Grok Voice 3.0: "Minder dan een seconde" is waar, en "40% lager" wordt afgezet tegen het verkeerde model.

SpaceXAI kondigde Grok Voice 3.0 op 14 oktober 2026 aan, en de regel waarmee het begon, was dat het model binnen een seconde antwoordt en tegelijk de latentie met 40% verlaagt. Beide helften daarvan houden stand bij de cijfers, en daarom is het de moeite waard om te lezen om welke cijfers het gaat. De claim van minder dan een seconde is echt: 0,81 seconde tot de eerste audio, het snelste cijfer dat een toonaangevend spraak-naar-spraakmodel vandaag publiceert. De claim van 40% is ook echt, en die vergelijkt Grok Voice 3.0 met GPT-Live-1 geconfigureerd met Astra op gemiddelde redeneerinspanning, die de benchmark op 1,34 seconde meet. Wat het lancemateriaal niet zegt, is dat het model dat dit model vervangt, Grok Voice 2.0, in 0,70 seconde begint te spreken — 0,11 seconde sneller dan het vlaggenschip dat het heeft afgedankt.

Dat is geen ontkrachting. Het is de vorm van deze release, en elk onderdeel ervan is een afweging. Grok Voice 3.0 is een wezenlijk betere agent dan zijn voorganger en een die iets langzamer zijn mond opent, en die twee feiten wijzen in tegengestelde richtingen, afhankelijk van waarvoor je telefoonlijn dient.

De vier getallen die bewogen, en de twee die dat niet deden

Artificial Analysis heeft zijn Speech to Speech-board op 13 oktober 2026 opnieuw uitgevoerd, de dag vóór de aankondiging, dus de meting dateert van vóór de marketing. Elk cijfer hieronder is van het board, niet van SpaceXAI.

• Samengestelde index — 86,9, een stijging ten opzichte van 81,3 voor Grok Voice 2.0, en de hoogste score op de ranglijst. GPT-Live-1 staat in zijn Astra-mediumconfiguratie op 83,2 en Gemini 3.8 Live Extended Thinking op 82,6.

• Agentische prestaties, τ-Voice — 71,6%, gestegen van 56,5%. Dit is met grote afstand de grootste verschuiving in de release: een sprong van 15 punten op de component die beoordeelt of een agent een taak met meerdere stappen voltooit in plaats van alleen maar competent te klinken terwijl hij dat doet.

• Arena-voorkeur — Elo 1070, gestegen van 1011, en de hoogste op de ranglijst.

• Tijd tot eerste audio — 0,81 seconden, tegenover 0,70 seconden voor het model dat het vervangt. Langzamer, en nog steeds ongeveer 40% sneller uit de startblokken dan de GPT-Live-1-configuratie waarmee SpaceXAI zichzelf vergelijkt.

• Taaksucces — 94,8%, tegenover 94,6%. Twee tienden van een punt. Op ruwe taakvoltooiing zijn dit, binnen de meetfout, hetzelfde model.

• 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 tegen een gelijkblijvende tariefkaart, geen prijsaanpassing.

De decompositie is belangrijker dan de kop. Het grootste deel van de winst van 5,6 punten op de samengestelde score kwam van agentische prestaties en arena-voorkeur, met een kleine zet in spraakredenering — de redeneercomponent van het board ligt tussen 98,5 en 99, afhankelijk van de momentopname, wat hoe dan ook een plafond is — en de ruwe taaksucces bleef vlak. Grok Voice 3.0 is een betere agent. Het is geen betere gesprekspartner, en het is geen snellere.

Waar "klantoproepen" eigenlijk naar verwijzen

De briefing die deze release aan het licht bracht, omschreef hem als gebouwd voor klantgesprekken, en het leveranciersmateriaal ondersteunt die interpretatie met uitrolcijfers die geen enkele externe partij kan controleren. SpaceXAI zegt dat Grok Voice miljoenen dagelijkse gesprekken aandrijft in Tesla-voertuigen en bij SpaceX, dat Starlink-support dagelijks 20.000 klantgesprekken in meerdere talen verwerkt, waarbij ongeveer 70% zonder menselijke tussenkomst wordt opgelost en ongeveer een op de vier verkoopgesprekken in een aankoop eindigt, en dat dezelfde agent identiteitsverificatie, hardwareprobleemoplossing, accounttegoeden en vervangingszendingen binnen één flow afhandelt. Het rapporteert ook een afgerond 74% op ServiceNow's EVA-Bench.

Lees het containmentpercentage zorgvuldig, want het is het getal dat het vaakst als modelcapaciteit wordt aangehaald, terwijl het een systeemresultaat is. Hoeveel gesprekken een supportagent zonder escalatie afsluit, hangt af van het promptontwerp, de retrievalkwaliteit en het escalatiebeleid dat je hebt geschreven — niet alleen van het onderliggende model. Een leverancier die zijn eigen omzetgenererende gesprekken via zijn eigen model routeert, is het sterkste beschikbare signaal dat het werkt, en tegelijkertijd het zwakste beschikbare bewijs voor een lezer, omdat niets daarvan het model van de wrapper scheidt.

De τ-Voice-beweging is het deel van de release dat zich over dezelfde vraag uitspreekt met een getal dat een buitenstaander kan controleren. Van 56,5% naar 71,6% gaan op een multi-turn agentic benchmark is het verschil tussen een spraakmodel dat een gesprek kan voeren en een dat een taak daarin kan afmaken. Dat is de claim die het geloven waard is; het containmentcijfer is het cijfer dat het wachten waard is.

De migratie waar niemand toestemming voor hoefde te geven

Grok Voice 3.0 draait op hetzelfde realtime WebSocket-endpoint als zijn voorganger, met dezelfde sessieparameters, dezelfde eventnamen, dezelfde bearer-token-handshake en dezelfde ingebouwde stemmenset plus endpoint voor aangepaste stemmen. Er is geen SDK-wijziging en geen migratiedocument, want er valt niets te migreren. De modelstring is veranderd en het gedrag erachter is veranderd.

Dan is er de alias. grok-voice-latest verwijst nu naar Grok Voice 3.0, en grok-voice-2.0 is gemarkeerd als verouderd. Iedereen die op de alias had uitgerold, werd automatisch naar het nieuwe model overgezet, zonder codewijziging en zonder vastgepinde versie — en dat is belangrijker dan het klinkt, want de alias wees pas op 5 augustus 2026 naar Grok Voice 2.0. Een team dat er in augustus tegenaan heeft gebouwd, heeft in één kwartaal twee stille modelwisselingen meegemaakt. Voor een chatbot-experiment is dat een gemak. Voor een telefoonsysteem waarvan de regressiesuite is geschreven op de timing van een specifieke stem en een specifieke tijd tot de eerste audio, is het een configuratiewijziging die iemand anders namens jou heeft doorgevoerd.

Het tweede item in dezelfde briefing

De lancering kwam niet alleen. De Grok Bot-marktplaats is nu open voor inzendingen van connectors en plug-ins door ontwikkelaars, wat een ander soort nieuws is en het vermelden waard is omdat de twee aankondigingen op elkaar inwerken. Grok Bot is het agentproduct waarvan de cloudcomputers inloggen op de tools die een team al gebruikt; een inzendingspijplijn voor connectors is wat zijn integratielijst verandert van wat SpaceXAI ook heeft geschreven in wat zijn klanten ook maar nodig hebben.

Combineer de twee en de interessante consequentie is architectonisch in plaats van commercieel. Als spraak de interface naar een agent is, en de reikwijdte van de agent wordt bepaald door de connectors die deze kan aanroepen, dan is het oppervlak dat bepaalt of een aanroep al dan niet slaagt, steeds vaker de tool-laag. Dat is de laag die een spraakleverancier niet bezit en niet benchmarkt. Er is geen openbaar cijfer voor, en dat zal er niet komen, want het is voor elke klant anders.

Waar een router hier daadwerkelijk dragend is

OrcaRouter bedient het realtime-eindpunt van Grok Voice 3.0 niet. Dat eindpunt is eigendom van SpaceXAI en niets kan zich inmengen in een duplex-audiosessie die eigendom is van één leverancier; wie iets anders beweert, beschrijft een capaciteit die men niet bezit. Wat wij draaien, is de tekstlaag daaronder — de samenvatter die het verslag na het gesprek schrijft, de classifier die een afhandelingscode toekent, de retrieval die antwoordt op wat het spraakmodel heeft overgedragen, en de toolaanroepen achter de connectors die de marktplaats nu accepteert. Dat werk wordt per request gemeten en daar hoopt zich een betekenisvol deel van de kosten per gesprek op: 207 modellen van meer dan een dozijn upstreams achter één sleutel, tegen de listprijs van de provider zonder enige opslag, met automatische failover wanneer een provider verslechtert en een routing-DSL die meerdere modellen tot één aanroep samenvoegt. Omdat er geen opslag wordt gerekend, is een prijsverlaging van een leverancier op een van die modellen dezelfde dag aan onze kant live, in plaats van bij je volgende verlenging.

Wat is nog ongemeten

Drie dingen, en die zouden moeten bepalen of je nu overstapt of eerst je versie vastzet.

Het eerste is stabiliteit over lange sessies. Elk cijfer hierboven komt uit korte, gescoorde interacties. Niets in de gepubliceerde literatuur beschrijft wat een gesprek van 20 minuten met foutpercentages doet, en de faalmodi die van belang zijn voor een duplexmodel — accumulerende drift, een beurtwisselingsbeleid dat verslechtert bij herhaald onderbreken — komen pas over minuten naar voren, niet over beurten.

Het tweede is de vraag of 0,81 seconde standhoudt onder belasting. De tijd tot de eerste audio wordt gemeten op een rustig systeem, en productie is geen rustig systeem. De 0,70 seconde van de voorganger is op dezelfde manier gemeten, en daarom is de vergelijking tussen die twee op zijn minst appels met appels, terwijl de vergelijking met een live-implementatie dat niet is.

De derde is de noisy-channelclaim. De vorige generatie van deze reeks werd op de markt gebracht op basis van de woordfoutensnelheid in telefonieomstandigheden en in 24 talen, en dat is het meest falsifieerbare dat de leverancier ooit over een stemmodel heeft gezegd. Het nieuwere lanceringsmateriaal herhaalt dit niet, wat ofwel een vergissing ofwel een bekentenis is, en niemand van buitenaf kan je momenteel vertellen welke van de twee het is. Iedereen met een corpus met oproepopnames en een middag tijd kan het controleren, en totdat iemand dat doet, is de eerlijke samenvatting van Grok Voice 3.0 deze: de beste samengestelde score op de publieke ranglijst, geconcentreerd in agentische prestaties; dezelfde prijs als het model dat het vervangt; langzamer met spreken beginnen dan dat model; en zonder het te vragen uitgerold naar elke bestaande aliasgebruiker. De eerste drie zijn redenen om het te testen, en de vierde is een reden om een versiepin in je configuratie te hebben voordat je dat doet.