Grok Voice 3.0 staat bovenaan de Speech to Speech Index met 86,9 — en geeft het latencyrecord terug

Het getal dat iedereen zal citeren is 86.9. Dat is waar Grok Voice 3.0 landde op de Artificial Analysis Speech to Speech Index toen de benchmark op 13 oktober 2026 opnieuw werd uitgevoerd, vijf en een half punt voor op het model dat het vervangt, Grok Voice 2.0, dat op 81.3 stond. Het ligt ook voor op GPT-Live-1 in zijn Astra medium-configuratie op 83.2 en Gemini 3.8 Live Extended Thinking op 82.6, waardoor het het eerste xAI-stemmodel is dat de toppositie helemaal voor zichzelf opeist in plaats van die te delen. SpaceXAI kondigde het aan op 14 oktober, dezelfde dag dat de API-releasenotes veranderden, en tegen dezelfde prijs per minuut als het model dat het buiten gebruik stelt.

Het getal dat niemand zal citeren, omdat xAI het niet in de kop heeft gezet, is 0,81. Dat is de tijd tot audio in seconden van Grok Voice 3.0, en het is sneller dan de 0,70 van Grok Voice 2.0. Het bedrijf dat sub-seconde beurtwisseling verkoopt, heeft nu een vlaggenschip dat 0,11 seconde later begint te spreken dan zijn eigen uitgaande model. Het is nog steeds ruwweg 40% sneller van start dan de GPT-Live-1-configuratie die Artificial Analysis op 1,34 seconde mat, dus de marketingclaim houdt stand bij een letterlijke lezing. Het doorstaat alleen geen vergelijking met de vorige versie.

Wat er daadwerkelijk is geleverd, en wat het kost

Grok Voice 3.0 is een spraak-naar-spraakmodel dat via hetzelfde realtime WebSocket-endpoint als zijn voorganger wordt aangeboden, met dezelfde sessieparameters en dezelfde eventnamen. Er is geen nieuwe SDK en geen migratiedocument, want er valt niets te migreren. De modelstring is veranderd en het gedrag erachter is veranderd.

• Prijs — $0,08 per minuut audio, of $4,80 per uur, plus $0,004 per tekstinvoer. Identiek aan Grok Voice 2.0. Dit is een update van de mogelijkheden bij gelijkblijvende prijs, geen prijsherziening.

• Aliasgedrag — grok-voice-latest verwijst nu naar grok-voice-3.0. Iedereen die via de alias had gedeployed, werd automatisch naar het nieuwe model overgezet, zonder codewijziging en zonder een versiepin.

• Deprecatie — grok-voice-2.0 is gemarkeerd als verouderd. Het upgradepad dat xAI documenteert, is om het veld model in te stellen op grok-voice-3.0 of de alias te laten staan.

• Endpoint en auth — ongewijzigd. Dezelfde realtime-URL, dezelfde bearer-token-handshake, dezelfde kortlevende efemere tokens voor verbindingen aan de clientzijde.

• Stemmen — de ingebouwde stemmenset en de custom-voice-endpoint zijn ongewijzigd; aangepaste stemmen worden getraind op basis van een referentieclip van maximaal 120 seconden en de resulterende voice_id werkt in de realtime-API en streaming tekst-naar-spraak.

Die laatste lijst is de reden dat de aliaswijziging meer uitmaakt dan het klinkt. Grok Voice 2.0 werd pas op 5 augustus 2026 het doel van de alias — ongeveer tien weken voor deze release. Een team dat in augustus tegen grok-voice-latest heeft gebouwd, heeft nu in één kwartaal twee stille modelwisselingen meegemaakt, wat een prima eigenschap is voor een chatbotexperiment en een minder prima eigenschap voor een telefoonsysteem waarvan de regressiesuite is geschreven op basis van de timing van een specifieke stem.

De index, component voor component

Samengestelde indices verbergen het argument, dus het is de moeite waard om Grok Voice 3.0 uit elkaar te halen. Elk cijfer hieronder komt uit de eigen tests van Artificial Analysis, gedateerd 13 oktober 2026.

• Spraakredenering, Big Bench Audio — 98,5%, een stijging van 97,2% voor Grok Voice 2.0.

• Gespreksdynamiek, Full Duplex Bench — 97,0%, een stijging ten opzichte van 95,1%.

• Voorkeur voor Speech Agent Arena — Elo 1070, gestegen van 1011, en de hoogste op de ranglijst.

• Taaksucces — 94,8%, een stijging ten opzichte van 94,6%. Dit is de kleinste beweging van de vijf en is als zodanig het vermelden waard: qua ruwe taakvoltooiing zijn de twee modellen, binnen de meetnauwkeurigheid, hetzelfde model.

• Agentische prestaties, τ-Voice — 71,6%, een stijging ten opzichte van 56,5%. Dit is de grootste afzonderlijke stap in de release, een sprong van 15 punten op de component die als enige meet of een agent daadwerkelijk een taak met meerdere beurten kan voltooien in plaats van alleen maar bekwaam te klinken terwijl hij dat doet.

• Tijd tot eerste audio — 0,81 seconden, tegenover 0,70 voor Grok Voice 2.0.

Als je die samen leest, vertelt dat een nuttiger verhaal dan de samengestelde score. De indexwinst van 5,6 punten is niet gelijkmatig verdeeld: bijna alles ervan bestaat uit agentische prestaties en arena-voorkeur, terwijl redeneren en duplexverwerking licht omhoog kruipen en het ruwe taaksucces vlak blijft. Grok Voice 3.0 is een betere agent, geen betere gesprekspartner. Als je spraakproduct een supportlijn is die afspraken inplant en bestelstatus controleert, dan is dat precies de delta die je wilt. Als het een metgezel of een roleplay-front-end is, is de indexwinst grotendeels irrelevant, en heb je daar een latentiepenalty voor betaald.

De enige test waarbij de leider niet de leider is

τ-Voice is de component waar xAI het over zou moeten hebben, en degene waarin het nog steeds achterloopt. Met 71,6% is Grok Voice 3.0 enorm gestegen ten opzichte van de 56,5% van zijn voorganger — en nog steeds achter GPT-Live-1, geconfigureerd met Astra op medium reasoning, dat Artificial Analysis op 74,5% zet. Gemini 3.8 Live staat op 68,6% in dezelfde test.

De vorm van de categorie na deze release is dus: xAI heeft de composite en de arena; OpenAI heeft de agentische taakvoltooiingstest; Google heeft geen van beide en is goedkoper dan beide. Geen van die drie uitspraken spreekt de andere tegen, en elk artikel dat alleen de eerste vermeldt, rapporteert een ranglijst in plaats van een resultaat.

De leverancier beweert dat geen enkel board dekt

De prestatieclaims gaan gepaard met een tweede laag cijfers die Artificial Analysis niet meet en ook niet kan meten, omdat ze productieverkeer binnen de eigen producten van één bedrijf beschrijven. Dit zijn de cijfers van xAI, gerapporteerd door xAI, zonder dat er onafhankelijke verificatie beschikbaar is en die er waarschijnlijk ook niet komt:

• Tesla — Grok Voice zou miljoenen gesprekken per dag in voertuigen mogelijk maken, met agenda- en e-mailacties via connectors en het bestellen van eten via de spraakmodus van Grok Bot.

• Starlink-ondersteuning — 20.000 klantgesprekken per dag in meerdere talen, waarbij ongeveer 70% zonder tussenkomst van een mens wordt opgelost en ongeveer één op de vier verkoopgesprekken tot een aankoop leidt. Dezelfde agent zou identiteitsverificatie, hardwareprobleemoplossing, accounttegoeden en vervangende zendingen in één flow afhandelen.

• ServiceNow EVA-Bench — een afgerond nauwkeurigheidscijfer van 74%, gerapporteerd als het hoogste op die benchmark en het beste wanneer nauwkeurigheid en klantervaring gezamenlijk worden beoordeeld. EVA-Bench omvat klantenservice bij 15 tools en 50 scenario's, IT-servicemanagement bij 59 tools en 80 scenario's, en HR bij 47 tools en 83 scenario's.

Beschouw de eerste twee als een beschrijving van intentie in plaats van als bewijs. Ze zijn het sterkst mogelijke bewijs dat een stemmodel werkt — een bedrijf dat zijn eigen omzetgesprekken erdoorheen laat lopen, heeft er echt iets op het spel staan — en tegelijk het zwakst mogelijke bewijs voor een lezer, omdat niets ervan van buitenaf te controleren is en niets ervan het model onderscheidt van de prompts en het retrieval- en escalatiebeleid dat eromheen zit. Het containmentcijfer van 70% in het bijzonder is een getal op systeemniveau in een kostuum op modelniveau.

Wat een prijs die niet bewoog je vertelt

Het tarief op $0,08 per minuut houden is het strategisch meest interessante punt aan de release. De voor de hand liggende interpretatie is concurrentiedruk: Google heeft het hele jaar gebruikt om Gemini Live te positioneren als de goedkope optie in deze categorie, en de vorige generatie van xAI's voice line had al een prijsstijging van 60% te verwerken gekregen toen de Think Fast-lijn van $3,00 naar $4,80 per uur ging. Het tarief van het vlaggenschip nogmaals verhogen was geen optie.

Het secundaire effect raakt iedereen die kosten modelleert. De meting per taak van Artificial Analysis zet Grok Voice 3.0 op $0,025 om een Big Bench Audio-taak te voltooien, tegenover $0,030 voor GPT-Live-1 Astra medium en $0,055 voor GPT-Realtime-2.1 High. Goedkoper per taak én nauwkeuriger per taak is de combinatie die een einde maakt aan inkoopdebatten, en het is de eerste keer in deze categorie dat één enkel model beide uitersten tegelijk weet te verenigen.

Waar een routeringslaag in dit plaatje binnenkomt, is smaller dan het lijkt, en het is de moeite waard om precies te zijn. OrcaRouter bedient het realtime-endpoint van Grok Voice 3.0 niet — dat komt van xAI's eigen API, en dat geldt ook voor het equivalent van Gemini Live en GPT-Live-1. Wat wij wél draaien, is de tekstkant: meer dan 200 taalmodellen achter één sleutel tegen de lijstprijs van de provider, zonder markup, waar de transcriptieopschoning, de samenvatting na het gesprek, de classificatie van een transcript in een gespreksresultaatcode en de tool-calling-logica die het spraakmodel delegeert, doorgaans zitten. Dat zijn gewone modellen die per request worden afgerekend, precies de workload waarvoor een router bedoeld is, en omdat de lijstprijs ongewijzigd wordt doorgegeven, is een prijsverlaging van een leverancier op een van hen dezelfde dag bij ons actief in plaats van bij je volgende verlenging.

Wat is nog ongemeten

Drie dingen, en die zouden moeten bepalen of je nu verplaatst of vastzet.

Het eerste is stabiliteit over lange sessies. Elk cijfer hierboven komt uit korte, gescoorde interacties. Niets in de gepubliceerde literatuur behandelt wat een gesprek van 20 minuten doet met foutpercentages, en het interessante faalmechanisme bij een duplexmodel — oplopende drift, of een beurtwisselbeleid dat verslechtert bij onderbrekingen — komt pas na minuten aan het licht, niet na een paar beurten.

Het tweede is de noisy-channelbewering. De vorige generatie van xAI werd op de markt gebracht op basis van het woordfoutpercentage onder telefonieomstandigheden, en dat is de meest falsifieerbare bewering van de hele lancering. Iedereen met een corpus van gespreksopnamen en een middag de tijd kan het controleren.

Het derde punt is of het cijfer van 0,81 seconde standhoudt onder belasting. De tijd tot de eerste audio wordt gemeten op een systeem in rust. Productie is geen systeem in rust.

Totdat die er zijn, is de eerlijke samenvatting van Grok Voice 3.0 deze: het is het beste stemmodel op de openbare ranglijst, met een voorsprong die reëel is maar zich in één dimensie concentreert, het kost hetzelfde als het model dat het vervangt, het duurt langer voordat het begint te spreken dan dat model, en het heeft elke bestaande grok-voice-latest-implementatie zonder te vragen naar zichzelf verplaatst. De eerste drie zijn redenen om het te testen. De vierde is een reden om een versiepin in je config te hebben voordat je dat doet.

Een release van een spraakmodel is ook het moment om te controleren wat er eerder mis is gegaan: de gedocumenteerde AI-incidenten en agentfouten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.