Grok Voice 3.0 대 Gemini 3.8 Live: Google은 두 개의 음성 모델을 판매하지만, 이 싸움에 뛰어든 것은 단 하나뿐이다

Google의 대응Grok Voice 3.0시간당 $0.84입니다. 이는 Gemini 3.8 Live의 표준 구성에 대해 Artificial Analysis가 산정한 입력 오디오 시간당 비용이며, Grok Voice 3.0이 청구하는 시간당 $4.80보다 5.7배 더 저렴합니다. 또한 이는 비교하기에 잘못된 모델입니다. SpaceXAI의 새 플래그십과 실제로 맞붙는 Gemini 3.8 Live — Grok의 86.9에 맞서 Speech to Speech Index에서 82.6을 기록한 바로 그 모델 — 는 Extended Thinking 변형이며, 시간당 $3.50입니다. 이 두 모델 사이의 실제 격차는 5.7배가 아니라 1.37배이며, 가격표에서 잘못된 행을 고르는 것이 이 맞대결에서 저지를 수 있는 가장 값비싼 실수입니다.

이 카테고리에 선도 제품과 더 저렴한 대안이 아니라 진정한 가격 프런티어가 생긴 것은 이번이 처음이다. Grok Voice 3.0은 2026년 10월 14일, Grok Voice 2.0과 같은 요금인 단위당 $0.08로 등장했으며, 지수 86과 첫 오디오까지 걸리는 시간 1초 미만을 기록했다. Gemini 3.8 Live는 2026년 9월 15일, 서로 다른 두 제품처럼 작동하는 두 가지 구성으로 출시되었는데, 하나는 비용 리더이고 다른 하나는 말을 하기도 하는 추론 시스템이다.

두 Google 모델은 서로 티어 관계가 아닙니다.

Google의 자체적인 구분 방식은 이 모델들을 크기가 아니라 역할에 따라 나눈다. 표준 모델은 유연한 대화와 시각적 그라운딩을 갖춘 확장성 및 비용 효율성을 위해 설계된 것으로 설명된다. Extended Thinking 변형은 작업하는 동안 진행 상황을 소리 내어 설명하는 다단계 추론을 갖춘, 고복잡도 작업을 위해 설계된 것으로 설명된다.

그들 사이에서 측정된 격차는 품질의 점진적 차이가 아니다. 그것은 범주적 단절이다:

• 에이전트 작업 완료, τ-Voice — Gemini 3.8 Live Extended Thinking 68.6% 대 Gemini 3.8 Live 30.1%. 같은 벤더, 같은 릴리스, 같은 기반 제품군인데 38.5포인트 차이.

• Speech to Speech Index — 높은 추론 노력에서의 Extended Thinking은 82.6, 표준 모델은 76.0.

• 입력 오디오 1시간당 비용 — $3.50 대 $0.84.

• 첫 오디오까지 걸리는 시간 — Extended Thinking은 1.35초, 표준 모델은 1.18초이며, 두 수치 모두 Artificial Analysis에서 측정했습니다.

따라서 조달 문서에서 Gemini 3.8 Live가 Grok Voice 3.0보다 저렴한지 묻는다면, 단일한 답은 없습니다. 표준 모델과 비교하면 xAI는 가격이 거의 6배이고 지수는 10.9포인트 앞서 있습니다. Extended Thinking과 비교하면 xAI는 오디오에서 37% 더 비싸고 4.3포인트 앞서 있습니다. 이는 같은 모델 이름을 쓰고 있는 서로 다른 결정입니다.

올바른 Gemini와 함께하는 정면 승부

표준 버전은 잠시 제쳐 두고, 실제로 리더보드 최상위권을 놓고 경쟁하는 두 모델을 비교해 보겠습니다. 아래의 모든 수치는 2026년 10월 13일 Grok Voice 3.0에 대해 Artificial Analysis가 직접 수행한 테스트와, 9월 리더보드의 Gemini 3.8 Live Extended Thinking at High effort에 대한 결과에서 나온 것입니다.

• Speech to Speech Index — Grok Voice 3.0 86.9 대 Gemini 3.8 Live Extended Thinking 82.6. 실재하지만 결정적이지는 않은 4.3점 격차.

• 에이전틱 성능, τ-Voice — Grok Voice 3.0 71.6% vs Gemini 3.8 Live Extended Thinking 68.6%. 3점 차이며, 이 순위표에서 무승부에 가장 가까운 결과다.

• Big Bench Audio 음성 추론 — Grok Voice 3.0 98.5% vs Google이 보고한 97.7%. 둘 다 사실상 천장에 도달했으며, 이 차원은 더 이상 변별력을 갖지 못한다.

• Speech Agent Arena 선호도 — Grok Voice 3.0이 Elo 1070으로 보드에서 최고 순위입니다. Google의 모델은 아레나를 차지하지 못합니다.

• 오디오 분당 가격 — Grok Voice 3.0은 입력 및 출력 모두 $0.08; Gemini 3.8 Live는 오디오 입력 분당 $0.005, 오디오 출력 분당 $0.018.

• 첫 오디오까지 걸리는 시간 — Artificial Analysis 측정에서 Grok Voice 3.0은 0.81초, Gemini 3.8 Live Extended Thinking은 1.35초, 표준 모델은 1.18초입니다. Google의 자체 자료에는 지연 시간 수치가 공개되어 있지 않습니다.

• 완료된 작업당 비용, Big Bench Audio — Grok Voice 3.0은 작업당 $0.025. Google의 두 변형 모두 공개된 수치가 없습니다.

• 가용성 — Grok Voice 3.0은 가격이 책정된 정식 서비스 중이며 이전 버전에는 지원 종료 공지가 붙어 있습니다. Gemini 3.8 Live는 프리뷰 상태로, 일반 제공 일정도, 공개된 가동률 수치도, Google이 유지하겠다고 약속한 요금도 없습니다.

• 언어 지원 범위 — Gemini 3.8 Live는 대화 도중 97개 지원 언어를 전환하며, xAI의 음성-텍스트 티어는 38개 이상의 언어를 문서화합니다.

• 시각 입력 — Gemini 3.8 Live는 거의 실시간에 가까운 시각 입력을 처리하지만, Grok Voice 3.0에는 이에 필적하는 시각적 그라운딩 기능이 없습니다.

구글의 침묵이 곧 뉴스가 되는 단 하나의 측면

그 목록의 비대칭성에 주목하세요. Grok Voice 3.0은 0.81초 만에 말하기 시작합니다. Gemini 3.8 Live Extended Thinking은 1.35초에, 표준 모델은 1.18초에 시작하는데, 둘 다 Artificial Analysis의 측정 기준입니다. 이는 비추론 Gemini가 추론 Gemini보다 턴을 시작하는 데 더 느리다는 것을 의미하며, 이는 거의 확실히 추론 변형이 작업 중에 진행 상황을 소리 내어 설명하는 영향이지, 실제로 더 빠른 경로 때문이 아닙니다.

Google 자체의 출시 자료는 두 모델 모두에 대해 지연 시간 수치를 공개하지 않으며, 단지 인상적인 지연 시간에 관한 파트너 측 표현만 있을 뿐입니다. 이는 중요한데, 첫 오디오까지 걸리는 시간은 음성 제품이 사용자의 눈에 성공하거나 실패하는 차원이며, 구글이 수치를 붙이지 않기로 선택한 차원이기 때문입니다. 여러분의 제품이 전화 통신이라면, 0.81초는 대화와 지연 사이의 차이를 만듭니다. 경쟁사가 여러분의 공급업체를 측정한 것은 여러분의 공급업체가 한 약속과 같지 않습니다. 확정하기 전에 테스트하고, 정식 출시 발표에서 그와 함께 수치가 등장하는지 지켜보십시오.

시각적 그라운딩은 반대 방향으로 작용하며, 명백히 구글의 것이다. 실시간에 가까운 비디오를 처리할 수 있는 모델은 오디오가 해결할 수 없는 것들을 해결할 수 있다. "이것"이 무엇을 가리키는지, 질문하는 사람이 자신이 묻는 대상을 보고 있는지, 회선의 잡음이 눈에 보이는 기계 때문인지 같은 것들이다. Grok Voice 3.0은 도구를 갖춘 오디오 모델이다. 그것은 구성 차이가 아니라 진정한 역량 경계이며, 어떤 지수 점수로도 그것을 메울 수 없다.

가격 차이가 실제로 가져다주는 것

실제 워크로드로 계산해 보세요. 하루 1만 분의 음성, 한 달 30일이면 30만 분입니다.

• Grok Voice 3.0 — 분당 $0.08, 즉 월 $24,000.

• Gemini 3.8 Live Extended Thinking — 입력 오디오 1시간당 $3.50부터 책정되며, 동일한 사용량 기준 월 약 $17,500이고, 입력과 출력을 별도로 청구하는 공개 요금표를 제공합니다.

• Gemini 3.8 Live standard — 월 약 $4,200, τ-Voice 시나리오의 30.1%를 완료하는 모델 기준.

가운데 행이 바로 이 결정의 전부다. xAI의 플래그십보다 월 약 6,500달러 적은 가격에, Google은 프리뷰 상태에서 그보다 4.3 인덱스 포인트 뒤처진 모델을 판다 — 진정한 다단계 작업을 수행하는 에이전트를 둔 팀이라면 누구든 리더보드를 읽기보다 자체 녹음에 두 모델을 모두 돌려보고 있어야 할 만큼 충분히 가깝다. 맨 아래 행은 함정이다. 여러분의 음성 인터페이스가 대화형이고 작업 완료가 스택의 다른 곳에서 일어나지 않는 한. 그리고 배포된 음성 제품의 상당수에서는 실제로 그렇다.

그 스프레드시트에 넣을 가치가 있는 지표가 하나 더 있는데, 그것은 그림을 부분적으로 뒤집는다. Artificial Analysis의 Big Bench Audio에 대한 작업당 측정에 따르면, Grok Voice 3.0은 작업 하나를 완료하는 데 $0.025이고, Astra medium 구성의 G​PT Live 1은 $0.030이다. 예산 회의와 맞닥뜨렸을 때 살아남는 숫자는 시간당 비용이 아니라 완료된 작업당 비용이다 — 두 번째 시도가 필요한 더 저렴한 모델은 더 저렴한 게 아니다. 어느 공급업체도 Gemini 두 모델에 대해 그 수치를 공개하지 않는데, 이는 더 저렴한 옵션이 중요한 축에서 측정되지 않은 또 하나의 공백이다.

라우터가 도움이 되는 경우와 그렇지 않은 경우

이 점에 대해서는 정확히 말해야 합니다. 왜냐하면 본능적으로 나오는 답은 틀렸기 때문입니다. OrcaRouter는 두 실시간 엔드포인트 중 어느 것도 제공하지 않습니다. Grok Voice 3.0은 xAI 자체 API에서, Gemini 3.8 Live는 Google의 API에서 옵니다. 그리고 어떤 라우터도 한 벤더에 속한 양방향 오디오 WebSocket에 끼어들 수 없습니다. 누군가 자신들의 플랫폼에서 이 둘 사이를 통화 중간에 페일오버할 수 있다고 말한다면, 그들은 존재하지 않는 것을 설명하고 있는 것입니다.

라우팅할 수 있는 것은 그 주변의 모든 것입니다. 음성 배포는 음성 모델에 텍스트 스택을 더한 것입니다 — 통화 후 처리 코드를 부여하는 분류기, CRM 메모를 작성하는 요약기, 음성 모델이 넘겨야 했던 질문에 답하는 검색, 컴플라이언스를 위해 통화 기록을 읽는 모델. 이 계층은 평범한 요청 과금형 추론이고, 통화당 비용의 상당 부분이 여기서 누적되며, 바로 우리가 운영하는 계층입니다: 하나의 키로 200개 이상의 언어 모델을 공급사 정가에 마진 없이, 공급자 성능이 저하되면 자동 페일오버, 그리고 여러 모델을 하나의 호출로 조합할 수 있게 해주는 라우팅 DSL이 있어, 미리 하나를 골라둘 필요가 없습니다. 정가가 그대로 전달되므로, 그중 어느 모델이든 공급사가 가격을 인하하면 같은 날 우리 쪽에도 반영됩니다. Google이나 xAI에 지불하는 오디오 1분은 어느 쪽이든 같은 1분이고, 그 뒤에 있는 추론이야말로 여러분이 선택할 수 있는 부분입니다.

의사결정 규칙

세 가지 답이며, 그것들은 인덱스가 아니라 컴포넌트에서 비롯된다.

워크로드가 에이전트 기반이고 지연 시간에 민감하며 이번 분기에 프로덕션에 투입될 예정이라면 Grok Voice 3.0을 선택하세요. 이 모델은 종합 점수에서도, 아레나에서도 1위를 차지하고 있으며, 프런티어 모델 가운데 공개된 가장 빠른 발화 시작 시간을 보유합니다. 또한 프리뷰 공지가 아니라 지원 중단 경로를 갖춘 상태로 가격이 책정되고 지원됩니다.

시각적 그라운딩이 필요하거나, 38개가 아닌 97개 언어가 필요하거나, 시간당 $1.30의 차이가 4.3 지수 포인트보다 더 중요할 만큼 음성 사용 시간(분)을 충분히 쓰고 있다면 Gemini 3.8 Live Extended Thinking을 선택하세요 — 그리고 업타임 약속이 없는 프리뷰 위에 구축하고 있음을 받아들이세요.

표준 Gemini 3.8 Live는 자체 트래픽을 측정해 보고 호출의 다단계 부분이 이미 음성 모델 외부에서 처리되고 있음을 확인한 경우에만 선택하십시오. 서류상으로는 이 범주에서 압도적으로 가장 저렴한 옵션입니다. τ-Voice 축에서는 열 시나리오 중 대략 일곱 개에서 실패하며, 인덱스에는 이를 직접 확인하기 전까지 그 사실을 알려 주는 것이 아무것도 없습니다.

이 페이지를 바꿀 수 있는 것: Google의 정식 출시(GA) 날짜와 지연 시간 수치, 이 둘이 함께라면 더 저렴한 옵션이 더 안전한 선택이 될 것입니다. 또는 xAI의 가격 조정인데, 플래그십 요금이 이제 하나의 모델 세대 전체에 걸쳐 변함없이 유지되었다는 점을 고려하면, 이는 경쟁사가 따라올 수 없는 유일한 지렛대입니다.

이런 종류의 비교는 실패 모드가 드러나는 지점이기도 합니다. 이 등급의 모델들 뒤에 있는, 문서로 기록된 AI 사고와 에이전트 실패 사례는 OrcaRouter AI Incident Archive에 모여 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 이의 제기 여부 플래그가 함께 딸려 있습니다.