Grok Voice 3.0 vs GPT-Live-1：xAIはインデックスを制したが、重要なテストには敗れた

2つのフラッグシップ、Artificial AnalysisのSpeech to Speech Indexで3.7ポイント差、そして音声エージェントを導入する価値があるかどうかを決める唯一の構成要素においては、両者とも打ち負かされている。Grok Voice 3.0は、SpaceXAIが2026年10月14日に発表したこのインデックスで86.9を記録し、GPT-Live-1のAstra medium構成——セッションが推論をバックエンドに委任する際に、OpenAI自身のドキュメントがWebRTC統合を指し示すバージョン——の83.2を上回っている。エージェントが実際に多段階のタスクを完了できるかを採点するカスタマーサービスベンチマーク、τ-Voiceでは、Grok Voice 3.0が71.6%、GPT-Live-1 Astra mediumが74.5%となっている。このカテゴリで最高の総合スコアを持つモデルが、仕事を成し遂げることと相関する構成要素では優位を握っておらず、OpenAIもそれについて見出しを公表していない。

二つ目に注目すべき点は、価格の方向性です。GPT-Live-1 は音声1分あたり0.05ドルを請求し、秒単位で課金され、1時間あたり3.00ドルになります。Grok Voice 3.0 は1分あたり0.08ドルを請求し、1時間あたり4.80ドルになります。より新しいモデルは音声1分あたりのコストが60%高く、しかもそれは、ベンダーが前モデルの販売期間の最後の四半期を、値下げを発表するのではなく料金引き上げの吸収に費やしたモデルです。

誰も比較表には載せないアーキテクチャの分断

これらのどちらも、自ら考える音声モデルではない。どちらも処理を委譲する音声レイヤーであり、その2つの委譲設計は同種のものではない——だからこそ、統合コストの差は、1分あたりの料金の差よりもはるかに大きい。

GPT-Live-1 は、非同期の境界を越えて、セッション構成で指定されたバックエンドへ処理を引き渡す。O​penAI が公開している WebRTC の例では、そのバックエンドを Responses API 経由で GPT-5.6 Terra に接続している。音声レイヤーはバックエンドが考えている間も会話を続け、答えが届くとそれを会話に折り戻す。その結果、推論を担う半分は、あなたが自分で選び、値付けし、独立して差し替えられる、ごく普通のトークン課金のテキスト呼び出しになる。一方、音声を担う半分はまったくポータブルではない。モデル ID は gpt-live-1 の一つだけ、エンドポイントは v1/live/sessions の一つだけ、多くの Realtime 連携がその上に構築されてきた WebSocket トランスポートではなく WebRTC であり、Chat Completions、Responses、Batch、ファインチューニングの各エンドポイントを通る道はない。レート制限は同時セッション数で表され、Tier 1 では 25、そこから 50、200、300、500 へと増えていく。これは、O​penAI がスケールの単位をリクエストではなく電話回線だと考えていることを物語っている。

Grok Voice 3.0 は適用範囲がより狭く、導入コストも低くなっています。これは Grok Voice 2.0 と同じリアルタイム WebSocket エンドポイント上で動作し、セッションパラメータもイベント名もベアラートークンハンドシェイクも同じで、ツール使用は以前と同様にセッション更新内の tools 配列を経由します。トランスポートの移行はありません。また、GPT-Live-1 が公開しているようなバックエンド委譲パターンは文書化されていません。つまり、必要な推論は、音声モデルが監視するバックグラウンドジョブとしてではなく、音声モデルが同期的に呼び出すツールとして到達可能でなければならないということです。

その違いは、インデックス以上に多くのデプロイを左右する。xAIのリアルタイムAPIをすでに利用しているチームなら、モデル文字列を変えるだけでGrok Voice 3.0に移行できる — あるいは何もしなくてもよい。grok-voice-latestが今ではそれに解決されるようになり、既存のエイリアスデプロイは自動的に移行されたからだ。OpenAIの旧Realtimeモデルを使っているチームがGPT-Live-1に移行する場合は、トランスポートの書き換えに加えてデリゲーションの書き換えを迫られる。

一行ずつ

以下のすべての数値は、各行に別段の記載がない限り、2026年10月13日付のArtificial Analysis自身の測定によるものです。

• Speech to Speech Index — Grok Voice 3.0 86.9 対 GPT-Live-1（Astra、medium）83.2。さらに低いGPT-Live-1構成として、Sol low-effortバリアントで80.1が測定されており、インデックスの差はどちらを指すかによって完全に決まります。

• エージェント性能、τ-Voice — GPT-Live-1 Astra medium 74.5% 対 Grok Voice 3.0 71.6%。この項目では OpenAI がリードしており、しかも発信者の問題が解決されたかどうかを予測するコンポーネントでもリードしています。

• 音声推論、Big Bench Audio — Grok Voice 3.0 98.5% 対、同じ帯域に位置する GPT-Live-1 Astra medium。両者とも天井に十分近く、この軸ではもはや誰も差別化できなくなっている。

• アリーナの優先度 — Grok Voice 3.0がボード上で最高Eloの1070を保持しています。GPT-Live-1はいかなる構成でもアリーナを保持していません。

• 初回音声出力までの時間 — Grok Voice 3.0 は 0.81 秒、GPT-Live-1 Astra medium は 1.34 秒。話し始めるまでが約40%速く、どちらのベンダーによる性能主張の中でも最も具体的なものです。

• 完了したタスクあたりのコスト、Big Bench Audio — Grok Voice 3.0 $0.025 対 GPT-Live-1 Astra medium $0.030。タスクあたりの安さと正確さは、調達の議論に終止符を打つ組み合わせです。

• 音声1分あたりの料金 — GPT-Live-1 は $0.05、秒単位で課金され、1分未満の端数は切り上げず、15秒のセッション初期化料金は上乗せされるのではなく、その後の利用時間分に充当されます；Grok Voice 3.0 は1分あたり $0.08、加えてテキスト入力1件あたり $0.004。

• マルチモーダル入力 — GPT-Live-1 は音声とテキストを受け付け、そのドキュメントでは画像と動画が明示的に非対応とされています。Grok Voice 3.0 にも視覚的グラウンディングはありません。この2つはどちらも見ることができず、どちらのベンダーもそれを変える時期を公表していません。

• 音声 — GPT-Live-1は12種類を提供。Grok Voice 3.0はxAIの組み込みセットと、最大120秒の参照クリップから音声をトレーニングするカスタム音声エンドポイントを維持。

想像できるワークロードに対する、請求額

1日1万分の会話を30日間行うと、1か月で30万分になります。

• GPT-Live-1 — 音声1分あたり0.05ドル、つまり音声レイヤーだけで月15,000ドル。

• Grok Voice 3.0 — 1分あたり$0.08、つまり月$24,000、さらにテキスト入力1件あたり$0.004。

どちらの数字も音声部分にすぎない。GPT-Live-1 のバックエンド推論、そのツール呼び出し、およびウェブ検索は、バックエンドモデル自身の料金で別途課金され、毎ターン検索するフロンティア推論モデルに接続したセッションでは、委任にかかるコストが音声にかかるコストを上回る可能性がある。Grok Voice 3.0 の同期ツール呼び出しも、同じルールの下で、それに応答するバックエンド上で実行される。どちらの場合も、「音声モデル価格」は通話の一部にすぎず、その割合は、発信者がどれだけ難しく考えるかによって変わる。

そこが、ルーターが実際に役立つ層であり、境界線については正確を期す価値があります。OrcaRouter はどちらのリアルタイムエンドポイントも提供していません — gpt-live-1 は O​penAI の Live Sessions API の向こう側に、Grok Voice 3.0 は xAI 独自の API の向こう側にあり、単一ベンダーに属する全二重音声セッションに割り込むことはできません。当社が担っているのは委譲の部分です。GPT-5.6 Terra — O​penAI 自身が公開した例に登場するまさにそのバックエンド —は、OrcaRouter を通じて O​penAI の定価（入力100万トークンあたり $2.00、出力100万トークンあたり $12.00）で提供され、chat と Responses の両エンドポイントが公開されており、1つのキーで利用できる200以上の他のモデルをプロバイダー定価・マークアップゼロで、そしてプロバイダーが劣化した際の自動フェイルオーバーも提供しています。マークアップが一切ないため、推論ティアにおけるベンダーの値下げは同じ日に当社側でも反映されます — これは、あるフラッグシップが3か月以内に分あたり料金を60%引き上げる一方、別のフラッグシップは据え置いた、というカテゴリーにおいて重要なことです。

各ベンダーが語る、どの取締役会も取り上げないこと

両ベンダーは自社の本番トラフィックについての数値を公表している。どちらも独立に検証できるものではなく、それらを誠実に読むなら、能力の証拠ではなく自信の証拠として受け止めるべきだ。

O​penAIがAPIリリースとともに公表し、誰も再現していない数値：全二重の対話性は80.1%で、GPT-Realtime-2.1の45.4%に対して優位、発話交替のレイテンシは1.4秒から0.8秒に短縮、ツール呼び出しの精度は60%から87%へ。Yelpは電話による予約対応の改善で言及され、語学学習プラットフォームのSpeakは、以前のターン制システムに比べて中断がほぼ80%減ったと報告した——結果に利害関係を持つ企業による自己申告であり、それでもこのリリースで最も具体的な導入事例の数値である。

SpaceXAIの数値は、発表時に公表され、同様に再現されていない。Grok Voice 3.0はTesla車両とSpaceXにまたがる毎日数百万件の会話を支え、Starlinkのコールセンターは多言語で1日2万件の顧客通話を処理しており、約70%が人手を介さず解決され、販売通話の約4件に1件が購入に至り、ServiceNowのEVA-Benchでは四捨五入で74%だ。コンテインメント率は、モデルレベルの衣装をまとったシステムレベルの数値として扱え。それはモデルと同じくらい、プロンプト設計、検索、エスカレーション方針を反映しており、外部の者にはそれらを切り分けられない。

実際にどれを選ぶべきか

レイテンシが制約で、スタックがすでに xAI 上にあるなら、Grok Voice 3.0 を採用しよう。初回音声までの時間 0.81 秒は、フロンティア音声モデルの中で公表されている最速の数値であり、WebSocket 経路なのでトランスポートの書き換えは不要で、移行コストはモデル文字列だけだ。発信者が結果よりも体験を評価する場合にも採用しよう — 選好ではアリーナを、品質ではコンポジットを制しており、会話を楽しむ発信者は、タスクがエスカレートしてもより幸せな気持ちで通話を終える。

タスクが製品そのものであるなら、GPT-Live-1を選べ。τ-Voiceを74.5%対71.6%でリードしており、その委任パターンは文書化され、推論バックエンドは不透明なツールではなく移植可能なトークン計量型の呼び出しであり、完了タスクあたりのコストでは指標の差にもかかわらず競争力がある。ゼロから構築していて保持すべきWebSocket統合がない場合も、同様に選ぶべきだ。トランスポートの話が不利に働くのは、すでに統合がある場合だけだからである。

却下すべき唯一の答えは、総合指標を基準に選ぶことだ。3.7ポイントのインデックス差と2.9ポイントのτ-Voice差は互いに逆方向を指し、コスト差はさらに第三の方向を指している——GPT-Live-1は、テキスト入力を数える前の時点で音声1分あたり37.5%安い。この2つを86.9対83.2で選ぶ人は、自分の電話回線が機能するかどうかとは最も関係の薄い数字で選んでいる。

何が決着をつけるか：一般提供（GA）へのコミットメントと、ボードの首位を占めるAstra構成についてOpenAIが公表するレイテンシ値だ。というのも、0.81対1.34の比較は現在、xAIの数値を、OpenAI自身のドキュメントが一例として扱っている構成と突き合わせたものに依拠しているからだ。あるいはどちらか一方の価格変更でも決着する。この対決で以前にも動いたことがあるのはレートカードだけであり、そしてそれは上方へ動いた。

このような比較は、失敗モードが表面化する場でもあります。このクラスのモデルの背後にある、記録されたAIインシデントやエージェント障害は、OrcaRouter AIインシデントアーカイブ に集められており、各エントリーには独自の情報源、重大度、信頼度グレード、異議ありフラグが付されています。