench Audio — Grok Voice 3.0 98,5 % vs. GPT-Live-1 Astra medium, der im selben Bereich liegt. Beide liegen nahe genug an der Obergrenze, dass diese Achse niemanden mehr trennt.

• Arena-Präferenz — Grok Voice 3.0 hält mit 1070 den höchsten Elo-Wert auf der Rangliste. GPT-Live-1 hält die Arena in keiner Konfiguration.

• Zeit bis zum ersten Ton — Grok Voice 3.0: 0,81 Sekunden im Vergleich zu GPT-Live-1 Astra medium mit 1,34 Sekunden. Rund 40 % schneller beim Sprechbeginn und die konkreteste Leistungsaussage, die einer der beiden Anbieter trifft.

• Kosten pro abgeschlossener Aufgabe, Big Bench Audio — Grok Voice 3.0 $0.025 vs. GPT-Live-1 Astra medium $0.030. Günstig und genau pro Aufgabe ist die Kombination, die Beschaffungsdebatten beendet.

• Preis pro Minute Audio — GPT-Live-1 0,05 $, sekundengenau abgerechnet, ohne Aufrundung von angefangenen Minuten, mit einer Gebühr von 15 Sekunden für die Sitzungsinitialisierung, die auf die spätere Dauer angerechnet und nicht zusätzlich obendrauf geschlagen wird; Grok Voice 3.0 0,08 $ pro Minute plus 0,004 $ pro Texteingabe.

• Multimodale Eingabe — GPT-Live-1 verarbeitet Audio und Text, und seine Dokumentation führt Bild und Video als ausdrücklich nicht unterstützt auf; Grok Voice 3.0 verfügt ebenfalls über keine visuelle Erdung. Keines dieser beiden kann sehen, und keiner der beiden Anbieter hat ein Datum veröffentlicht, an dem sich das ändern soll.

• Stimmen — GPT-Live-1 liefert 12; Grok Voice 3.0 behält xAIs integriertes Set und den Custom-Voice-Endpoint, der eine Stimme anhand eines Referenzclips von bis zu 120 Sekunden trainiert.

Die Rechnung, für eine Arbeitslast, die Sie sich vorstellen können

Zehntausend Minuten Gespräch pro Tag über dreißig Tage hinweg sind 300.000 Minuten im Monat.

• GPT-Live-1 — 0,05 $ pro Minute Sprache, also 15.000 $ pro Monat allein auf der Voice-Ebene.

• Grok Voice 3.0 — 0,08 $ pro Minute, also 24.000 $ pro Monat, plus 0,004 $ pro Texteingabe.

Beide Zahlen sind nur die Voice-Hälfte. Das Backend-Reasoning von GPT-Live-1, seine Tool-Aufrufe und jede Websuche werden separat zu den eigenen Tarifen des Backend-Modells abgerechnet, und eine Sitzung, die auf einen Frontier-Reasoner ausgerichtet ist, der bei jedem Turn sucht, kann bei der Delegation mehr kosten als beim Audio. Die synchronen Tool-Aufrufe von Grok Voice 3.0 laufen auf dem jeweiligen Backend, das sie beantwortet, nach derselben Regel. In beiden Fällen ist der „Voice-Model-Preis“ ein Bruchteil des Anrufs, und dieser Bruchteil hängt davon ab, wie hart Ihre Anrufer denken.

Das ist die Ebene, auf der ein Router tatsächlich nützlich ist, und es lohnt sich, bei der Grenze präzise zu sein. OrcaRouter bedient keinen der beiden Echtzeit-Endpunkte – gpt-live-1 lebt hinter der Live-Sessions-API von OpenAI und Grok Voice 3.0 hinter der von xAI –, und nichts kann sich in eine Duplex-Audiositzung einschalten, die einem einzigen Anbieter gehört. Was wir betreiben, ist die Delegationshälfte. GPT-5.6 Terra, genau das Backend in OpenAIs eigenem veröffentlichten Beispiel, wird über OrcaRouter zum Listenpreis von OpenAI von 2,00 $ pro Million Eingabe-Tokens und 12,00 $ pro Million Ausgabe-Tokens bereitgestellt, wobei sowohl Chat- als auch Responses-Endpunkte verfügbar sind, zusammen mit über 200 weiteren Modellen auf einem einzigen Schlüssel, zum Listenpreis des Anbieters ohne Aufschlag und automatischem Failover, wenn ein Anbieter schlechter wird. Da nichts aufgeschlagen wird, ist eine Preissenkung eines Anbieters für die Reasoning-Stufe am selben Tag bei uns live – was in einer Kategorie zählt, in der ein Flaggschiff seinen Minutenpreis innerhalb von drei Monaten um 60 % erhöhte, während ein anderes ihn konstant hielt.

Was jeder Anbieter sagt, das kein Board abdeckt

Beide Anbieter veröffentlichen Zahlen zu ihrem eigenen Produktionsverkehr. Keine von beiden ist unabhängig überprüfbar, und ehrlich gelesen sind sie eher ein Beleg für Zuversicht als für Leistungsfähigkeit.

O​penAIs Zahlen, veröffentlicht mit dem API-Release und von niemandem reproduziert: Vollduplex-Interaktivität bei 80,1 % gegenüber 45,4 % für GPT-Realtime-2.1, Latenz beim Sprecherwechsel von 1,4 Sekunden auf 0,8 Sekunden verkürzt, Genauigkeit bei Tool-Aufrufen von 60 % auf 87 %. Y wird für telefonbasierte Reservierungen genannt, und die Sprachlernplattform Speak gibt fast 80 % weniger an als bei ihrem vorherigen turn-basierten System – selbst berichtet von einem Unternehmen, das ein Interesse am Ergebnis hat, und die konkreteste Einsatzzahl in der Veröffentlichung.

Die Zahlen von SpaceXAI, die mit seinem Start veröffentlicht und ebenso wenig reproduziert wurden: Grok Voice 3.0 ermöglicht Millionen täglicher Gespräche in Tesla-Fahrzeugen und bei SpaceX, Starlink-Callcenter führen täglich 20.000 Kundenanrufe in mehreren Sprachen durch, wobei rund 70 % ohne menschliches Eingreifen gelöst werden und etwa jedes vierte Verkaufsgespräch mit einem Kauf endet, und gerundete 74 % beim EVA-Bench von ServiceNow. Betrachten Sie die Containment-Rate als eine Zahl auf Systemebene, die ein Kostüm auf Modellebene trägt — sie spiegelt Prompt-Design, Retrieval- und Eskalationsrichtlinie ebenso sehr wider wie das Modell, und keine externe Stelle kann sie voneinander trennen.

Welchen sollte man tatsächlich nehmen?

Setzen Sie auf Grok Voice 3.0, wenn Latenz der limitierende Faktor ist und der Stack bereits auf xAI läuft. Die Zeit bis zum ersten Audio von 0,81 Sekunden ist der schnellste veröffentlichte Wert unter führenden Sprachmodellen, der WebSocket-Pfad bedeutet, dass kein Transport umgeschrieben werden muss, und die Migrationskosten bestehen aus einem Modell-String. Setzen Sie auch dann darauf, wenn Ihre Anrufer das Erlebnis statt das Ergebnis beurteilen – es hält die Arena bei der Präferenz und das Composite bei der Qualität, und ein Anrufer, der das Gespräch genießt, legt zufriedener auf, selbst wenn die Aufgabe eskaliert.

Nimm GPT-Live-1, wenn die Aufgabe das Produkt ist. Es führt τ-Voice mit 74,5 % gegenüber 71,6 % an, sein Delegationsmuster ist dokumentiert und sein Reasoning-Backend ist ein portabler, token-abgerechneter Aufruf statt eines undurchsichtigen Tools, und pro abgeschlossener Aufgabe ist es trotz der Indexlücke bei den Kosten wettbewerbsfähig. Nimm es auch, wenn du von Grund auf neu baust und keine WebSocket-Integration zu bewahren hast, denn die Transport-Geschichte spricht nur dann gegen dich, wenn du bereits eine hast.

Die eine Antwort, die man verwerfen sollte, ist, auf dem Composite herumzuhacken. Eine Indexlücke von 3,7 Punkten und eine τ-Voice-Lücke von 2,9 Punkten zeigen in entgegengesetzte Richtungen, und der Kostenunterschied zeigt in eine dritte — GPT-Live-1 ist 37,5 % günstiger pro Minute Audio, bevor man Texteingabe mitrechnet. Wer zwischen diesen beiden anhand von 86,9 gegenüber 83,2 wählt, wählt anhand der Zahl, die am wenigsten damit zu tun hat, ob die eigene Telefonleitung funktioniert.

Was die Sache klären würde: eine Zusage zur allgemeinen Verfügbarkeit und eine veröffentlichte Latenzangabe von OpenAI für die Astra-Konfiguration, die an der Spitze der Bestenliste steht, da der Vergleich 0,81 gegen 1,34 derzeit auf einer Zahl von xAI gegenüber einer Konfiguration beruht, die die OpenAI-Dokumentation selbst als Beispiel behandelt; oder eine Preisänderung von einer der beiden Seiten. Die Preisliste ist der einzige Teil dieses Duells, der sich schon einmal bewegt hat, und sie hat sich nach oben bewegt.

Auch bei einem solchen Vergleich zeigen sich die Fehlermodi: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle hinter Modellen dieser Klasse sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, einen Schweregrad, einen Konfidenzgrad und eine Strittig-Kennzeichnung mitführt.