Grok Voice 3.0 vs GPT-Live-1: xAI ganó el índice y perdió la prueba que importa

Dos modelos insignia, separados por 3,7 puntos en el índice Speech to Speech de Artificial Analysis, y ambos superados en el único componente que decide si vale la pena desplegar un agente de voz. Grok Voice 3.0 registra 86,9 en el índice que SpaceXAI anunció el 14 de octubre de 2026, frente a 83,2 de GPT-Live-1 en su configuración Astra medium, la versión a la que los propios documentos de OpenAI dirigen una integración WebRTC cuando una sesión delega el razonamiento en un backend. En τ-Voice —el benchmark de atención al cliente que evalúa si un agente completa realmente una tarea de varios pasos—, Grok Voice 3.0 se sitúa en el 71,6% y GPT-Live-1 Astra medium se sitúa en el 74,5%. El modelo con la mejor puntuación compuesta de la categoría no posee el componente que se correlaciona con conseguir que el trabajo se haga, y OpenAI tampoco publicó un titular al respecto.

Lo segundo que vale la pena notar es la dirección del precio. GPT-Live-1 cobra $0.05 por minuto de voz, facturado por segundo, lo que equivale a $3.00 por hora. Grok Voice 3.0 cobra $0.08 por minuto, lo que equivale a $4.80 por hora. El modelo más nuevo cuesta un 60 % más por minuto de audio, y es el modelo cuyo proveedor pasó el último trimestre de la vida de su predecesor absorbiendo un aumento de tarifa en lugar de anunciar una rebaja.

La división arquitectónica que nadie pone en la tabla comparativa

Ninguno de los dos es un modelo de voz que piense. Ambos son capas de voz que delegan, y los dos diseños de delegación no son el mismo animal; por eso el costo de integración difiere mucho más de lo que difiere el precio por minuto.

GPT-Live-1 delega el trabajo a través de una frontera asíncrona a un backend nombrado en la configuración de la sesión. El ejemplo de WebRTC publicado por O​penAI conecta ese backend con GPT-5.6 Terra mediante la API de Responses. La capa de voz mantiene la conversación en marcha mientras el backend piensa y reincorpora la respuesta cuando esta llega. La consecuencia es que la mitad de razonamiento es una llamada de texto corriente medida en tokens que tú eliges, valoras e intercambias de forma independiente. La mitad de voz no es portable en absoluto: hay un único ID de modelo, gpt-live-1, un único endpoint en v1/live/sessions, WebRTC en lugar del transporte WebSocket sobre el que se construyeron la mayoría de las integraciones de Realtime, y ninguna ruta a través de Chat Completions, Responses, Batch ni los endpoints de ajuste fino. Los límites de velocidad se expresan en sesiones simultáneas —25 en el Tier 1, y van subiendo hasta 50, 200, 300 y 500—, lo que te indica que O​penAI piensa que la unidad de escala es una línea telefónica y no una solicitud.

Grok Voice 3.0 es más acotado y más económico de adoptar. Funciona sobre el mismo endpoint WebSocket en tiempo real que Grok Voice 2.0, con los mismos parámetros de sesión, los mismos nombres de eventos y el mismo handshake de token de portador, y el uso de herramientas pasa por un array tools en la actualización de sesión igual que antes. No hay migración de transporte. Tampoco hay un patrón documentado de delegación al backend del tipo que publica GPT-Live-1, lo que significa que el razonamiento que necesitas tiene que ser accesible como una herramienta que el modelo de voz invoque de forma síncrona en lugar de como un trabajo en segundo plano que supervise.

Esa diferencia decide más implementaciones que el índice. Un equipo que ya usa la API en tiempo real de xAI se pasa a Grok Voice 3.0 cambiando una cadena de modelo — o sin hacer nada, porque grok-voice-latest ahora resuelve a ese modelo y las implementaciones con alias existentes se migraron automáticamente. Un equipo que usa los modelos Realtime más antiguos de O​penAI y se pasa a GPT-Live-1 se enfrenta a una reescritura del transporte más una reescritura de la delegación.

Línea por línea

Todas las cifras a continuación son mediciones propias de Artificial Analysis con fecha del 13 de octubre de 2026, a menos que la línea indique lo contrario.

• Índice de voz a voz — Grok Voice 3.0 86.9 vs. GPT-Live-1 (Astra, medium) 83.2. También existe una configuración inferior de GPT-Live-1, medida en 80.1 en su variante Sol de bajo esfuerzo, y la brecha del índice depende por completo de cuál de las dos se trate.

• Rendimiento agéntico, τ-Voice — GPT-Live-1 Astra medium 74,5 % frente a Grok Voice 3.0 71,6 %. OpenAI lidera esta categoría, y lo hace en el componente que predice si se resuelve el problema de quien llama.

• Razonamiento de voz, Big Bench Audio — Grok Voice 3.0 98.5% frente a GPT-Live-1 Astra medium, que se sitúa en la misma banda. Ambos están lo bastante cerca del techo como para que este eje haya dejado de diferenciar a nadie.

• Preferencia de la arena — Grok Voice 3.0 tiene el Elo más alto del tablero, con 1070. GPT-Live-1 no domina la arena en ninguna configuración.

• Tiempo hasta el primer audio — Grok Voice 3.0: 0,81 segundos frente a GPT-Live-1 Astra medium con 1,34 segundos. Aproximadamente un 40% más rápido para empezar a hablar, y la afirmación de rendimiento más concreta que hace cualquiera de los dos proveedores.

• Coste por tarea completada, Big Bench Audio — Grok Voice 3.0 $0.025 frente a GPT-Live-1 Astra medium $0.030. Barato y preciso por tarea es la combinación que zanja los debates de adquisición.

• Precio por minuto de audio — GPT-Live-1 $0.05, facturado por segundo, sin redondear al alza los minutos parciales y con un cargo de inicialización de sesión de 15 segundos que se acredita contra la duración posterior en lugar de acumularse por encima; Grok Voice 3.0 $0.08 por minuto más $0.004 por entrada de texto.

• Entrada multimodal — GPT-Live-1 acepta audio y texto, y su documentación enumera imagen y video como explícitamente no compatibles; Grok Voice 3.0 tampoco tiene anclaje visual. Ninguno de estos dos puede ver, y ninguno de los dos proveedores ha publicado una fecha para cambiar eso.

• Voces — GPT-Live-1 incluye 12; Grok Voice 3.0 mantiene el conjunto integrado de xAI y el endpoint de voz personalizada que entrena una voz a partir de un clip de referencia de hasta 120 segundos.

La factura, por una carga de trabajo que puedes imaginar

Diez mil minutos de conversación al día durante treinta días son 300.000 minutos al mes.

• GPT-Live-1 — 0,05 $ por minuto de voz, es decir, 15.000 $ al mes solo en la capa de voz.

• Grok Voice 3.0 — $0.08 por minuto, es decir, $24,000 al mes, más $0.004 por entrada de texto.

Ambos números son solo la mitad correspondiente a la voz. El razonamiento del backend de GPT-Live-1, sus llamadas a herramientas y cualquier búsqueda web se facturan por separado según las tarifas propias del modelo de backend, y una sesión dirigida a un razonador de frontera que busca en cada turno puede costar más en delegación que en audio. Las llamadas a herramientas síncronas de Grok Voice 3.0 se ejecutan en el backend que sea que las responda, bajo la misma regla. En ambos casos, el "precio del modelo de voz" es una fracción de la llamada, y la fracción depende de cuánto se esfuercen en pensar quienes te llaman.

Esa es la capa donde un router es realmente útil, y conviene ser exactos con el límite. OrcaRouter no sirve ninguno de los endpoints en tiempo real — gpt-live-1 vive detrás de la API Live Sessions de OpenAI y Grok Voice 3.0 detrás de la propia de xAI, y nada puede interponerse en una sesión de audio dúplex que pertenece a un solo proveedor. Lo que sí ejecutamos es la mitad de delegación. GPT-5.6 Terra, el backend exacto del propio ejemplo publicado por OpenAI, se sirve a través de OrcaRouter al precio de lista de OpenAI de $2.00 por millón de tokens de entrada y $12.00 por millón de salida, con los endpoints de chat y Responses expuestos, junto con más de 200 modelos adicionales con una sola clave, al precio de lista del proveedor sin recargo y con conmutación por error automática cuando un proveedor se degrada. Como no se aplica ningún recargo, una rebaja de precio de un proveedor en el nivel de razonamiento está activa de nuestro lado el mismo día, lo cual importa en una categoría donde un modelo insignia subió su tarifa por minuto un 60 % en tres meses mientras que otro la mantuvo igual.

Lo que cada proveedor dice que ningún tablero cubre

Ambos proveedores publican cifras sobre su propio tráfico de producción. Ninguna de ellas es verificable de forma independiente, y la manera honesta de interpretarlas es como evidencia de confianza más que de capacidad.

Las cifras de OpenAI, publicadas junto con el lanzamiento de la API y que nadie ha reproducido: interactividad full-duplex del 80,1 % frente al 45,4 % de GPT-Realtime-2.1, latencia en la toma de turnos reducida de 1,4 segundos a 0,8, precisión en la llamada a herramientas del 60 % al 87 %. Se cita a Yelp por la mejora en la gestión de reservas telefónicas, y la plataforma de aprendizaje de idiomas Speak informó de casi un 80 % menos de interrupciones que su anterior sistema basado en turnos —autoinformado por una empresa con interés en el resultado, y aun así la cifra de implementación más concreta del anuncio.

Las cifras de SpaceXAI, publicadas junto con su lanzamiento e igualmente no replicadas: Grok Voice 3.0 impulsa millones de conversaciones diarias en vehículos Tesla y SpaceX, los centros de llamadas de Starlink gestionan 20.000 llamadas de clientes al día en varios idiomas, con aproximadamente el 70 % resueltas sin intervención humana y alrededor de una de cada cuatro llamadas de ventas terminando en una compra, y un 74 % redondeado en EVA-Bench de ServiceNow. Trata la tasa de contención como un número a nivel de sistema disfrazado de modelo —refleja el diseño de prompts, la recuperación y la política de escalado tanto como el modelo, y ninguna parte externa puede separarlos.

¿Cuál elegir realmente?

Elige Grok Voice 3.0 cuando la latencia sea la restricción y el stack ya esté en xAI. El tiempo hasta el primer audio de 0,81 segundos es la cifra publicada más rápida entre los modelos de voz de frontera, la ruta de WebSocket implica que no hay que reescribir el transporte, y el coste de migración es una cadena de modelo. Elígelo también si las personas que llaman juzgan la experiencia en lugar del resultado: lidera la arena en preferencia y el compuesto en calidad, y quien disfruta de la conversación cuelga más feliz incluso cuando la tarea se intensifica.

Elige GPT-Live-1 cuando la tarea sea el producto. Lidera a τ-Voice con un 74,5 % frente a un 71,6 %, su patrón de delegación está documentado y su backend de razonamiento es una llamada portátil con medición de tokens en lugar de una herramienta opaca, y por tarea completada es competitivo en coste a pesar de la diferencia en el índice. Elígelo también si estás construyendo desde cero y no tienes ninguna integración de WebSocket que preservar, porque la cuestión del transporte solo juega en tu contra cuando ya tienes una.

La única respuesta que hay que rechazar es elegir basándose en el compuesto. Una diferencia de 3,7 puntos en el índice y una de 2,9 puntos en τ-Voice apuntan en direcciones opuestas, y la diferencia de coste apunta en una tercera — GPT-Live-1 es un 37,5 % más barato por minuto de audio antes de contar la entrada de texto. Cualquiera que elija entre estos dos según 86,9 frente a 83,2 está eligiendo con el número menos relacionado con si su línea telefónica funciona.

Qué lo zanjaría: un compromiso de disponibilidad general y una cifra de latencia publicada por OpenAI para la configuración Astra que ocupa lo más alto de la tabla, ya que la comparación de 0,81 frente a 1,34 actualmente se apoya en el número de xAI frente a una configuración que los propios documentos de OpenAI tratan como ejemplo; o un movimiento de precios de cualquiera de las partes. La tarifa es la única parte de este enfrentamiento que se ha movido antes, y se movió al alza.

Comparaciones como esta son también donde se manifiestan los modos de fallo: los incidentes de IA documentados y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.