Grok Voice 3.0 vs Sesame Preview: 모든 청취 테스트에서 승리하는 목소리는 API가 없는 목소리다

방 안의 사람들에게 이 중 어느 것이 더 사람처럼 들리는지 물어보면, 답은 하나로 나온다. Sesame Preview는 Sesame의 무료 음성 어시스턴트다 — Maya, Miles, Simone, Charlie라는 네 명의 에이전트로, 2026년 5월부터 iOS에서, 이른 8월부터는 안드로이드에서 폭넓게 제공되었으며 — "동급 최고의 음성 모드"라는 표현을 평론가들이 계속 꺼내 들게 만든 바이럴 클립을 만들어낸 바로 그것이다. G​rok Voice 3.0은 2026년 10월 14일 S​paceXAI가 발표한 모델로, 공개 리더보드에서 86.9점으로 가장 높은 점수를 기록한 음성-대-음성 모델이며, 문서화된 실시간 엔드포인트를 통해 분당 0.08달러에 호출할 수 있다. 이 두 사실은 서로 모순되지 않는다. 그리고 그 둘 사이의 간극이야말로 이번 맞대결의 전부다. 둘 중 하나는 사람들이 자기 귀로 판단하는 목소리이고, 다른 하나는 제3자가 측정할 수 있는 목소리다.

그 격차의 나머지 절반은 접근성입니다. Sesame Preview에는 API도, 모델 식별자도, 요금표도 없고, 그중 하나를 내놓겠다는 계획도 밝혀진 바 없습니다. 게다가 앱의 프로덕션 음성은 이 연구소가 한 번도 공개한 적 없는 더 큰 폐쇄형 모델입니다. G​rok Voice 3.0은 분 단위로 빌려 쓰는 구성 요소입니다. 귀로 고르면 Sesame을 원하게 되고, 무언가를 출시할 수 있는지를 기준으로 고르면 결정은 이미 내려져 있는 셈입니다.

각각 무엇인지, 공식적으로

마케팅을 걷어내고 보면, 이 두 제품은 애초에 같은 종류의 물건조차 아니다.

• 무엇인가 — G​rok Voice 3.0은 S​paceXAI의 실시간 WebSocket 뒤에 있는 음성 대 음성 모델로, 세션 범위 도구와 반환된 전사 내용을 갖추고 있습니다. Sesame Preview는 네 가지 대화형 에이전트, 웹과 모바일 간에 동기화되는 에이전트별 메모리, 통화 중 실시간 웹 검색, 통화 후 전송되는 요약을 갖춘 소비자용 앱입니다.

• 가격 — Grok Voice 3.0의 경우 오디오 1분당 $0.08에 텍스트 입력 1건당 $0.004가 추가되어 시간당 약 $4.80이며, Sesame Preview는 사용자에게 무료이고 광고도 없으며 유료 요금제에 대한 언급도 없습니다.

• 개발자 액세스 — 문서화된 엔드포인트, 클라이언트 측 연결을 위한 임시 토큰, 그리고 최대 120초의 참조 클립으로 G​rok Voice 3.0용 음성을 훈련하는 사용자 지정 음성 엔드포인트, Sesame Preview용으로는 전혀 없습니다.

• 가중치 — 양쪽 모두 비공개이며, 단 한 가지 예외가 있습니다: Sesame는 앱에 들어 있는 음성은 아닌 Apache-2.0 체크포인트 CSM-1B를 공개했습니다.

• 독립 점수 — Artificial Analysis Speech to Speech Index에서 86.9점을 기록했으며, G​rok Voice 3.0에 대해서는 다섯 개의 판독 가능한 구성 요소가 제공됨; Sesame Preview 음성에는 없고, Sesame이 발표한 것도 없음.

• 한계 — Grok Voice 3.0에는 명시된 세션 상한이 없으며, 전세대 제품은 24개 언어에 걸친 단어 오류율을 앞세워 마케팅되었다. Sesame Preview는 영어 전용으로, 통화 상한이 30분이고 로그아웃 상태에서는 5분으로 줄어들며, 작업 실행 기능도 없다 — 에이전트는 대화만 나눌 뿐, 예약하거나 구매하거나 무언가를 접수하지는 않는다.

그 마지막 항목이 바로 대부분의 평가를 끝내는 항목이다. 호출할 수 없는 음성 제품은 구성 요소가 아니라 경쟁자다.

오픈 체크포인트, 그리고 그것이 아닌 것

Sesame은 자사의 데모와 다운로드 사이의 격차에 대해 이례적으로 솔직하게 밝혀 왔으며, 이는 이 둘을 저울질하는 누구에게나 가장 중요한 단 하나의 사실이다.

CSM-1B는 2026년 4월 23일 Apache 2.0에 따라 공개된 10억 파라미터 대화형 음성 모델로, L​lama 아키텍처 백본이 별도 디코더와 Kyutai의 Mimi 코덱으로 입력을 전달해 약 4,000토큰의 컨텍스트에서 24kHz 모노 영어 음성을 생성합니다. 이는 베이스 음성 생성 모델입니다. 둘 다 실행해 본 사람들의 평가에 따르면, 이 모델의 음성은 앱에 있는 음성보다 확연히 더 약하며, Sesame 자체 문서에서도 이것이 엔드투엔드 음성-대-음성 시스템이 아니고 텍스트를 생성할 수 없다고 명시하고 있습니다.

그래서 다운로드는 제품이 아니라 연구 계보입니다. 데모 속 목소리를 찾아 나선 사람은 같은 연구소에서 나온 더 작은 모델을 발견했고, 네 에이전트 중 하나가 전화를 받을 때 응답하는 것은 한 번도 공개된 적 없는 프로덕션 모델입니다. 그것은 서드파티 추론 제공업체에서 100만 자당 약 7달러 — 합성 오디오 기준으로는 시간당 약 0.35달러 — 에 호스팅되거나 자체 하드웨어에서 무료이며, 그것에 대한 독립적인 벤치마크를 공개한 사람 또한 없습니다.

규모를 가늠해 보면, 시간당 0.35달러는 이 비교에서 13배나 더 저렴한 최저가 오디오이며, 동시에 이 안에서 가장 쓸모없는 항목이기도 합니다. 양방향 대화를 할 수 없는 1B 체크포인트는 가격으로 G​rok Voice 3.0과 경쟁하는 것이 아니기 때문입니다. 그것은 당신이 이미 사용하고 있던 나레이션 도구와 경쟁하는 것입니다.

청음 테스트와 지수가 왜 서로 어긋나는지, 그리고 어느 쪽이 틀린 것인지

그것들은 서로 충돌하지 않습니다. 그것들은 서로 다른 질문에 답하고 있는 것이고, 그중 공개적으로 답할 수 있는 것은 하나뿐입니다.

Sesame Preview의 평판은 청자가 목소리를 어떻게 듣는지에 달려 있다. 숨소리, 망설임, 말을 끊는 타이밍, 전화선 너머에 사람이 있다는 인상 같은 것이다. 그것은 일종의 진짜 증거다. 그 데모는 호의적일 이유가 전혀 없던 수십만 명의 사람과 리뷰어를 설득했지만, 그것은 전혀 수치화되지 않았다. 아레나 항목도, 프로덕션 보이스에 대한 공개된 평가도, 샘플 수치도 없다. 어느 방향의 품질 주장이든 모두 청취 인상일 뿐이다.

Grok Voice 3.0의 86.9는 정반대 성격의 증거다. 이는 거의 최고점에 가까운 음성 추론, Full Duplex Bench에서 97.0%, τ-Voice에서 71.6%, 아레나 Elo 1070, 과제 성공률 94.8%로 분해되며, 각 항목은 외부 팀이 읽고, 산술을 검산하고, 반박할 수 있는 공개된 하네스에서 측정된다. 종합 지수는 가중치 선택이고, 아레나 구성 요소는 실시간 Elo를 추적하는 대신 모델이 자격을 얻는 시점에 고정된다 — 하지만 그 반박 가능성은 누구나 이용할 수 있으며, 바로 그것이 이것을 주장이 아니라 측정으로 만든다.

이사회가 측정하지 않는 것은 당신이 그것과 대화하는 것을 즐기는지 여부이다. 그리고 이번 릴리스에는 바로 그 축에 해당하는 특정 숫자가 있다: Grok Voice 3.0은 0.81초 만에 말하기 시작하고, 그것이 은퇴시키는 모델은 0.70초에 시작했다. 플래그십은 자사의 전작보다 출발이 0.11초 느린데, 이는 청취자가 벤치마크보다 먼저 알아차리는 바로 그런 종류의 세부 사항이다.

네 개의 에이전트 설계가 알려주는 것

Sesame의 네 가지 성격은 마케팅상의 세부 사항이 아니라 아키텍처적 결정이며, 그것은 S​paceXAI가 내린 결정과는 정반대다.

Maya, Miles, Simone, Charlie는 고정된 목소리와 고정된 기질을 지닌 존재이며, 기억은 에이전트별로 범위가 정해진다. 이는 목소리가 결과물이고 개성이 기능이라는 가정 위에 만들어진 제품이다. 음성 커스터마이징도, 복제도, 소비자 앱에서 API로 가는 경로도 없다 — 무료 티어가 곧 제품이며, 회사가 밝힌 방향은 개발자 플랫폼이 아니라 연구 파트너십과 계획된 하드웨어 기기다.

Grok Voice 3.0은 반대 방향을 취합니다. SpaceXAI의 내장 음성 세트와 함께 제공되며, 별도의 커스텀 음성 엔드포인트는 최대 120초 분량의 레퍼런스 클립으로부터 음성을 훈련하고, 그 결과 생성된 voice_id는 실시간 API와 스트리밍 텍스트 음성 변환 모두에서 작동합니다. 이 세션은 도구를 받아들이므로, 에이전트는 대화 중간에 여러분의 백엔드를 호출할 수 있으며, 단지 그것에 대해 이야기만 하는 데 그치지 않습니다.

어느 쪽이 더 나은지는 경험을 판매하는지, 아니면 경험을 구축하는지에 달려 있다. 네 가지 뛰어난 고정 페르소나를 제공하는 음성 제품은 한 번의 결정으로 브랜딩과 통합을 해결했다. 클로닝 엔드포인트가 있는 음성 제품은 한 번의 결정으로 컴플라이언스 대응 영역과 현지화 워크플로를 당신에게 넘겨주었다. 어느 쪽도 실수가 아니며, 둘은 서로 다른 고객을 가리킨다.

라우팅 질문이 실제로 도착하는 곳

OrcaRouter는 이 두 음성 계층 중 어느 것도 제공하지 않습니다. Grok Voice 3.0은 SpaceXAI 자체의 실시간 WebSocket 뒤에 존재하며, 단일 벤더가 소유한 전이중 오디오 세션에는 그 무엇도 개입할 수 없습니다; Sesame Preview는 라우팅할 엔드포인트 자체가 전혀 없습니다. 다르게 말하는 것은 존재하지 않는 기능을 설명하는 것일 뿐이며, 이 범주에는 정확히 그렇게 하는 플랫폼이 넘쳐납니다.

라우팅 가능한 것이 바로 두 제품이 조용히 의존하는 계층이다. Sesame의 에이전트는 대화 중에 웹을 검색하고 나중에 요약을 보낸다; Grok Voice 3.0의 tools 배열은 응답하는 모든 백엔드에 도달하며, 인라인 호출보다 무거운 것은 무엇이든 대화 뒤의 텍스트 모델 요청이 된다. 그 작업은 요청 단위로 과금되고, 호출당 비용의 상당 부분이 여기서 누적되며, 그 아래의 오디오 모델이 바뀌는 동안에도 일정하게 유지할 수 있는 음성 제품의 절반이다. — 이는 grok-voice-latest/ 모델이 이제 한 분기에 두 번 바뀌었다는 점을 고려하면, 가질 만한 가치가 있는 속성이다. 한 키 뒤에 12개 이상의 업스트림에서 온 207개 모델, 제공업체 정가에 마크업 제로, 제공업체가 성능 저하를 보일 때 자동 장애 조치, 여러 모델을 하나의 호출로 구성하기 위한 라우팅 DSL, 그리고 한 모델의 판단만으로는 충분하지 않을 때의 모델 퓨전. 아무것도 마크업되지 않기 때문에, 그 모델 중 어느 하나에 대한 공급업체의 가격 인하는 여기서 같은 날 바로 반영된다.

당신이 누구인지에 따라 나뉜 추천

오늘날 이용할 수 있는 가장 듣기 좋은 대화형 음성을 원하면서 무엇도 통합할 의도가 없는 소비자라면, Sesame Preview는 무료이고 두 모바일 플랫폼 모두에서 이용할 수 있으며, 그 명성은 리뷰어들이 계속 확인해 줄 만큼 충분히 당연하고, 이 글의 어떤 내용도 그것을 바꾸지 않습니다. 사용하고 즐기세요.

당신이 무언가를 구축하고 있다면, 결정은 이미 내려졌고 그 추론은 내면화할 가치가 있습니다. 당신은 Sesame Preview를 호출할 수 없고, 그 목소리를 고정할 수도 없으며, 무엇과도 비교해 벤치마크할 수 없습니다 — 그래서 그것에 관한 모든 조달 논의는 같은 결론에 이르는데, 그것은 어느 당사자도 점수를 매길 수 없는 두 선택지 사이의 청취 테스트입니다. Grok Voice 3.0은 요금표, 버전이 지정된 모델 문자열, 전사본, 복제 엔드포인트, 그리고 당신이 이의를 제기할 수 있는 리더보드 점수를 제공합니다. 그것으로 가장 먼저 할 일은 버전을 고정하는 것입니다. 별칭이 이미 묻지도 않고 그것 위로 옮겨졌기 때문입니다.

그리고 만약 당신이 흥미로운 실패를 원하는 연구자라면: 이 페어링에 대한 솔직한 요약은, 이 범주가 들을 가치가 있는 목소리를 만들 수 있음을 입증했지만 그 목소리가 앱 이외의 어떤 형태로든 구매 가능해야 하는지는 아직 결정하지 못했다는 것이다. Sesame은 더 나은 경험을 만들고도 그것을 비공개로 유지했다. S​paceXAI는 더 나은 구성 요소를 만들고 그 수치를 공개했다. API가 있는 Sesame 버전을 지켜보라 — 그 릴리스가 이 페이지를 쓸모없게 만들 것이다.

스코어보드가 측정하는 것과 배포가 실제로 마주하는 것 사이의 그 간극이 바로 이 기록이 중요한 이유입니다: 이 계열의 모델과 관련된 문서화된 AI 실패 및 에이전트 사고가 수집되는 곳은 OrcaRouter AI Incident Archive이며, 각 항목은 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그를 갖추고 있습니다.