Grok Voice 3.0: "1초 미만"은 사실이고, "40% 더 저렴"은 잘못된 모델과 비교한 수치다

SpaceXAI는 Grok Voice 3.0을 2026년 10월 14일에 발표했으며, 그 발표에서 앞세운 문구는 이 모델이 지연 시간을 40% 줄이면서 1초 이내에 답한다는 것이었습니다. 그 두 부분 모두 숫자와 맞닥뜨려도 살아남습니다. 그래서 어떤 숫자인지 따져볼 가치가 있습니다. 1초 이내라는 주장은 사실입니다. 첫 오디오까지 0.81초로, 오늘날 어떤 최전선 음성-대-음성 모델이 공개한 수치 중 가장 빠릅니다. 40%라는 주장도 사실이며, 이는 Grok Voice 3.0을 GPT-Live-1과 비교한 것으로, Astra로 중간 추론 강도에서 구성된 GPT-Live-1을 보드가 1.34초로 측정합니다. 출시 자료가 말하지 않는 것은, 이 모델이 대체하는 Grok Voice 2.0이 0.70초에 말하기 시작한다는 점입니다 — 이 모델을 은퇴시킨 플래그십보다 0.11초 더 빠릅니다.

그것은 반박이 아니다. 그것은 이번 릴리스의 형태이고, 그 모든 부분이 하나의 트레이드오프다. Grok Voice 3.0은 전작보다 실질적으로 더 나은 에이전트이자 입을 떼는 데는 약간 더 느린 에이전트이며, 그 두 사실은 당신의 전화선이 무엇을 위한 것인지에 따라 서로 반대 방향을 가리킨다.

움직인 네 개의 숫자, 그리고 움직이지 않은 두 개

Artificial Analysis는 2026년 10월 13일, 발표 하루 전날에 Speech to Speech 보드를 다시 실행했으므로 이 측정은 마케팅보다 앞선다. 아래의 모든 수치는 SpaceXAI의 것이 아니라 해당 보드의 것이다.

• 종합 지수 — 86.9로, Grok Voice 2.0의 81.3에서 상승했으며, 리더보드에서 최고 점수입니다. Astra medium 구성의 GPT-Live-1은 83.2, Gemini 3.8 Live Extended Thinking은 82.6을 기록했습니다.

• 에이전트 성능, τ-Voice — 71.6%, 56.5%에서 상승. 이번 릴리스에서 단연 가장 큰 변화입니다. 에이전트가 유능하게 들리는 데 그치지 않고 여러 단계로 이루어진 작업을 실제로 완수하는지를 평가하는 항목에서 15포인트나 뛰어올랐습니다.

• 아레나 선호도 — Elo 1070, 1011에서 상승했으며 보드에서 가장 높습니다.

• 첫 오디오까지 걸리는 시간 — 0.81초로, 대체하는 모델의 0.70초와 비교된다. 더 느리지만, SpaceXAI가 자신과 대비하는 GPT-Live-1 구성보다는 여전히 약 40% 더 빠르게 출발한다.

• 작업 성공 — 94.8%, 94.6% 대비. 0.2점 차이. 원시 작업 완료율로 보면, 측정 오차 범위 내에서 이 둘은 같은 모델이다.

• 가격 — 오디오 1분당 $0.08, 또는 시간당 $4.80이며, 텍스트 입력당 $0.004가 추가됩니다. Grok Voice 2.0과 동일합니다. 이는 요금표가 그대로인 상태에서의 기능 업데이트이지, 요금 재책정이 아닙니다.

분해해서 보는 것이 헤드라인보다 더 중요하다. 5.6포인트의 종합 상승분 대부분은 에이전트 성능과 아레나 선호도에서 나왔고, 음성 추론에서는 소폭 올랐으며 — 보드의 추론 구성 요소는 스냅샷에 따라 98.5에서 99 사이를 기록하는데, 이는 어느 쪽이든 상한선이다 — 원시 작업 성공률은 변화가 없었다. Grok Voice 3.0은 더 나은 에이전트다. 더 나은 대화 상대는 아니며, 더 빠른 대화 상대도 아니다.

'고객 통화'가 실제로 가리키는 것

이번 릴리스를 알린 브리프는 고객 통화용으로 만들어졌다고 설명했고, 벤더 측 자료는 외부 제3자가 검증할 수 없는 배포 수치를 들어 그런 해석을 뒷받침한다. SpaceXAI는 Grok Voice가 Tesla 차량과 SpaceX 전반에서 매일 수백만 건의 대화를 구동한다고 밝힌다. 또한 Starlink 지원은 여러 언어로 하루 2만 건의 고객 통화를 처리하며 약 70%가 사람 개입 없이 해결되고, 영업 통화 약 네 건 중 한 건이 구매로 이어진다고 한다. 그리고 동일한 에이전트가 신원 확인, 하드웨어 문제 해결, 계정 크레딧, 교체 배송을 하나의 흐름 안에서 처리한다고 한다. ServiceNow의 EVA-Bench에서는 반올림한 74%를 보고하기도 한다.

컨테인먼트 비율은 주의 깊게 읽어 보세요. 그것은 시스템 결과일 때 모델 역량으로 인용될 가능성이 가장 큰 수치이기 때문입니다. 지원 상담원이 에스컬레이션 없이 종결하는 통화 수는 프롬프트 설계, 검색 품질, 그리고 당신이 작성한 에스컬레이션 정책에 달려 있습니다 — 기저 모델에만 달려 있는 것이 아닙니다. 벤더가 자사 매출 통화를 자사 모델로 라우팅하는 것은 그 기능이 작동한다는 현재 이용할 수 있는 가장 강력한 신호이자, 동시에 독자에게는 이용할 수 있는 가장 약한 증거입니다. 그 어느 것도 모델을 래퍼로부터 분리해 주지 않기 때문입니다.

τ-Voice의 움직임은 외부인이 확인할 수 있는 숫자로 같은 질문에 답하는 릴리스의 일부다. 멀티턴 에이전트 벤치마크에서 56.5%에서 71.6%로 올라가는 것은 대화를 이어갈 수 있는 음성 모델과 그 안에서 작업을 완료할 수 있는 음성 모델 사이의 차이다. 그것이 믿어볼 만한 주장이고, 기다려 볼 것은 컨테인먼트 수치다.

아무도 동의할 필요가 없었던 마이그레이션

Grok Voice 3.0은 이전 버전과 동일한 실시간 WebSocket 엔드포인트를 통해 실행되며, 동일한 세션 매개변수, 동일한 이벤트 이름, 동일한 베어러 토큰 핸드셰이크, 그리고 동일한 내장 음성 세트와 사용자 지정 음성 엔드포인트를 사용합니다. SDK 변경도, 마이그레이션 문서도 없습니다. 마이그레이션할 것이 없기 때문입니다. 모델 문자열이 바뀌었고 그 뒤의 동작도 바뀌었습니다.

그다음은 별칭입니다. grok-voice-latest는 이제 Grok Voice 3.0으로 해석되며, grok-voice-2.0은 사용 중단(deprecated)으로 표시됩니다. 별칭을 대상으로 배포한 사람은 코드 변경도, 버전 고정도 없이 자동으로 새 모델로 옮겨졌습니다. 그리고 이는 들리는 것보다 더 중요한데, 별칭이 Grok Voice 2.0을 가리킨 것이 2026년 8월 5일에 불과했기 때문입니다. 8월에 이를 기반으로 구축한 팀은 단 한 분기에 두 번의 조용한 모델 교체를 겪은 셈입니다. 챗봇 실험이라면 이는 편의 기능에 불과합니다. 특정 음성의 타이밍과 특정 첫 오디오 도달 시간(time-to-first-audio)을 기준으로 회귀 테스트 스위트를 작성한 전화 시스템이라면, 이는 누군가가 당신을 대신해 해버린 구성 변경입니다.

같은 개요서의 두 번째 항목

이번 출시는 혼자 온 것이 아니었다. Grok Bot 마켓플레이스가 이제 개발자들이 커넥터와 플러그인을 제출할 수 있도록 열렸는데, 이는 성격이 다른 뉴스이며 두 발표가 서로 맞물리기 때문에 짚고 넘어갈 가치가 있다. Grok Bot은 클라우드 컴퓨터가 팀이 이미 사용하는 도구에 로그인하는 에이전트 제품이다. 커넥터용 제출 파이프라인은 통합 목록을 SpaceXAI가 작성한 것에서 고객이 필요로 하는 것으로 바꿔 주는 것이다.

이 둘을 함께 놓고 보면, 흥미로운 귀결은 상업적이라기보다 아키텍처적이다. 음성이 에이전트의 인터페이스이고, 에이전트의 도달 범위가 호출할 수 있는 커넥터에 의해 정의된다면, 호출이 처리되는지를 결정하는 표면은 점점 더 도구 계층이 된다. 그것은 음성 벤더가 소유하지도, 벤치마크하지도 않는 계층이다. 그에 대한 공개된 수치는 없고, 앞으로도 없을 것이다. 고객마다 다르기 때문이다.

여기서 라우터가 실제로 중추적인 역할을 하는 지점

OrcaRouter는 Grok Voice 3.0 실시간 엔드포인트를 제공하지 않습니다. 그 엔드포인트는 SpaceXAI에 속하며, 한 벤더가 소유한 전이중 오디오 세션에 개입할 수 있는 것은 아무것도 없습니다. 그렇지 않다고 주장하는 사람은 자신이 갖지 못한 역량을 설명하고 있는 것입니다. 우리가 운영하는 것은 그 아래의 텍스트 계층입니다 — 통화 후 기록을 작성하는 요약기, 처리 코드를 부여하는 분류기, 음성 모델이 넘겨준 것에 답하는 검색, 그리고 마켓플레이스가 이제 받아들이고 있는 커넥터 뒤의 도구 호출입니다. 그 작업은 요청 단위로 과금되며, 통화당 비용에서 의미 있는 부분이 바로 여기서 누적됩니다: 하나의 키 뒤에 있는 12개 이상의 업스트림에서 온 207개 모델, 제공업체 정가에 마크업 제로, 제공업체 성능이 저하될 때의 자동 장애 조치, 그리고 여러 모델을 하나의 호출로 구성하는 라우팅 DSL. 마크업이 없기 때문에 해당 모델 중 하나에 대한 벤더의 가격 인하는 다음 갱신 때가 아니라 우리 쪽에서 같은 날 바로 적용됩니다.

아직 측정되지 않은 것은 무엇인가

세 가지입니다. 그리고 이것들이 지금 이동할지, 아니면 먼저 버전을 고정할지를 결정해야 하는 기준입니다.

첫 번째는 장시간 세션 안정성입니다. 위의 모든 수치는 짧고 점수가 매겨진 상호작용에서 나온 것입니다. 20분 통화가 오류율에 어떤 영향을 미치는지 다루는 공개된 자료는 없으며, 듀플렉스 모델에 중요한 실패 모드—누적되는 드리프트, 반복적인 끼어들기(barge-in)에서 저하되는 턴 테이킹 정책—는 턴 단위가 아니라 분 단위로 지나면서 비로소 나타납니다.

두 번째는 0.81초가 부하 상태에서도 유지되는지 여부입니다. 첫 오디오까지 걸리는 시간은 조용한 시스템에서 측정되며, 프로덕션은 조용한 시스템이 아닙니다. 전임자의 0.70초도 같은 방식으로 측정되었기에, 둘 사이의 비교는 적어도 동일 조건 비교이고 실제 배포 환경과의 비교는 그렇지 않습니다.

세 번째는 노이즈 채널 주장이다. 이 라인의 이전 세대는 전화 통화 환경과 24개 언어 전반에서의 단어 오류율을 내세워 마케팅되었는데, 이는 해당 공급업체가 음성 모델에 관해 한 말 중 가장 반증 가능한 주장이다. 더 새로운 출시 자료에서는 이를 다시 언급하지 않는데, 이는 누락이거나 자백이며, 현재로서는 외부인 중 누구도 어느 쪽인지 알 수 없다. 통화 녹음 코퍼스와 오후 한나절만 있으면 누구나 확인할 수 있으며, 누군가 그렇게 하기 전까지 Grok Voice 3.0에 대한 정직한 요약은 이렇다: 공개 리더보드에서 최고의 종합 점수, 에이전틱 성능에 집중되어 있음; 은퇴시키는 모델과 동일한 가격; 그 모델보다 말을 시작하는 속도가 느림; 그리고 묻지도 않고 기존의 모든 alias 사용자에게 배포됨. 처음 세 가지는 이것을 테스트할 이유이고, 네 번째는 테스트하기 전에 구성에 버전 고정을 두어야 할 이유다.