Grok Voice 3.0 vs Realtime-Venus: El que tiene la tarjeta de tarifas no puede ver, y el que puede no tiene tarjeta de tarifas

Hay una clara línea divisoria que recorre la voz en dúplex completo a finales de 2026, y no es la calidad. Grok Voice 3.0, anunciado por SpaceXAI el 14 de octubre de 2026, ocupa la primera posición del Artificial Analysis Speech to Speech Index con 86,9, a 0,08 $ por minuto de audio, y no percibe nada que no sea sonido. Realtime-Venus, el sistema 9B de dos checkpoints del equipo Venus de Ant Group junto con la Universidad de Tsinghua, cuyo informe técnico se publicó en arXiv el 12 de septiembre de 2026, transmite fotogramas de cámara a través de un codificador SigLIP2 y habla sobre lo que ve, y no tiene API, ni precio, ni endpoint alojado, ni ningún tipo de evaluación independiente. Todo lo que se puede comprar oye. Todo lo que ve, hay que ejecutarlo uno mismo.

La brecha de percepción es toda la comparación

Estos dos no difieren por unos pocos puntos en una prueba comparativa compartida. Difieren en lo que son físicamente capaces de absorber, y las consecuencias llegan hasta lo que puedes construir.

• Entrada — Grok Voice 3.0 recibe audio y texto con un array de herramientas; Realtime-Venus-Omni recibe video o imágenes, audio y texto, con la visión fusionada en la misma red en lugar de añadida a posteriori.

• Toma de turnos — Grok Voice 3.0 utiliza detección de actividad de voz del lado del servidor configurada por sesión; Realtime-Venus traslada la decisión al interior del modelo, sin ningún detector externo.

• Salida — Grok Voice 3.0 devuelve voz y transcripciones; Realtime-Venus devuelve texto y, opcionalmente, una forma de onda de voz decodificada a partir de tokens S3 discretos mediante un decodificador de flow matching en streaming, en lugar de una etapa separada de conversión de texto a voz.

• Disponibilidad — Grok Voice 3.0 ya está activo en el WebSocket en tiempo real de SpaceXAI, con code>grok-voice-latest/code> resolviéndose ahora a él y su predecesor obsoleto; Realtime-Venus son dos checkpoints BF16 bajo Apache-2.0 en code>inclusionAI/Realtime-Venus/code> en Hugging Face, y la ficha indica claramente que el modelo no está desplegado por ningún proveedor de inferencia.

• Medibilidad — Grok Voice 3.0 tiene un índice compuesto de 86,9 con cinco componentes legibles y un Elo de arena de 1070; Realtime-Venus tiene cifras reportadas por sus autores procedentes de su propio informe técnico y ninguna entrada en la tabla de clasificación, porque no hay un endpoint al que un tercero pueda dirigir un arnés de pruebas.

• Precio — $0.08 por minuto de audio más $0.004 por entrada de texto, frente a ningún precio en absoluto.

Lee las dos últimas líneas juntas y la forma de la decisión aparece: el sistema con las cifras auditadas es el que no puede ver, y el que puede ver nunca ha sido medido por nadie que no lo haya construido.

Lo que el informe realmente afirma, y lo que cuesta verificarlo

Las cifras de Realtime-Venus provienen de su propio informe y de su tarjeta de modelo; nadie fuera de los autores las ha reproducido, y no hay una posición en la arena con la que comparar. Léelas como las mediciones de los autores.

• Benchmarks de vídeo, Realtime-Venus-Omni — la mejor puntuación en seis de los ocho benchmarks que utiliza el informe, incluidos StreamingBench 70.2, OVO-Bench 64.7 y Daily-Omni 81.3.

• Puntos de referencia de audio, Realtime-Venus-Audio — MMAU 78,0, MMAU-Pro 63,2, Llama Questions 83,8, Speech CMMLU 67,8 y una puntuación de 4,81 en VoiceBench AlpacaEval que, según el informe, iguala la mejor cifra de comparación.

• Full-Duplex-Bench v1.5 — respuesta al 75 % de las interrupciones de los usuarios, con tasas de continuación del 97 % con backchannels, del 88 % con habla dirigida a otras personas y del 86 % con habla de fondo, y se afirma que supera a Gemini 3.1 Live y a GPT-4o en las tres métricas de continuación.

• Contexto y formato — 40.960 tokens en ambos checkpoints, pesos BF16, inglés y chino.

La cifra de Daily-Omni es la que merece una pausa, porque es donde los propios números del informe hacen algo útil. MiniCPM-o 4.5, el modelo omnimodal de 9B que OpenBMB publicó como código abierto a principios de 2026, reporta 80.2 en el mismo benchmark — y la ficha de Realtime-Venus indica que el checkpoint Omni está adaptado a partir de él. Realtime-Venus-Omni reporta 81.3. Si ambas cifras se sostienen, la mejora obtenida tras un esfuerzo considerable de post-entrenamiento, runtime y delegación es de aproximadamente un punto en un benchmark que el modelo base ya manejaba bien. Ese es un resultado realista para este tipo de trabajo y una historia mucho menos dramática que «el mejor en seis de ocho».

Contra el marcador sobre el que se sienta Grok Voice 3.0

Pon las dos una al lado de la otra con honestidad y la comparación resulta asimétrica de un modo que no favorece a ninguna.

En cuanto a la dinámica conversacional, el único eje sobre el que ambos sistemas informan algo, la continuación del 97 % de Realtime-Venus bajo backchannels es superior al 97,0 % que Grok Voice 3.0 registra en Full Duplex Bench. Distintos arneses de prueba, distintas versiones, y uno de los dos nunca ha sido ejecutado por un tercero, así que la lectura honesta es que Realtime-Venus afirma estar a la par o ligeramente mejor en la única métrica en la que los números pueden siquiera mencionarse en la misma frase, y esa afirmación tiene un solo lector.

En todo lo demás, los dos no se pueden comparar, porque solo uno de ellos está en un tablero. El compuesto de 86.9 de Grok Voice 3.0 se descompone en una cifra de razonamiento cerca del techo, la puntuación dúplex del 97.0%, 71.6% en τ-Voice, Elo 1070 en preferencia de arena y 94.8% de éxito en tareas, cada uno medido bajo un arnés publicado que cualquiera puede leer y discutir. Un compuesto es una elección de ponderación y el componente de arena está congelado en el punto en que un modelo se vuelve elegible en lugar de rastrear el Elo en vivo — pero un equipo externo puede verificar la aritmética y discrepar de la conclusión en lugar de ser incapaz de formarse una.

Esa es la verdadera diferencia en la calidad de la evidencia, y vale la pena decirlo sin los adjetivos de ninguna de las partes. Ambos modelos incluyen afirmaciones de proveedores sobre sus propios despliegues en producción. SpaceXAI informa que 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, además de millones de conversaciones diarias en Tesla y SpaceX. Ant Group no informa nada sobre despliegue en absoluto, porque no hay despliegue — solo un artículo, un repositorio y un arnés de pruebas. Ninguno de los dos conjuntos es auditable desde fuera, y solo uno de ellos siquiera intenta serlo.

Lo que realmente implica ejecutar Realtime-Venus

La descarga es real. Dos directorios de checkpoints con safetensors fragmentados, código personalizado de Transformers cargado con code>trust_remote_code=True/code>, un archivo de requisitos, los recursos de token a forma de onda, una voz de referencia y una licencia Apache-2.0. El streaming full-duplex se activa con un solo cambio de método, y el bucle documentado es un segundo de prefill de streaming seguido de generación en streaming, repetido. La memoria de video largo se habilita con un parámetro de minutos de memoria y se describe como libre de entrenamiento, lo cual es inusual para una capacidad que normalmente requiere ajuste fino.

Dos cosas al respecto importan más que las especificaciones.

El primero es el mínimo de hardware. Un modelo de 9B en BF16 ocupa aproximadamente dieciocho gigabytes de pesos antes de la memoria de activación, y la inferencia dúplex audiovisual añade el codificador visual y un bucle de transmisión continuo de un segundo por encima. Eso es un despliegue de clase servidor, no de portátil — y es una propuesta distinta a la de una llamada telefónica que cuesta 0,08 $ por minuto y empieza a funcionar la tarde en que te das de alta.

Lo segundo es que el componente más interesante no está en los pesos. El runtime de doble bucle —un bucle de interacción de un segundo más un planificador en segundo plano que el artículo llama Realtime-Venus-Harness, el cual ejecuta tareas delegadas contra una instantánea aislada del estado de la conversación para que un trabajo de larga duración no se vea corrompido porque la conversación siga avanzando— vive en un repositorio de GitHub aparte. La captura causal de tareas es la idea genuinamente nueva del informe, y es la parte que tú mismo ensamblas y en la que confías.

Ese último punto es donde converge la arquitectura de los dos sistemas, y es lo práctico que hay que extraer de esta combinación. Ambos son front ends. Grok Voice 3.0 llama a herramientas desde un array de herramientas en su actualización de sesión y delega cualquier cosa más pesada a un backend que responde de forma síncrona. Realtime-Venus emite un marcador de delegación asíncrona en su propia secuencia oculta y le pasa el trabajo a un harness. En ambos diseños, el pensamiento, la recuperación y la lógica de negocio ocurren en un modelo de texto ordinario detrás de una capa conversacional, y esa capa es la única parte de cualquiera de los dos stacks que puedes elegir libremente.

OrcaRouter no incluye ni Grok Voice 3.0 ni Realtime-Venus. La sesión de Grok Voice pertenece al propio WebSocket de SpaceXAI, y Realtime-Venus es una descarga que no servimos; describir un router como si estuviera dentro de una sesión de audio dúplex sería describir algo que no existe. El tramo delegado es diferente: 207 modelos de más de una docena de proveedores upstream detrás de una sola clave, al precio de lista del proveedor y sin recargo alguno, con conmutación por error automática cuando un proveedor se degrada y un DSL de enrutamiento que compone varios modelos en una sola llamada. Para una arquitectura como la de Realtime-Venus, en la que un componente autoalojado no probado delega trabajo a un modelo de texto que tampoco has evaluado, la conmutación por error es la diferencia entre una tarde mala para un proveedor y una llamada perdida.

Cuál elegir, y cuándo cambia la respuesta

Si vas a lanzar algo este trimestre, Grok Voice 3.0 es el único de los dos que es una decisión y no un proyecto. Ocupa lo más alto de la tabla pública, empieza a hablar en 0,81 segundos, cuesta lo mismo que el modelo al que reemplaza y se puede llamar hoy a través de un endpoint cuyos parámetros de sesión no cambiaron. Fija primero tu versión —el alias ya se ha movido dos veces este trimestre— y luego lanza.

Realtime-Venus es la respuesta correcta a una pregunta mucho más concreta: ¿necesitas un modelo que vigile una sala y hable sobre lo que hay en ella, en hardware que sea tuyo, bajo una licencia que te permita afinarlo? Esa capacidad no tiene equivalente alojado en esta combinación. Grok Voice 3.0 no tiene ninguna entrada visual, y los demás modelos de voz de frontera del tablero tampoco. Si ese es tu requisito, la descarga es la única puerta.

Lo que cambiaría esta página es lo mismo que cambiaría la mayor parte de esta categoría. Un proveedor de inferencia que ofreciera Realtime-Venus con una tarifa publicada convertiría un artefacto de investigación en un producto y haría que la comparación fuera real; una segunda reproducción independiente de la cifra del 97 % de continuación del canal de retorno resolvería el único número que ambos sistemas pueden compartir actualmente. Hasta que ocurra cualquiera de las dos cosas, el resumen preciso es contundente: uno de estos se puede comprar y el otro se puede leer. El que se puede leer es el documento más interesante, y el que se puede comprar es el que contesta el teléfono.