Grok Voice 3.0 vs Grok Voice Think Fast 2.0: 무료 업그레이드, 실질적 이득, 한 가지 퇴보

모델 Grok Voice 3.0이 대체하는 것은 Artificial Analysis에서 다른 이름으로 찾을 수 있는 바로 그 모델입니다. 게시판에서 Grok Voice Think Fast 2.0을 검색해도 찾을 수 없습니다. Grok Voice 2.0을 검색하면 81.3이 나오는데, 이는 이전 모델의 자체 출시 보도에서 "High" 구성 레이블 아래 Think Fast 2.0에 대해 보고한 수치입니다. SpaceXAI의 API는 해당 모델 ID를 grok-voice-2.0이라고 부르고, 릴리스 노트는 7월 세대를 Grok Voice 2.0이라고 부르는 한편, 이를 처음 소개한 발표에서는 Think Fast라는 이름을 사용했습니다. 따라서 SpaceXAI가 2026년 10월 14일 grok-voice-2.0을 지원 중단하고 grok-voice-latest를 grok-voice-3.0으로 지정했을 때, 그것은 자사의 리더보드 행과 자사의 마케팅 이름이 서로 다른 두 가지로 설명하는 모델을 은퇴시킨 것입니다.

실질적인 결과는 많은 팀이 이미 받은 업그레이드가 — 배포도 없이, 별칭이 바뀌었기 때문에 조용히 — 이름 혼동이 시사하는 것보다 크고, 인덱스 격차가 암시하는 것보다 작다는 것입니다. 두 모델 모두 분당 $0.08, 텍스트 입력당 $0.004를 청구하므로 가격은 바뀌지 않았습니다. 품질은 대부분 바뀌었습니다.

업그레이드가 무엇을 주는지, 구성 요소별로

이 섹션의 모든 수치는 Artificial Analysis의 자체 테스트 결과로, Grok Voice 3.0의 경우 2026년 10월 13일자이며, 이전 세대의 경우 동일한 보드에서 가져온 결과입니다.

• Speech to Speech Index — Grok Voice 3.0은 86.9, Grok Voice Think Fast 2.0은 81.3. 5.6포인트의 종합 상승폭인데, 자세히 뜯어보기 전까지는 버전 업그레이드처럼 들린다.

• 에이전트 성능, τ-Voice — 71.6% 대 56.5%. 이번 릴리스의 진짜 가치는 바로 여기에 있습니다. 멀티턴 작업 완료율 15%포인트 차이는 대본이 정해진 통화를 처리하는 음성 모델과 분기가 있는 통화를 처리하는 음성 모델의 차이입니다.

• Speech Agent Arena 선호도 — Elo 1070 대 1011. 인간 선호도에서 59점 차이이며, 리더보드에 기록된 최고치입니다.

• 대화 역학, Full Duplex Bench — 97.0% 대 95.1%. 끼어들기와 발언권 교대에서 거의 2포인트 차이로, 이는 이 모델 라인이 애초에 압도하기 위해 만들어진 축이다.

• 음성 추론, Big Bench Audio — 98.5% 대 97.2%. 둘 다 사실상 상한치에 도달.

• 작업 성공 — 94.8% vs 94.6%. 측정 오차 범위 내에서 차이 없음. 당신의 평가가 올바르게 완료된 단일 턴 요청이라면, 이 두 모델은 동일한 점수를 받으며 업그레이드는 보이지 않습니다.

• 첫 오디오까지 걸리는 시간 — Grok Voice 3.0은 0.81초, Grok Voice Think Fast 2.0은 0.70초.

• 가격 — 양측 동일. 분당 $0.08, 시간당 $4.80, 그리고 텍스트 입력당 $0.004.

회귀, 그리고 그것이 흥미로운 부분인 이유

마지막 두 줄을 함께 읽어 보자. Grok Voice Think Fast 2.0은 첫 오디오까지 걸리는 시간을 자체 전작의 1.25초에서 0.70초로 줄였고, xAI는 그 수치를 적극적으로 홍보했다 — 2026년 7월 말 출시 당시 해당 카테고리에서 공개된 수치 중 가장 빨랐으며, 지금도 순위표에 올라 있는 다른 어떤 것보다 빠르다. Grok Voice 3.0은 그중 0.11초를 다시 내준다.

그것은 스캔들이 아니고 사고도 아니다. 그것은 τ-Voice 점프가 치르는 눈에 보이는 대가다. xAI가 다중 턴 작업 완료율을 56.5%에서 71.6%로 끌어올리기 위해 모델에 무엇을 추가했든, 그 대가는 첫 오디오 프레임 이전의 시간으로 나타나며, 아무리 프롬프트 엔지니어링을 해도 만회할 수 없다. 지연이 모델 앞이 아니라 모델 내부에 있기 때문이다.

분명히 말할 가치가 있는 이유는 이 사실이 영업 메시지를 정반대로 뒤집기 때문이다. Think Fast 2.0을 선택한 팀은 대부분의 경우 0.70 때문에 그렇게 선택했다. 그 모델이 당신의 스택에 들어온 이유가 바로 그것이라면, 후속 모델은 당신이 그 모델을 구매한 이유가 된 속성에서 측정 가능할 만큼 더 나쁘다. 그리고 정직하게 할 일은 추가된 0.11초의 지연이 과업 완료율 15포인트 향상이 당신에게 주는 이득보다 더 큰 비용을 초래하는지 측정하는 것이다. 텔레포니 배포에서는 답이 어느 방향으로도 명확하지 않으며, 이는 통화 흐름의 어느 지점에서 에이전트가 실제 작업을 수행하는지에 달려 있다.

별칭이 이동했고, 그건 각주가 아니다.

10월 14일 릴리스부로 grok-voice-2.0은 사용 중단되었으며, grok-voice-latest는 이제 grok-voice-3.0으로 연결됩니다. 별칭을 대상으로 배포한 사람은 누구나 코드 변경 없이 자동으로 새 모델로 옮겨졌으며, 로그에는 이를 알리는 아무런 표시도 없었습니다.

그것을 타임라인에 비추어 보면, 이는 사건이라기보다 하나의 패턴이 된다. 2026년 8월 5일(이번 릴리스 약 10주 전)에 grok-voice-latest는 현재 Think Fast 2.0이라고 불리는 모델을 가리키도록 설정되었고, 이전 세대에 머물고자 했던 개발자들은 그 날짜 전에 버전이 지정된 모델 ID를 고정하거나 변경을 감수해야 했다. 이는 한 분기 안에 두 번의 조용한 교체가 있었던 것이며, 각 교체는 지연 시간 특성을 0.1초 넘게 바꾸었고, 버전 매니페스트도, 사전에 공지된 지원 중단 유예 기간도 없었다.

챗봇이라면 그것으로 충분합니다. 특정 음성의 타이밍을 기준으로 작성된 회귀 테스트 스위트를 갖춘 전화 시스템이나 상호작용 지연 시간을 명시한 SLA의 경우, 이는 해당 별칭이 겉보기와 같은 추상화가 아니라는 뜻입니다. 프로덕션에서는 버전이 지정된 ID를 고정하고, grok-voice-latest는 배포 대상이 아니라 스테이징 편의 기능으로 취급하십시오.

변하지 않은 것, 그리고 이어지는 한 가지

업그레이드는 사실상 드롭인에 가깝습니다. 그리고 그 이유를 구체적으로 짚어볼 가치가 있는데, 대안인 예컨대 GPT-Live-1은 오디오 전송을 WebRTC로 다시 작성해야 하고 여기에는 이에 상응하는 것이 없는 위임 패턴을 요구하기 때문입니다. Grok Voice 3.0은 동일한 실시간 WebSocket 엔드포인트, 동일한 session.update 매개변수, 동일한 이벤트 이름, 동일한 베어러 토큰 핸드셰이크, 그리고 클라이언트 측 연결을 위한 동일한 단기 임시 토큰을 유지합니다. 음성은 변경되지 않았으며, 최대 120초 분량의 참조 클립으로 음성을 훈련하는 사용자 지정 음성 엔드포인트는 이전과 정확히 동일하게 실시간 API와 스트리밍 텍스트 음성 변환 전반에서 작동하는 ID를 생성합니다.

개선되기보다는 그대로 이어지는 것은 전사 측 증거다. 이전 세대는 단어 오류율을 내세워 대대적으로 마케팅되었다 — xAI는 24개 언어에 걸쳐 수천 개의 짧은 구문을 평가한 결과, Deepgram Nova 3와 ElevenLabs Scribe v2를 포함한 전용 음성-텍스트 모델보다 오류가 1.5~2.0배 낮았고, 자사 이전 모델보다 1.4배 낮았으며, 배경 소음과 전화 통신 압축이 있는 잡음 환경에서는 오류가 약 10배 낮았다고 보고했다. 이는 벤더 측 수치이며 독립적으로 재현된 적이 없다. Grok Voice 3.0의 출시 자료는 이를 다시 언급하지 않는데, 이는 확인도 철회도 아니다. 잡음 채널 정확도가 귀하의 배포에 결정적이라면, 이는 점수판에서 읽어내는 대신 직접 다시 테스트해야 하는 몇 안 되는 항목 중 하나다.

전화선을 그것에 걸지 않고 새것을 시도해 보는 중

여기서 버전 고정이 그렇게 적은 비용만 드는 이유는 Grok Voice 3.0의 어떤 부분도 나란히 구축하기 어렵지 않다는 데 있고, 이 스택에 라우터를 두는 가치가 있는 이유는 xAI에만 속한 오디오 레이어가 아니라 오디오 레이어가 호출하는 모든 것에 있다.

OrcaRouter는 Grok Voice 실시간 엔드포인트를 제공하지 않으며, 제공할 수도 없습니다. 듀플렉스 오디오 WebSocket은 단일 벤더 표면이기 때문입니다. 우리가 운영하는 것은 음성 모델이 필요로 하는 텍스트 계층입니다. 음성 배포란 음성 모델에 분류기, 요약기, 검색 단계, 도구 호출 백엔드를 더한 것이며, 그 절반은 평범한 요청 기반 과금 추론입니다: 하나의 키로 200개 이상의 모델을, 제공자 정가 그대로 마크업 없이, 그래서 그 계층 어디에서든 벤더 가격 인하가 생기면 갱신 시점이 아니라 같은 날 우리 쪽에 반영됩니다; 제공자가 성능이 저하될 때 자동 페일오버— 이는 실시간 통화에서 재시도된 조회와 끊긴 발신자의 차이를 가릅니다; 그리고 여러 모델을 하나의 호출로 조합할 수 있게 해주는 라우팅 DSL을 통해 오디오 경로는 건드리지 않고 라이브 트래픽에서 구성을 전환할 수 있습니다.

그 구조가 바로 핀을 저렴하게 만드는 이유입니다. 프로덕션에는 grok-voice-2.0을 유지하고, 두 번째 환경은 grok-voice-3.0을 가리키게 한 다음, 동일한 백엔드 모델이 둘 모두에 응답하도록 하세요. 그러면 비교는 실제로 변경한 단 하나의 변수를 측정하게 되고, 그 아래의 코드 경로는 양방향 모두 동일합니다.

평결, 각각 한 줄로

에이전트가 대화나 나누는 데 그치지 않고 실제로 일을 한다면 업그레이드하라. 가격은 그대로인데 τ-Voice 15점, 아레나 선호도 59점이라니, 올해 이 범주에서 가장 명확한 '값 안 들이고 가치를 얻는' 교환이며, 이를 위해 통합에서 손댈 것은 아무것도 없다.

xAI의 음성 라인에 대한 당신의 전체 논거가 0.70초 시작이었다면, 먼저 핀(pin)하고 테스트하세요. 그 속성은 이제 0.81이고, 그것을 이긴 모델은 여전히 실행 중이며, 그것은 제거된 것이 아니라 사용 중단된 것입니다.

이름은 무시하세요. Grok Voice Think Fast 2.0, Grok Voice 2.0 그리고 API id grok-voice-2.0은 모두 같은 세대를 가리키며, 이 이름들 중 하나만 나열한 리더보드를 읽고 있었다면, 당신은 자신의 구성 파일이 사용하지 않는 레이블 아래에서 올바른 숫자를 읽고 있었던 것입니다.

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.