Grok Voice 3.0 vs GPT-Live-1: xAI는 지수에서는 이겼지만, 정작 중요한 테스트에서는 졌다

두 개의 플래그십, Artificial Analysis의 Speech to Speech Index에서 3.7점 차이. 그리고 음성 에이전트의 배포 가치를 결정하는 단 하나의 구성 요소에서는 둘 다 밀렸다. Grok Voice 3.0은 2026년 10월 14일 SpaceXAI가 발표한 이 지수에서 86.9를 기록했고, 83.2를 기록한 쪽은GPT-Live-1의 Astra medium 구성, 즉 세션이 추론을 백엔드에 위임할 때 OpenAI 자체 문서가 WebRTC 통합 대상으로 지목하는 버전이다. 에이전트가 실제로 여러 단계의 작업을 완수하는지를 채점하는 고객 서비스 벤치마크인 τ-Voice에서 Grok Voice 3.0은 71.6%, GPT-Live-1 Astra medium은 74.5%를 기록한다. 이 범주에서 최고의 종합 점수를 받은 모델이 정작 업무 완수와 상관관계가 있는 구성 요소는 쥐지 못했고, OpenAI도 이에 대한 헤드라인을 내지 않았다.

두 번째로 눈여겨볼 점은 가격 방향이다. GPT-Live-1은 음성 1분당 $0.05를 청구하며 초 단위로 과금되는데, 이는 시간당 $3.00이다. Grok Voice 3.0은 분당 $0.08를 청구하며, 이는 시간당 $4.80이다. 더 새로운 모델은 오디오 1분당 비용이 60% 더 높으며, 바로 그 모델의 공급업체는 전작이 수명을 다하던 마지막 분기를 요금 인하 발표 대신 요금 인상 흡수에 보냈다.

아무도 비교표에 넣지 않는 아키텍처 분할

이들 중 어느 것도 생각하는 음성 모델이 아니다. 둘 다 위임하는 음성 계층이고, 두 위임 설계는 같은 부류가 아니다 — 바로 그 때문에 통합 비용의 차이는 분당 가격의 차이보다 훨씬 크다.

GPT-Live-1은 세션 구성에 명시된 백엔드로 비동기 경계를 넘어 작업을 넘긴다. OpenAI가 공개한 WebRTC 예제는 그 백엔드를 Responses API를 통해 GPT-5.6 Terra에 연결한다. 음성 계층은 백엔드가 생각하는 동안 대화를 계속 이어가고, 답이 도착하면 이를 다시 대화에 접어 넣는다. 그 결과 추론 부분은 여러분이 선택하고, 가격을 매기고, 독립적으로 교체할 수 있는 평범한 토큰 과금형 텍스트 호출이 된다. 음성 부분은 전혀 이식 가능하지 않다. 모델 ID는 gpt-live-1 하나뿐이고, 엔드포인트는 v1/live/sessions 하나이며, 대부분의 Realtime 통합이 기반으로 삼았던 WebSocket 전송이 아니라 WebRTC를 사용하고, Chat Completions, Responses, Batch 또는 파인튜닝 엔드포인트를 통하는 경로가 없다. 속도 제한은 동시 세션 단위로 책정된다 — Tier 1에서는 25개이고, 50, 200, 300, 500으로 올라간다 — 이는 OpenAI가 확장의 단위를 요청이 아니라 전화선이라고 생각한다는 것을 알려준다.

Grok Voice 3.0은 더 좁고 도입 비용이 더 저렴합니다. Grok Voice 2.0과 동일한 실시간 WebSocket 엔드포인트를 통해 실행되며, 동일한 세션 매개변수, 동일한 이벤트 이름, 동일한 베어러 토큰 핸드셰이크를 사용하고, 도구 사용은 이전과 마찬가지로 세션 업데이트의 tools 배열을 통해 이루어집니다. 전송 마이그레이션은 없습니다. 또한 GPT-Live-1이 공개하는 것과 같은 문서화된 백엔드 위임 패턴도 없습니다. 즉, 필요한 추론은 음성 모델이 감독하는 백그라운드 작업이 아니라 동기적으로 호출하는 도구로 접근 가능해야 합니다.

그 차이는 인덱스보다 더 많은 배포를 좌우한다. 이미 xAI의 리얼타임 API를 쓰는 팀은 모델 문자열만 바꾸면 Grok Voice 3.0으로 옮겨간다. 아니면 아무것도 하지 않아도 된다. 이제 grok-voice-latest가 Grok Voice 3.0으로 해석되고, 기존 별칭 배포가 자동으로 옮겨졌기 때문이다. OpenAI의 구형 Realtime 모델을 쓰는 팀이 GPT-Live-1로 옮기려면 전송 계층 재작성에 더해 위임 재작성까지 해야 한다.

한 줄씩

아래의 모든 수치는 해당 줄에서 달리 명시하지 않는 한, 2026년 10월 13일자 Artificial Analysis 자체 측정치입니다.

• Speech to Speech Index — Grok Voice 3.0 86.9 대 GPT-Live-1 (Astra, medium) 83.2. 또한 Sol 저노력 변형에서 80.1로 측정된 더 낮은 GPT-Live-1 구성도 있으며, 지수 격차는 어느 쪽을 말하는지에 전적으로 달려 있습니다.

• 에이전트 성능, τ-Voice — GPT-Live-1 Astra medium 74.5% vs Grok Voice 3.0 71.6%. OpenAI가 이 항목에서 앞서며, 발신자의 문제가 해결되었는지를 예측하는 구성 요소에서도 앞선다.

• 음성 추론, Big Bench Audio — Grok Voice 3.0 98.5% vs GPT-Live-1 Astra medium은 같은 구간에 속한다. 둘 다 천장에 충분히 가까워서 이 축은 더 이상 누구도 구분하지 못한다.

• 아레나 선호도 — Grok Voice 3.0이 1070으로 보드에서 가장 높은 Elo를 보유하고 있습니다. GPT-Live-1은 어떤 구성에서도 아레나를 차지하지 못합니다.

• 첫 오디오까지 걸리는 시간 — Grok Voice 3.0은 0.81초, GPT-Live-1 Astra medium은 1.34초. 말하기 시작하기까지 약 40% 더 빠르며, 두 공급업체가 내놓은 성능 주장 중 가장 구체적이다.

• 완료된 작업당 비용, Big Bench Audio — Grok Voice 3.0 $0.025 vs GPT-Live-1 Astra medium $0.030. 저렴하면서도 작업당 정확하다는 것이 바로 조달 논쟁을 끝내는 조합이다.

• 오디오 분당 가격 — GPT-Live-1 $0.05, 초 단위로 청구되며, 일부 분을 올림하지 않고, 15초 세션 초기화 요금은 나중 사용 시간에 대해 차감될 뿐 추가로 부과되지 않습니다; Grok Voice 3.0은 분당 $0.08에 텍스트 입력당 $0.004가 더해집니다.

• 멀티모달 입력 — GPT-Live-1은 오디오와 텍스트를 입력으로 받으며, 문서에는 이미지와 영상이 명시적으로 지원되지 않는다고 나와 있습니다. Grok Voice 3.0 역시 시각적 그라운딩이 없습니다. 이 둘 중 어느 것도 볼 수 없으며, 어느 벤더도 이를 바꿀 날짜를 공개하지 않았습니다.

• 음성 — GPT-Live-1은 12개를 제공하며, Grok Voice 3.0은 xAI의 내장 세트와 최대 120초 길이의 참조 클립으로 음성을 학습시키는 커스텀 음성 엔드포인트를 유지합니다.

상상할 수 있는 워크로드에 대한 청구서

하루에 만 분씩 30일 동안 대화하면 한 달에 30만 분이 된다.

• GPT-Live-1 — 음성 1분당 $0.05, 즉 음성 계층만으로도 한 달에 $15,000입니다.

• Grok Voice 3.0 — 분당 $0.08, 즉 월 $24,000, 여기에 텍스트 입력당 $0.004가 추가됩니다.

두 숫자 모두 음성 부분일 뿐입니다. GPT-Live-1의 백엔드 추론, 도구 호출, 웹 검색은 백엔드 모델 자체 요율로 별도 청구되며, 매 턴 검색하는 프런티어 추론 모델을 지정한 세션은 오디오보다 위임 비용이 더 많이 들 수 있습니다. Grok Voice 3.0의 동기 도구 호출은 이를 응답하는 백엔드에서 실행되며 동일한 규칙이 적용됩니다. 두 경우 모두 "음성 모델 가격"은 통화 비용의 일부에 불과하며, 그 비율은 발신자가 얼마나 깊이 생각하는지에 따라 달라집니다.

바로 그 계층에서 라우터가 실제로 유용하며, 그 경계를 정확히 짚고 넘어갈 가치가 있습니다. OrcaRouter는 두 실시간 엔드포인트 중 어느 것도 제공하지 않습니다 — gpt-live-1은 OpenAI의 Live Sessions API 뒤에 있고 Grok Voice 3.0은 xAI 자체 API 뒤에 있으며, 한 벤더에 속한 양방향 오디오 세션에는 어떤 것도 개입할 수 없습니다. 우리가 운영하는 것은 위임(delegation) 부분입니다. OpenAI가 직접 공개한 예시에 나오는 바로 그 백엔드인 GPT-5.6 Terra는 OrcaRouter를 통해 OpenAI의 정가인 입력 토큰 백만 개당 $2.00, 출력 토큰 백만 개당 $12.00에 제공되며 chat과 Responses 엔드포인트가 모두 노출되고, 하나의 키로 200개 이상의 다른 모델을 제공업체 정가 그대로, 마크업 없이 이용할 수 있으며 제공업체 성능이 저하될 때 자동 장애 조치가 이루어집니다. 마크업이 없기 때문에 추론 등급에 대한 벤더의 가격 인하는 같은 날 우리 쪽에도 적용됩니다 — 이는 한 플래그십이 석 달 만에 분당 요금을 60% 인상하는 동안 다른 하나는 요금을 동결한 카테고리에서 중요한 의미를 갖습니다.

어떤 보드도 다루지 않는, 각 벤더가 말하는 것

두 벤더 모두 자사 프로덕션 트래픽에 관한 수치를 공개한다. 어느 쪽도 독립적으로 검증할 수 없으며, 이를 해석하는 정직한 방식은 역량의 증거가 아니라 자신감의 증거로 보는 것이다.

API 출시와 함께 공개됐지만 아무도 재현하지 않은 OpenAI의 수치: 전이중 상호작용성은 80.1%로 GPT-Realtime-2.1의 45.4%보다 높고, 턴테이킹 지연 시간은 1.4초에서 0.8초로, 도구 호출 정확도는 60%에서 87%로 개선됐다. Yelp는 개선된 전화 기반 예약 처리 사례로 인용되며, 언어 학습 플랫폼 Speak는 이전 턴 기반 시스템보다 끼어들기가 거의 80% 줄었다고 보고했다 — 결과에 이해관계가 있는 회사의 자체 보고이며, 그럼에도 이번 발표에서 가장 구체적인 배포 수치다.

출시와 함께 공개되었고 마찬가지로 재현되지 않은 SpaceXAI의 수치들: Grok Voice 3.0은 Tesla 차량과 SpaceX 전반에서 매일 수백만 건의 대화를 지원하며, Starlink 콜센터는 여러 언어로 하루 2만 건의 고객 통화를 처리하는데 약 70%가 사람 없이 해결되고 판매 통화 약 네 건 중 한 건이 구매로 이어지며, ServiceNow의 EVA-Bench에서는 반올림해 74%를 기록한다. 컨테인먼트율을 모델 수준의 옷을 입은 시스템 수준 숫자로 취급하라 — 이는 모델 못지않게 프롬프트 설계, 검색, 에스컬레이션 정책을 반영하며, 외부 당사자는 이들을 분리할 수 없다.

실제로 어떤 걸 골라야 할까

지연 시간이 제약 조건이고 스택이 이미 xAI에 있다면 Grok Voice 3.0을 선택하세요. 첫 오디오까지 0.81초는 프런티어 음성 모델 중 공개된 가장 빠른 수치이며, WebSocket 경로는 전송 계층을 다시 작성할 필요가 없다는 뜻이고, 마이그레이션 비용은 모델 문자열 하나입니다. 또한 통화자가 결과보다 경험으로 판단한다면 이 역시 선택하세요. 이 모델은 선호도 부문 아레나와 품질 부문 종합 점수에서 우위를 유지하며, 대화를 즐기는 통화자는 작업이 확대되더라도 더 행복하게 전화를 끊습니다.

작업 자체가 제품일 때는 GPT-Live-1을 선택하라. GPT-Live-1은 τ-Voice를 74.5% 대 71.6%로 앞서고, 위임 패턴이 문서화되어 있으며, 추론 백엔드는 불투명한 도구가 아니라 이식 가능한 토큰 과금 호출이다. 또한 지수 격차에도 불구하고 완료된 작업당 비용 측면에서 경쟁력이 있다. 처음부터 구축 중이고 보존해야 할 WebSocket 통합이 없다면 이것도 선택하라. 전송 방식에 관한 이야기는 이미 WebSocket 통합을 갖고 있을 때만 당신에게 불리하게 작용하기 때문이다.

거부해야 할 단 하나의 답은 종합 점수를 근거로 고르는 것이다. 3.7점의 지수 격차와 2.9점의 τ-Voice 격차는 서로 반대 방향을 가리키고, 비용 차이는 제3의 방향을 가리킨다 — GPT-Live-1은 텍스트 입력을 계산하기 전부터 오디오 1분당 37.5% 더 저렴하다. 이 둘 사이에서 86.9 대 83.2를 기준으로 고르는 사람은 자신의 전화 회선이 작동하는지와 가장 관련이 적은 숫자를 기준으로 고르는 셈이다.

이 문제를 매듭지을 수 있는 것은: 일반 제공(GA) 약속과, 순위표 최상단을 차지한 Astra 구성에 대해 OpenAI가 공개한 지연 시간 수치입니다. 0.81 대 1.34 비교가 현재 OpenAI 자체 문서에서 예시로 취급하는 구성에 맞선 xAI의 수치에 기대고 있기 때문입니다. 또는 어느 한쪽의 가격 변동입니다. 요금표는 이 맞대결에서 이전에 움직인 적이 있는 유일한 부분이며, 그것은 상승했습니다.

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.