Grok Voice 3.0, 86.9점으로 음성 대 음성 지수 1위 — 그리고 레이턴시 기록은 반납

모두가 인용하게 될 숫자는 86.9입니다. 바로 그 숫자가 Grok Voice 3.0이 2026년 10월 13일 순위표가 다시 산출되었을 때 Artificial Analysis Speech to Speech Index에서 기록한 점수로, 자신이 대체하는 모델보다 5.5점 앞선다. 그 모델은 Grok Voice 2.0, 81.3점이었다. 또한 Astra medium 구성의 GPT-Live-1(83.2)과 Gemini 3.8 Live Extended Thinking(82.6)보다도 앞서, 최상위 자리를 공동으로 차지하는 것이 아니라 단독으로 차지한 최초의 xAI 음성 모델이 되었다. SpaceXAI는 10월 14일에 이를 발표했는데, 이는 API 릴리스 노트가 바뀐 날과 같았고, 자신이 은퇴시키는 모델과 분당 가격도 같았다.

아무도 인용하지 않을 숫자는 0.70이다. xAI가 헤드라인에 넣지 않았기 때문이다. 이는 Grok Voice 2.0의 첫 오디오까지 걸리는 시간(초)이며, Grok Voice 3.0의 0.81보다 빠르다. 1초 미만의 턴테이킹을 1년 내내 팔아온 회사가 이제는 자사 구형 모델보다 0.11초 늦게 말을 시작하는 플래그십을 내놓은 것이다. Artificial Analysis가 1.34초로 측정한 GPT-Live-1 구성보다는 여전히 약 40% 더 빠르게 출발하므로, 마케팅 주장은 문자 그대로 읽으면 살아남는다. 다만 이전 버전과 비교하면 살아남지 못한다.

실제로 출시된 것, 그리고 그 비용

Grok Voice 3.0은 이전 버전과 동일한 실시간 WebSocket 엔드포인트를 통해 제공되는 음성-대-음성 모델이며, 동일한 세션 매개변수와 동일한 이벤트 이름을 사용합니다. 새로운 SDK도, 마이그레이션 문서도 없습니다. 마이그레이션할 것이 없기 때문입니다. 모델 문자열이 바뀌었고 그 뒤의 동작도 바뀌었습니다.

• 가격 — 오디오 1분당 $0.08, 또는 시간당 $4.80, 여기에 텍스트 입력 1건당 $0.004가 추가됩니다. Grok Voice 2.0과 동일합니다. 이는 가격을 그대로 유지한 채 이루어진 기능 업데이트이며, 가격 재책정이 아닙니다.

• 별칭 동작 — grok-voice-latest가 이제 grok-voice-3.0으로 해석됩니다. 별칭을 대상으로 배포한 모든 사용자는 코드 변경도, 버전 고정도 없이 자동으로 새 모델로 이동되었습니다.

• 지원 중단 — grok-voice-2.0은 지원 중단으로 표시되었습니다. xAI가 문서화한 업그레이드 경로는 model 필드를 grok-voice-3.0으로 설정하거나 별칭을 그대로 두는 것입니다.

• 엔드포인트 및 인증 — 변경 없음. 동일한 실시간 URL, 동일한 베어러 토큰 핸드셰이크, 클라이언트 측 연결을 위한 동일한 단기 임시 토큰.

• 보이스 — 내장 음성 세트와 사용자 지정 음성 엔드포인트는 변경되지 않았습니다. 사용자 지정 음성은 최대 120초 길이의 참조 클립으로 훈련되며, 그 결과로 생성된 voice_id는 실시간 API와 스트리밍 텍스트 음성 변환 전반에서 작동합니다.

그 마지막 목록이 바로 별칭 변경이 들리는 것보다 더 중요한 이유다. Grok Voice 2.0은 2026년 8월 5일에야 별칭 대상이 되었는데, 이는 이번 릴리스 약 10주 전이었다. 8월에 grok-voice-latest를 기준으로 구축한 팀은 이제 한 분기 만에 두 번의 조용한 모델 교체를 겪은 셈인데, 이는 챗봇 실험에는 괜찮은 특성이지만 특정 음성의 타이밍을 기준으로 회귀 테스트 스위트를 작성한 전화 시스템에는 그리 좋지 않은 특성이다.

컴포넌트별로 살펴보는 인덱스

복합 지수는 논점을 가리므로, Grok Voice 3.0을 하나하나 뜯어볼 가치가 있다. 아래의 모든 수치는 2026년 10월 13일자 Artificial Analysis 자체 테스트에서 나온 것이다.

• 음성 추론, Big Bench Audio — 98.5%, Grok Voice 2.0의 97.2%에서 상승.

• 대화 다이내믹스, Full Duplex Bench — 97.0%, 95.1%에서 상승.

• Speech Agent Arena 선호도 — Elo 1070, 1011에서 상승, 그리고 리더보드에서 최고.

• 작업 성공률 — 94.8%, 94.6%에서 상승. 이는 다섯 가지 중 가장 작은 변화이며, 그렇게 언급할 가치가 있습니다: 순수 작업 완료 기준에서 두 모델은 측정상 같은 모델입니다.

• 에이전트 성능, τ-Voice — 71.6%, 56.5%에서 상승. 이는 이번 릴리스에서 가장 큰 단일 변화로, 에이전트가 단지 유능해 보이는 데 그치지 않고 실제로 멀티턴 작업을 완수할 수 있는지를 측정하는 단일 구성 요소에서 15포인트 상승한 것입니다.

• 첫 오디오까지 걸리는 시간 — 0.81초, Grok Voice 2.0의 0.70초 대비.

이 둘을 함께 읽으면 종합 지표보다 더 유용한 이야기가 나온다. 5.6포인트의 지수 상승은 고르게 분포되지 않았다. 거의 전부가 에이전트 성능과 아레나 선호도에서 나온 것이며, 추론과 양방향 처리는 소폭 상승했고 순수 작업 성공률은 정체되어 있다. Grok Voice 3.0은 더 나은 에이전트이지, 더 나은 대화 상대가 아니다. 당신의 음성 제품이 예약을 잡고 주문 상태를 확인하는 고객 지원 라인이라면, 그것이 바로 당신이 원하는 차이다. 컴패니언이나 롤플레이 프런트엔드라면, 지수 상승은 대체로 핵심과 무관하며, 그 대가로 지연 시간 페널티를 치른 셈이다.

리더가 리더가 아닌 유일한 시험

τ-Voice는 xAI가 마땅히 이야기해야 할 구성 요소이자, 여전히 뒤처져 있는 부분이기도 하다. 71.6%를 기록한 Grok Voice 3.0은 전작의 56.5%에서 엄청나게 상승했지만, Astra를 중간 추론으로 구성한 GPT-Live-1에는 여전히 뒤진다. Artificial Analysis는 GPT-Live-1을 74.5%로 평가한다. Gemini 3.8 Live는 같은 테스트에서 68.6%에 머문다.

그래서 이번 발표 이후 이 범주의 구도는 이렇습니다: xAI는 종합 지표와 아레나를 쥐고 있고, OpenAI는 에이전트형 작업 완수 테스트를 쥐고 있으며, Google은 둘 다 쥐지 못했지만 둘보다 저렴합니다. 이 세 진술 중 어느 것도 서로 모순되지 않으며, 첫 번째만 보도하는 기사는 결과가 아니라 순위를 보도하는 것입니다.

공급업체는 어떤 보드도 다루지 않는다고 주장합니다.

성능 주장에는 Artificial Analysis가 측정하지 않으며 측정할 수도 없는 두 번째 숫자 계층이 따라붙습니다. 이 숫자들은 한 기업 자체 제품 내부의 프로덕션 트래픽을 설명하기 때문입니다. 이는 xAI가 보고한 xAI의 수치이며, 이용 가능한 독립적 검증은 없고 앞으로도 없을 가능성이 큽니다:

• Tesla — Grok Voice는 차량에서 하루에 수백만 건의 대화를 처리하며, 커넥터를 통해 캘린더와 이메일 작업을 처리하고 Grok Bot의 음성 모드를 통해 음식 주문을 처리한다고 한다.

• Starlink 지원 — 여러 언어에 걸쳐 하루 20,000건의 고객 통화를 처리하며, 약 70%는 사람의 개입 없이 해결되고, 영업 통화 네 건 중 약 한 건은 구매로 이어진다. 동일한 에이전트가 본인 확인, 하드웨어 문제 해결, 계정 크레딧, 교체품 배송을 하나의 흐름에서 처리하는 것으로 설명된다.

• ServiceNow EVA-Bench — 반올림한 74% 정확도 수치로, 해당 벤치마크에서 최고이자 정확도와 고객 경험을 함께 평가할 때 최고로 보고되었습니다. EVA-Bench는 고객 서비스의 경우 15개 도구와 50개 시나리오, IT 서비스 관리의 경우 59개 도구와 80개 시나리오, HR의 경우 47개 도구와 83개 시나리오를 다룹니다.

처음 두 가지는 증거가 아니라 의도에 대한 설명으로 취급하라. 그것들은 음성 모델이 작동한다는 가능한 가장 강력한 증거이자 — 자사 매출 통화를 그 모델로 처리하는 회사라면 판돈이 걸려 있는 법이다 — 동시에 독자에게는 가능한 가장 약한 증거다. 외부에서는 그중 어느 것도 감사할 수 없고, 그중 어느 것도 모델을 그 모델을 둘러싼 프롬프트, 검색, 에스컬레이션 정책과 분리해 주지 않기 때문이다. 특히 70% 컨테인먼트 수치는 모델 수준의 옷을 입은 시스템 수준의 숫자다.

움직이지 않은 가격이 말해주는 것

분당 $0.08로 요금을 유지한 것이 이번 발표에서 전략적으로 가장 흥미로운 점이다. 명백한 해석은 경쟁 압력이다. Google은 올해 내내 Gemini Live를 이 범주의 저렴한 옵션으로 포지셔닝해 왔고, xAI 음성 라인의 이전 세대는 Think Fast 라인이 시간당 $3.00에서 $4.80로 옮겨갔을 때 이미 60% 가격 인상을 흡수한 상태였다. 플래그십 요금을 다시 인상하는 선택지는 없었다.

2차 효과는 비용을 모델링하는 모든 사람에게 영향을 미칩니다. Artificial Analysis의 작업당 측정에 따르면 Grok Voice 3.0은 Big Bench Audio 작업을 완료하는 데 $0.025이고, GPT-Live-1 Astra medium은 $0.030, GPT-Realtime-2.1 High는 $0.055입니다. 작업당 더 저렴하면서 작업당 더 정확하다는 것은 조달 논쟁을 끝내는 조합이며, 이 범주에서 단일 모델이 양쪽 끝을 모두 차지한 것은 이번이 처음입니다.

이 그림에서 라우팅 계층이 개입하는 지점은 보기보다 좁으며, 정확히 짚고 넘어갈 가치가 있습니다. OrcaRouter는 Grok Voice 3.0 실시간 엔드포인트를 제공하지 않습니다. 그것은 xAI 자체 API에서 오는 것이며, Gemini Live와 GPT-Live-1의 대응 엔드포인트도 마찬가지입니다. 우리가 실제로 운영하는 것은 텍스트 쪽입니다: 단일 키로 제공사 정가에 마크업 없이 이용하는 200개 이상의 언어 모델, 즉 통화 후 전사 정리, 요약, 전사를 처리 결과 코드로 분류하는 작업, 그리고 음성 모델이 위임하는 도구 호출 로직이 주로 자리하는 곳입니다. 이들은 평범한 요청 단위 과금 모델이고, 라우터가 바로 이런 워크로드를 위한 것이며, 그 이유는 정가가 변경 없이 그대로 전달되므로 이들 중 어느 하나에 대한 공급사 가격 인하가 같은 날 우리 쪽에 반영되기 때문입니다 다음 갱신 시점이 아니라.

아직 측정되지 않은 것은 무엇인가

세 가지입니다. 그리고 그것들이 당신이 지금 이동할지 고정할지를 결정해야 하는 것입니다.

첫 번째는 장시간 세션 안정성입니다. 위의 모든 수치는 짧고 채점된 상호작용에서 나온 것입니다. 20분 통화가 오류율에 어떤 영향을 미치는지 다룬 공개 자료는 없으며, 전이중 모델의 흥미로운 실패 모드 — 누적되는 드리프트, 또는 끼어들기 상황에서 저하되는 턴테이킹 정책 — 는 턴이 아니라 분 단위로 지나야만 드러납니다.

두 번째는 노이즈 채널 주장이다. xAI의 이전 세대는 전화 통화 환경에서의 단어 오류율을 앞세워 마케팅되었고, 그것은 전체 출시에서 가장 반증하기 쉬운 주장이다. 통화 녹음 코퍼스와 오후 한나절만 있으면 누구나 확인할 수 있다.

세 번째는 0.81초라는 수치가 부하 상황에서도 유지되는지 여부입니다. 첫 오디오까지의 시간은 한가한 시스템에서 측정됩니다. 프로덕션은 한가한 시스템이 아닙니다.

그것들이 적용되기 전까지, Grok Voice 3.0에 대해 솔직히 요약하자면 이렇습니다: 공개 보드에서 가장 뛰어난 음성 모델이며, 그 차이는 실재하지만 한 가지 차원에 집중되어 있고, 대체하는 모델과 비용은 같으며, 그 모델보다 말을 시작하는 속도는 느리고, 기존의 모든 grok-voice-latest 배포를 묻지도 않고 자기 자신으로 옮겼습니다. 처음 세 가지는 테스트해 볼 이유입니다. 네 번째는 그러기 전에 config에 버전 핀을 두어야 할 이유입니다.

음성 모델 공개는 이전에 무엇이 잘못되었는지 점검해야 할 시점이기도 합니다: 이 등급의 모델과 관련해 문서화된 AI 사고 및 에이전트 실패 사례는 the OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰 등급, 이의 제기 플래그가 함께 제공됩니다.