Gemini 3.8 Live vs Grok Voice Think Fast 2.0: het gat van 0,3 punt en de 3,2× zo hoge rekening

Zowel Gemini 3.8 Live als Grok Voice Think Fast 2.0 redeneren terwijl ze spreken — of liever gezegd, beide doen dat in de configuratie die daadwerkelijk meedingt naar de top van het leaderboard, wat voor Gemini 3.8 Live de Extended Thinking-variant betekent in plaats van de standaardvariant. Beide zijn door hun makers beschreven als eerste op de Speech to Speech Index van Artificial Analysis. Slechts één van die claims is momenteel leesbaar op het openbare scorebord, en de kloof tussen de twee koplopers bedraagt 0,3 punten — nauwelijks groter dan de marge die elders in dezelfde grafiek aangrenzende modellen van elkaar scheidt, wat een andere manier is om te zeggen dat het geen echt verschil is.

Het kostenverschil tussen hen is niet 0,3 punt. Het is een factor 3,2.

Die asymmetrie is het hele verhaal, en dat is wat je moet begrijpen voordat je de aankondiging van een van beide leveranciers leest.

Twee aanspraken op de eerste plaats

Toen xAI eind juli 2026 Grok Voice Think Fast 2.0 aankondigde, zetten de gerapporteerde cijfers het model op 82,9%op de Artificial Analysis Speech-to-Speech Quality Index, vóór GPT-Realtime-2.1 met 79,1% en Gemini 3.1 Flash met 69,5%. Verschillende onafhankelijke media herhaalden die framing en beschreven het model als wereldwijd nummer één op het gebied van spraak.

Op het bord dat op 16 september 2026 is vastgelegd, na de lancering van Google, verschijnt hetzelfde model als Grok Voice Think Fast 2.0 High op 81,3. Niet 82,9. En de bovenste rij is nu Gemini 3.8 Live Extended Thinking op 82,6.

Het bestuur in zijn geheel, in volgorde:

• Gemini 3.8 Live Extended Thinking — 82,6

• GPT-Live-1 (Astra-backend, gemiddelde inspanning) — 81.5

• Grok Voice Think Fast 2.0 High — 81,3

• GPT-Live-1 (Sol-backend, lage inspanning) — 80.1

• Gemini 3.8 Live — 76.0

• GPT-Realtime-2.1 High — 73,9

• Gemini 3.1 Flash Live High — 71.5

Er zitten twee lessen in die lijst, en geen van beide gaat erover welk model beter is. De eerste is dat door leveranciers gerapporteerde indexscores niet duurzaam zijn: xAI's 82,9 hield geen stand op het openbare scorebord, dat nu 81,3 toont. Dit is geen beschuldiging van oneerlijkheid — samengestelde indexen worden herzien, configuraties verschillen, en een juli-cijfer gemeten tegen een juli-veld is niet verkeerd, het is gewoon oud. Maar het betekent wel dat het enige cijfer waarop je je moet baseren er een is dat je zelf hebt gelezen, met datum. De tweede is dat de 0,3 punten die hier de eerste en de derde plaats scheiden geen betekenisvol kwaliteitsverschil vormen. Iedereen die op basis van dat cijfer tussen deze twee modellen kiest, kiest op ruis.

Lees de componenten, niet het composiet

Samengestelde scores verbergen argumenten. De Speech to Speech Index is een gewogen gemiddelde van spraakredenering, agentische prestatie, arena-voorkeur en taaksuccespercentage — en de twee modellen in deze confrontatie liggen niet dicht bij elkaar op twee van die vier.

Dit is waar de claim van Google echt interessant wordt, want Groks hele propositie draaide om agentische prestaties:

• Agentische prestaties (τ-Voice) — Google rapporteert 68,6% voor Gemini 3.8 Live Extended Thinking. xAI rapporteert 56,5% voor Grok Voice Think Fast 2.0, ongeveer 11 punten meer dan de 45,7% van GPT-Realtime-2.1 en ongeveer 19 punten meer dan de 37,7% die Gemini 3.1 Flash destijds haalde. Als beide leverancierscijfers standhouden, heeft Google de categorie overgenomen waarin xAI ongeveer 12 punten voorlag.

• Spraakredenering (Big Bench Audio) — Google rapporteert 97.7% voor het Extended Thinking-model. xAI rapporteert 97.2% voor Grok. In feite gelijk.

• Taaksucces bij bankworkflows — Google rapporteert 35,1% op Sierra's τ-Voice-banking-benchmark. xAI heeft geen direct vergelijkbaar cijfer gepubliceerd.

• Gespreksdynamiek (Full Duplex Bench) — Grok meldt 95,1%, iets achter de 95,7% van GPT-Realtime-2.1 en ruim voor de 74,3% van Gemini 3.1 Flash destijds. Google heeft geen Full Duplex Bench-cijfer gepubliceerd voor Gemini 3.8 Live Extended Thinking.

De eerlijkheidsopmerking is hier belangrijker dan gewoonlijk. De 68,6%, 35,1% en 97,7% zijn de eigen cijfers van Google, gepubliceerd op de blog van Google, en niemand buiten Google heeft ze gereproduceerd. De 56,5%, 97,2% en 95,1% voor Grok komen van xAI of van Artificial Analysis en zijn, in het geval van de positie in de index, openbaar controleerbaar. De enige cijfers in deze vergelijking die onafhankelijk afleesbaar zijn, zijn de twee indexscores: 82,6 en 81,3. Al het andere is bewering tegenover bewering, en de beweringen zijn afkomstig van partijen met belang bij de uitkomst.

Wat veilig gezegd kan worden: Google claimt een grote voorsprong op precies de dimensie die xAI aanvoerde om zijn prijsverhoging te rechtvaardigen. Als die claim onafhankelijke tests doorstaat, is deze confrontatie op het vlak van capaciteiten beslecht. Is dat niet het geval, dan is het verschil van 0,3 punt in de index het enige verschil en wordt het prijsverschil onverdedigbaar.

De rekening: $1,50 versus $4,80 per uur

Kosten zijn het onderdeel van deze vergelijking dat niet afhangt van ieders benchmarkmethodologie, omdat het een gepubliceerd tarief is.

Grok Voice Think Fast 2.0 kost $0,08 per minuut audio, ongeveer $4,80 per uur. Dat was een stijging van 60% ten opzichte van de $3,00 per uur van Think Fast 1.0, en gebruikers met de alias grok-voice-latest werden op 5 augustus 2026 automatisch gemigreerd — ontwikkelaars die op het oude model wilden blijven, moesten vóór die datum de versie-ID vastpinnen of de wijziging accepteren.

Gemini 3.8 Live werd aangekondigd met $0,005 per minuut audio-invoer en $0,018 per minuut audio-uitvoer. De grafiek van Artificial Analysis voor de kosten per uur aan audio-invoer plaatst het op $1,50 per uur — wat precies 3,2 keer goedkoper is dan de $4,80 van Grok. Ter vergelijking: dezelfde grafiek toont GPT-Realtime-2 High op $4,14, Qwen Audio 3.0 Realtime Plus op $4,42 en GPT-Realtime-2.1 High op $10,75.

De vorm van de markt in die lijst verdient een zin. De goedkoopste vermelding op het bord is een Gemini — Gemini 3.1 Flash Live voor $1,42 per uur — en de op een na goedkoopste is Gemini 3.8 Live voor $1,50. Google heeft zijn nieuwste stemmodel gepositioneerd als de op een na goedkoopste optie in de categorie, onder modellen waarmee het op kwaliteit concurreert.

Let op wat dat betekent voor iedereen die in augustus naar Grok is overgestapt. Tussen de prijsverhoging en de lancering van Google in, ging dezelfde workload aan de ene kant van deze vergelijking van $3,00 per uur naar $4,80 per uur, en werd die aan de andere kant beschikbaar voor $1,50 per uur. Er is niets aan de modellen veranderd waardoor dit komt. Routeringsbeslissingen die in juli zijn genomen, kosten nu meer dan twee keer zoveel als het alternatief, en dat is precies de situatie die een router hoort te voorkomen.

Waar Grok nog steeds vooroploopt

Twee dingen, en één ervan is niet dichtbij.

Latentie. Grok Voice Think Fast 2.0 verkortte de tijd tot de eerste audio van 1,25 seconden naar 0,70 seconden, het snelste gepubliceerde cijfer in de categorie. Google heeft helemaal geen latentiecijfer gepubliceerd voor Gemini 3.8 Live — alleen partnergetuigenissen die "indrukwekkende latentie" beschrijven. Tijdens een telefoongesprek is 0,70 seconden het verschil tussen een gesprek en een vertraging, en het is de enige dimensie waarin de claim van xAI zowel specifiek als onbetwist is. Als jouw product telefonie is, kan dit zwaarder wegen dan alles hierboven.

Robuustheid van transcriptie. xAI evalueerde het woordfoutpercentage over duizenden korte zinnen in 24 talen en rapporteert 1,5–2,0× minder fouten dan gespecialiseerde STT-modellen, waaronder Deepgram Nova 3 en ElevenLabs Scribe v2, 1,4× minder dan Think Fast 1.0, en ongeveer 10× minder fouten in lawaaiige omstandigheden met achtergrondgeluid en telefoniecompressie. Deze zijn door de leverancier gerapporteerd en niet onafhankelijk geverifieerd, en de bewering over de lawaaiige omgeving is degene die eerst moet worden getest, omdat deze het meest specifiek is en het gemakkelijkst te weerleggen.

Grok heeft ook praktische mogelijkheden voor ontwikkelaars die het vermelden waard zijn: een OpenAI Realtime-compatibele WebSocket-API, PCM16 op 24 kHz met μ-law voor telefonie, stemactiviteitsdetectie aan serverzijde, tijdelijke tokens voor browser-apps, aangepaste stemkloning op basis van ongeveer een minuut spraak, en een volume aan redeneertokens dat ruwweg 0,4× dat van de vorige versie is.

Waar Gemini 3.8 Live Extended Thinking naartoe leidt

Naast de indexplaatsing en de beweerde agentic-kloof zijn de onderscheidende factoren structureel:

• Visie — Gemini 3.8 Live verwerkt bijna realtime visuele input. Grok Voice Think Fast 2.0 heeft geen vergelijkbare visuele grounding.

• Taaldekking — 97 ondersteunde talen met automatisch schakelen midden in een gesprek, tegenover de 25+ van Grok.

• Verwoord redeneren — de Extended Thinking-variant praat terwijl hij werkt, met signalen als 'Laat me dat even nagaan…' en live voortgangscommentaar, wat een inzichtelijker gedrag is voor een gebruiker die op een taak met meerdere stappen wacht.

• Watermerken — alle gegenereerde audio bevat SynthID.

• Kosten — 3,2× goedkoper per uur aan invoeraudio.

De tegenwichten zijn reëel. Google heeft geen latentiecijfer, geen contextvenster en geen cijfers per component gepubliceerd die iemand buiten het bedrijf heeft gereproduceerd. De beschikbaarheid ervan is een preview, geen algemene beschikbaarheid: ontwikkelaars krijgen het in de Gemini API en Google AI Studio, ondernemingen in private preview in Gemini Enterprise, en consumenten via Gemini Live, Docs Live, Gmail Live en Keep Live. Het model van Grok is vandaag algemeen beschikbaar en de API ervan is gedocumenteerd.

De laag waarop ze beiden zitten

Eén structurele overeenkomst is gemakkelijk te missen en weegt zwaarder dan beide specificatiebladen. Beide modellen delegeren. De parallelle redenering van Grok eindigt bijna altijd in een toolaanroep of een opzoeking, en de uitvoering van tools op de achtergrond van Google is expliciet zo gebouwd dat het gesprek doorgaat terwijl API-aanroepen worden voltooid. Onder beide spraakfront-ends ligt een gewone tekstmodel-workload — en daar zitten het merendeel van je all-in kosten en bijna al je overstapflexibiliteit.

OrcaRouter draait 190 modellen achter één sleutel tegen de lijstprijs van de provider, zonder mark-up, wat betekent dat een prijsverlaging van een leverancier dezelfde dag bij ons live staat in plaats van pas bij de volgende verlenging. Dat is niet niks in een categorie waarin één groot model zijn tarief per minuut binnen enkele weken met 60% verhoogde. De andere eigenschap die belangrijk is voor spraak is automatische failover: een gesprek dat wegvalt doordat een backend een time-out krijgt, is een verloren klant, en de mogelijkheid om het delegatiedoel bij live verkeer te wisselen zonder de spraakintegratie te herschrijven, is wat de keuze voor de front-end omkeerbaar maakt. Om precies te zijn over de scope — de endpoints Grok Voice Think Fast 2.0 en Gemini 3.8 Live staan niet op onze router; die komen van de eigen API's van de leveranciers. De tekstmodellen waaraan zij delegeren, staan daar over het algemeen wel op.

Wat zou het beslechten?

Deze confrontatie is ongewoon eenvoudig te beslechten, omdat het beslissende bewijs specifiek en in afwachting is. Drie dingen zouden volstaan:

• Onafhankelijke τ-Voice draait op Gemini 3.8 Live Extended Thinking. Google claimt 68,6% tegenover 56,5% van Grok. Dat is een 12-puntsclaim in een categorie waarin Google historisch gezien niet aan de leiding heeft gestaan, en het is hét getal dat het eindoordeel het meest verandert.

• Een gepubliceerd latentiecijfer.Totdat Google er een publiceert, staat de 0,70 seconde van Grok onbetwist en hebben telefonie-inkopers slechts één verdedigbare keuze.

• Algemene beschikbaarheid en stabiele prijsstelling. Preview-prijzen veranderen. Een uurtarief van $1,50 dat bij GA verdubbelt, zou deze vergelijking volledig herschrijven.

Tot die er zijn, is de verdedigbare positie smaller dan beide aankondigingen suggereren. Grok Voice Think Fast 2.0 blijft de juiste keuze waar latentie de beperkende factor is en de workload telefonie-achtig is. Gemini 3.8 Live Extended Thinking is de juiste keuze waar redeneerdiepte, vision of taalbreedte van belang zijn en je de preview-status en niet-gepubliceerde latentie kunt tolereren. En de 0,3 punten tussen hen zou niets moeten beslissen — de 3,2× zou dat moeten doen.