Grok Voice 3.0 vs Realtime-Venus: Quello che ha il tariffario non può vedere, e quello che può non ha alcun tariffario

Esiste una linea di demarcazione netta che attraversa la voce full-duplex alla fine del 2026, e non è la qualità. Grok Voice 3.0, annunciato da SpaceXAI il 14 ottobre 2026, occupa la prima riga dell'Artificial Analysis Speech to Speech Index con 86,9 a 0,08 dollari al minuto di audio, e non percepisce altro che il suono. Realtime-Venus, il sistema 9B a due checkpoint del Venus Team di Ant Group con la Tsinghua University, il cui rapporto tecnico è stato pubblicato su arXiv il 12 settembre 2026, trasmette in streaming i fotogrammi della telecamera attraverso un encoder SigLIP2 e parla di ciò che vede — e non ha API, né prezzo, né endpoint ospitato, né alcuna valutazione indipendente di sorta. Tutto ciò che potete comprare sente. Tutto ciò che vede, dovete eseguirlo voi stessi.

Il divario di percezione è l'intero confronto

Questi due non differiscono di qualche punto su un benchmark condiviso. Differiscono per ciò che sono fisicamente in grado di assorbire, e le conseguenze arrivano fino a ciò che puoi costruire.

• Input — Grok Voice 3.0 accetta audio e testo con un array di strumenti; Realtime-Venus-Omni accetta video o immagini, audio e testo, con la visione fusa nella stessa rete anziché aggiunta a posteriori.

• Alternanza dei turni — Grok Voice 3.0 utilizza il rilevamento dell'attività vocale lato server configurato per sessione; Realtime-Venus sposta la decisione all'interno del modello, senza alcun rilevatore esterno.

Output — Grok Voice 3.0 restituisce audio vocale e trascrizioni; Realtime-Venus restituisce testo e, facoltativamente, una forma d'onda vocale decodificata da token S3 discreti tramite un decoder flow-matching in streaming anziché da uno stadio separato di sintesi vocale.

• Raggiungibilità — Grok Voice 3.0 è attivo sul WebSocket in tempo reale di SpaceXAI, con code>grok-voice-latest/code> che ora punta ad esso e il suo predecessore è deprecato; Realtime-Venus è due checkpoint BF16 sotto Apache-2.0 presso code>inclusionAI/Realtime-Venus/code> su Hugging Face, e la scheda dichiara chiaramente che il modello non è distribuito da alcun fornitore di inferenza.

• Misurabilità — Grok Voice 3.0 detiene un indice composito di 86,9 con cinque componenti leggibili e un Elo arena di 1070; Realtime-Venus ha numeri riportati dall'autore nel suo stesso rapporto tecnico e nessuna voce in classifica, perché non esiste un endpoint verso cui una terza parte possa puntare un sistema di valutazione.

• Prezzo — 0,08 $ al minuto di audio più 0,004 $ per input di testo, contro nessun prezzo.

Leggi insieme le ultime due righe e appare la forma della decisione: il sistema con i numeri verificati è quello che non può vedere, e quello che può vedere non è mai stato misurato da nessuno che non l'abbia costruito.

Che cosa afferma davvero il rapporto, e quanto costa verificarlo

I valori di Realtime-Venus provengono dal suo stesso report e dalla sua scheda del modello; nessuno al di fuori degli autori li ha riprodotti, e non c'è alcun posizionamento in arena con cui confrontarli. Leggili come misurazioni degli autori.

• Benchmark video, Realtime-Venus-Omni — miglior punteggio su sei degli otto benchmark utilizzati dal report, tra cui StreamingBench 70.2, OVO-Bench 64.7 e Daily-Omni 81.3.

• Benchmark audio, Realtime-Venus-Audio — MMAU 78,0, MMAU-Pro 63,2, Llama Questions 83,8, Speech CMMLU 67,8 e un punteggio VoiceBench AlpacaEval di 4,81 che il report descrive come corrispondente al miglior valore di confronto.

• Full-Duplex-Bench v1.5 — risposta al 75% delle interruzioni dell'utente, con tassi di continuazione del 97% in presenza di backchannel, dell'88% con parlato rivolto ad altri e dell'86% con parlato in sottofondo; si dichiara che superi Gemini 3.1 Live e GPT-4o su tutte e tre le metriche di continuazione.

• Contesto e formato — 40.960 token su entrambi i checkpoint, pesi BF16, inglese e cinese.

Il dato di Daily-Omni è quello su cui vale la pena soffermarsi, perché è qui che i numeri del report stesso fanno qualcosa di utile. MiniCPM-o 4.5, il modello omni-modale da 9B che OpenBMB ha reso open source all'inizio del 2026, riporta 80,2 sullo stesso benchmark — e la scheda di Realtime-Venus afferma che il checkpoint Omni è adattato da esso. Realtime-Venus-Omni riporta 81,3. Se entrambi reggono, il miglioramento derivante da un sostanziale lavoro di post-training, runtime e delega è di circa un punto su un benchmark che il modello di base già gestiva bene. È un risultato realistico per questo tipo di lavoro e una storia molto meno drammatica di «migliore su sei degli otto».

Contro il tabellone su cui siede Grok Voice 3.0

Se li si mette onestamente a confronto, il paragone è asimmetrico in un modo che non lusinga né l'uno né l'altro.

Sulle dinamiche conversazionali, l'unico asse per cui entrambi i sistemi riportano qualcosa, il 97% di continuazione di Realtime-Venus in presenza di backchannel è più alto del 97,0% che Grok Voice 3.0 pubblica su Full Duplex Bench. Harness diversi, versioni diverse, e uno dei due non è mai stato eseguito da una parte esterna — quindi la lettura onesta è che Realtime-Venus dichiara una parità o un leggero vantaggio sull'unica metrica in cui i numeri possono persino essere menzionati nella stessa frase, e quella dichiarazione ha un solo lettore.

Su tutto il resto i due non possono essere confrontati, perché solo uno dei due è su una classifica. Il composito 86,9 di Grok Voice 3.0 si scompone in una cifra di ragionamento vicina al tetto massimo, il punteggio duplex del 97,0%, il 71,6% su τ-Voice, Elo 1070 sulla preferenza in arena e il 94,8% di successo nei task, ciascuno misurato sotto un harness pubblicato che chiunque può leggere e contestare. Un composito è una scelta di ponderazione e la componente arena viene congelata nel momento in cui un modello diventa idoneo, invece di seguire l'Elo in tempo reale — ma un team esterno può verificare l'aritmetica e dissentire dalla conclusione, anziché essere incapace di formularne una.

Questa è la vera differenza nella qualità delle prove, e vale la pena affermarla senza gli aggettivi dell'una o dell'altra parte. Entrambi i modelli riportano dichiarazioni dei fornitori sulle proprie implementazioni in produzione. SpaceXAI riferisce che i call center di Starlink gestiscono 20.000 chiamate clienti al giorno in più lingue, con circa il 70% risolte senza un intervento umano, oltre a milioni di conversazioni giornaliere in Tesla e SpaceX. Ant Group non riferisce assolutamente nulla sul deployment, perché non c'è alcun deployment — solo un articolo, un repository e un harness. Nessuno dei due insiemi è verificabile dall'esterno, e solo uno dei due sta persino provando a esserlo.

Cosa implica davvero eseguire Realtime-Venus

Il download è reale. Due directory di checkpoint con safetensors shardizzati, codice Transformers personalizzato caricato con code>trust_remote_code=True/code>, un file requirements, gli asset da token a forma d'onda, una voce di riferimento e una licenza Apache-2.0. Lo streaming full-duplex si attiva con un singolo cambio di metodo, e il ciclo documentato è un secondo di prefill in streaming seguito da generazione in streaming, ripetuto. La memoria per video lunghi è abilitata con un parametro memory-minutes ed è descritta come training-free, cosa insolita per una capacità che normalmente richiede fine-tuning.

Due cose al riguardo contano più delle specifiche.

Il primo è il requisito hardware minimo. Un modello da 9B in BF16 pesa circa diciotto gigabyte di pesi prima della memoria di attivazione, e l'inferenza duplex audio-visiva aggiunge, oltre a ciò, l'encoder visivo e un ciclo di streaming continuo di un secondo. Si tratta di un deployment di classe server, non di un laptop — ed è una cosa diversa da una chiamata telefonica che costa 0,08 $ al minuto e inizia a funzionare il pomeriggio in cui ti iscrivi.

Il secondo è che il componente più interessante non sta nei pesi. Il runtime a doppio ciclo — un ciclo di interazione da un secondo più uno scheduler in background che il paper chiama Realtime-Venus-Harness, il quale esegue i compiti delegati su un'istantanea isolata dello stato della conversazione, così che un job di lunga durata non possa essere corrotto dal proseguire della conversazione — risiede in un repository GitHub separato. La cattura causale dei compiti è l'idea davvero nuova del rapporto, ed è la parte che assembli e di cui ti fidi da solo.

Quest'ultimo punto è dove l'architettura dei due sistemi converge, ed è la cosa pratica da trarre dall'abbinamento. Entrambi sono front end. Grok Voice 3.0 richiama strumenti da un array di strumenti nel suo aggiornamento di sessione e delega qualunque cosa più pesante a un backend che risponde in modo sincrono. Realtime-Venus emette un marcatore di delega asincrona nella propria sequenza nascosta e affida il lavoro a un harness. In entrambi i progetti il ragionamento, il recupero e la logica di business avvengono in un normale modello testuale dietro un livello conversazionale — e quel livello è l'unica parte di entrambi gli stack che puoi scegliere liberamente.

OrcaRouter non include né Grok Voice 3.0 né Realtime-Venus. La sessione Grok Voice appartiene al WebSocket di SpaceXAI, e Realtime-Venus è un download che non forniamo; descrivere un router come se fosse all'interno di una sessione audio duplex significherebbe descrivere qualcosa che non esiste. La tratta delegata è diversa: 207 modelli da più di una dozzina di upstream dietro un'unica chiave al prezzo di listino del provider, senza alcun markup, con failover automatico quando un provider si degrada e un DSL di routing che compone diversi modelli in un'unica chiamata. Per un'architettura come quella di Realtime-Venus, in cui un componente self-hosted non collaudato affida il lavoro a un modello di testo che non hai benchmarkato nemmeno tu, il failover è la differenza tra un pomeriggio difficile per un provider e una chiamata interrotta.

Quale scegliere, e quando la risposta cambia

Se devi rilasciare qualcosa questo trimestre, Grok Voice 3.0 è l'unico dei due che rappresenta una decisione anziché un progetto. Occupa la prima posizione della classifica pubblica, inizia a parlare in 0,81 secondi, costa quanto il modello che sostituisce ed è invocabile oggi tramite un endpoint i cui parametri di sessione non sono cambiati. Blocca prima la tua versione — l'alias si è già spostato due volte questo trimestre — e poi rilascia.

Realtime-Venus è la risposta giusta a una domanda molto più ristretta: ti serve un modello che osservi una stanza e parli di ciò che contiene, su hardware di tua proprietà, con una licenza che ti consenta di affinarlo? Questa capacità non ha un equivalente ospitato in questo abbinamento. Grok Voice 3.0 non ha alcun input visivo, e nemmeno gli altri modelli vocali di frontiera presenti nella lista. Se è questo che ti serve, il download è l'unica porta.

Ciò che cambierebbe questa pagina è la stessa cosa che cambierebbe gran parte di questa categoria. Un fornitore di inferenza che offrisse Realtime-Venus con una tariffa pubblicata trasformerebbe un artefatto di ricerca in un prodotto e renderebbe reale il confronto; una seconda riproduzione indipendente del dato del 97% di continuazione del backchannel risolverebbe l'unico numero che i due sistemi possono attualmente condividere. Finché nessuna delle due cose si concretizza, il riassunto accurato è brutale: uno di questi lo puoi comprare, e uno lo puoi leggere. Quello che puoi leggere è il documento più interessante, e quello che puoi comprare è quello che risponde al telefono.