Fish Audio Live 3 vs Grok Voice 3.0: De ene prijs is een bundel en de andere is een component

Put the two rate cards side by side and the newer model looks less than half the price. Fish Audio Live 3 sells for $0.035 per minute on Fish Audio's Agent Platform — a promotional rate, half of a $0.07 list, good through 31 December 2026. G​rok Voice 3.0 sells for $0.08 per minute, or $4.80 an hour, plus $0.004 per text input token. Four cents against eight is a clean story until you notice that the two numbers are billing different objects: G​rok Voice 3.0 is a speech-to-speech component you rent, and Live 3's per-minute figure bundles speech recognition, the reasoning model and the voice into one meter. One is a part, the other is an assembly. Compare them per minute and you are comparing a gearbox to a car.

That distinction is the whole comparison, and it is worth being precise about why. G​rok Voice 3.0 is a versioned model string behind a realtime WebSocket with session-scoped tools and returned transcripts, priced by the minute of audio it processes and scored, independently, at 86.9 on the Artificial Analysis Speech to Speech Index. Fish Audio Live 3 is a full-duplex model launched on 10 November 2026 that keeps listening while it speaks, is English-only at launch by the company's own statement, has no published benchmark of any kind, no model identifier in Fish Audio's API documentation, and no weight release — the vLLM project's public reply to the launch was to hope it gets open-sourced one day.

Het scorebord dat slechts aan één kant bestaat

Artificial Analysis measures G​rok Voice 3.0 on the same harness it uses for every duplex model, and the numbers are unusually complete. Every figure below is the board's own, taken from its run dated 13 October 2026.

• Spraakredenering, Big Bench Audio — 98,5%.

• Gespreksdynamiek, Full Duplex Bench — 97,0%, met backchannelling 92,9%, omgaan met onderbrekingen 96,5%, beurtwisseling 100% en omgaan met pauzes 98,5%.

• Speech Agent Arena preference — Elo 1059, against 1074 for G​emini 3.8 Live and 990 for Eleven Realtime v1 Max.

• Taaksucces — 94,8% in de τ-Voice-scenario's voor luchtvaart, retail en telecom.

• Time to first audio — 0.81 seconds, slower than G​rok Voice 2.0's 0.70 and roughly 40% quicker than GPT-Live-1 in its Astra medium configuration at 1.34 seconds.

• Kosten per uur aan inputaudio — $ 4,80, een rechtstreekse omrekening van het eigen tarief per minuut van de leverancier.

Live 3's column is not sparse, it is empty, and the emptiness has a specific shape. There is no row on that board for any Fish Audio duplex model as of 11 November 2026 — the board lists Fish Audio as a model family and scores none of its live work. Fish Audio's one published number is 186 milliseconds to decide to respond, which the company describes in the context of short reactions such as "mm-hmm" rather than full answers. It is a vendor floor on an acknowledgement. G​rok's 0.81 seconds is an audited time-to-first-audio on a reply. Nothing about those two figures is commensurable, and the fact that both are expressed in seconds is the trap.

Waar de duplexclaim van elke kant eigenlijk op neerkomt

Beide modellen zijn full-duplex, dus "luistert terwijl het spreekt" is geen onderscheidende factor tussen hen; het is het toegangsticket. Het verschil zit erin waar het timingbeleid vandaan komt.

Het argument van Fish Audio is dat bevestigen, wachten, antwoorden en stoppen zijn geleerd uit opgenomen menselijke gesprekken in plaats van te zijn geschreven als een lijst met stiltedrempels, en het illustreert dat met een telefoonnummer dat in stukken wordt voorgelezen: een agent die drie einde-van-beurt-gebeurtenissen hoort waar een mens één aarzeling hoort, is de fout die wordt verholpen. Het ondersteunende materiaal bestaat uit drie voorbeeldgesprekken: een bestelling afronden, onderbreken en backchannelen tijdens een terugleesmoment. Wat Fish Audio niet heeft gepubliceerd, is enige meting van de vraag of het geleerde beleid beter presteert dan een drempelgebaseerd beleid.

G​rok Voice 3.0's timing policy is not explained in behavioural terms at all. What xAI published is a rate card, a model string, an alias move — grok-voice-latest now resolves to grok-voice-3.0, and grok-voice-2.0 is flagged deprecated — and, through Artificial Analysis, a set of turn-taking scores that a buyer can read as a risk statement. A 96.5% interruption score is a claim you can test against your own call recordings. A 186-millisecond acknowledgement floor is a claim you have to take on trust until you run it.

The alias move matters more than it sounds in a phone system. G​rok Voice 2.0 became the alias target on 5 August 2026 and was superseded by 3.0 ten weeks later, which means a team that deployed against the alias has already been through two silent model swaps in a quarter. Whether you pin grok-voice-3.0 explicitly is a deployment decision the vendor has effectively forced.

Waar het geld daadwerkelijk terechtkomt

De splitsing tussen gebundeld en componenten levert vier kostenvormen op, en slechts één daarvan bevoordeelt Live 3 op een manier die standhoudt in een echt gesprek.

• Live 3 op het Agent Platform — $0,035 per minuut alles inbegrepen tijdens de promotie, inclusief herkenning, redenering en spraak; voeg $0,01 per minuut toe voor telefoongesprekken, $1,20 per maand per telefoonnummer, en het tokentarief van de premium-LLM als je upgradet vanaf het inbegrepen model. Een gesprek van tien minuten kost 35 cent plus telefonie.

• Live 3 after 31 December 2026 — the list rate is $0.07 per minute, at which point the all-in figure is within a cent of G​rok's $0.08 and the bundle argument has to carry the comparison on its own. Fish Audio has not said what happens to the discount.

• G​rok Voice 3.0 — $0.08 per minute of audio plus $0.004 per text input token, with the reasoning model, the telephony and the orchestration all bought separately. The per-minute rate is a floor, not a total.

• Ofwel, met een eigen redeneermodel — de enige vorm waarin de twee samenkomen, omdat beide leveranciers je het brein laten aanleveren en de spraaklaag factureren.

Dat laatste punt is de praktische conclusie die in de prijstabel verborgen zit. Als je product zich onderscheidt op de redeneerlaag, is de bundel een korting op iets dat je toch al van plan was te vervangen. Zo niet, dan is de bundel echt goedkoper en eenvoudiger, en is de promotie van 50% de beste deal in voice deze maand.

Inkoop, en de vraag die geen enkele tarievenkaart beantwoordt

{{2}}Prijs en scores zijn de gemakkelijke helft.{{/2}} De moeilijke helft is wat er gebeurt wanneer het model onder je verandert, en hier hebben de twee leveranciers tegenovergestelde keuzes gemaakt.

G​rok Voice 3.0 has a stable interface and an unstable model: same endpoint, same event names, same bearer-token handshake, same voice set, with the model swapped behind an alias. Fish Audio Live 3 has an unstable interface and, for now, a stable model: the platform is in public beta, the duplex model is new, its API documentation does not yet name it, and the launch post is the only document that describes its behaviour. One arrangement asks you to test continuously. The other asks you to read release notes.

Geen van beide is onredelijk. Maar een engineeringteam dat tussen beide kiest, zou moeten opmerken welk risico het beter kan absorberen, want dat antwoord is doorgaans voorspellender voor een succesvolle uitrol dan vier cent per minuut.

De overdraagbare laag, en de eerlijke grens

Both stacks are two-part systems, and in both the speech half is unportable — G​rok Voice 3.0 runs only on xAI's realtime endpoint, Live 3 only on Fish Audio's platform and on enterprise hardware. The reasoning half is where a router belongs, and on both it is a separate purchase: on the G​rok side it is a model you call from inside the session's tools, on the Fish side it is an OpenAI-compatible endpoint the agent points at. OrcaRouter carries more than 200 models behind one key at provider list price with zero markup, so the text model in either stack can be swapped or pinned without renegotiating the speech contract, and automatic failover keeps a session alive when the reasoning backend errors mid-call. Neither speech model is routable here — there is no third-party endpoint for either — and this piece would be misleading if it implied otherwise.

Voor een team dat nog moet beslissen, is het goedkoopste experiment datgene wat de prijsstelling mogelijk maakt: laat dezelfde twintig gesprekken door beide lopen, beoordeel de onderbrekingen zelf en kijk of 94,8% taaksucces op de retailscenario's van iemand anders iets voorspelt over die van jou. De 186 milliseconden van Live 3 zullen aanvoelen als de kern van het model of als een getal dat iets zegt over een geluid dat de agent maakt terwijl hij nadenkt. Dat is geen vraag die een tariefkaart kan beslechten, en het is de enige vraag die ertoe doet nadat de factuur binnenkomt.