Grok Voice 3.0 vs Grok Voice Think Fast 2.0: Gratis upgrade, echte winst, één regressie

Het model Grok Voice 3.0vervangt, is hetzelfde model dat je op Artificial Analysis onder een andere naam vindt. Zoek op het bord naar Grok Voice Think Fast 2.0en je zult het niet vinden; zoek naar Grok Voice 2.0 en je vindt 81,3 — het cijfer dat de berichtgeving rond de eigen lancering van het eerdere model voor Think Fast 2.0 meldde onder het configuratielabel "High". De API van SpaceXAI noemt de model-ID grok-voice-2.0 en de release notes noemen de juligeneratie Grok Voice 2.0, terwijl de aankondiging waarin die werd geïntroduceerd de naam Think Fast gebruikte. Dus toen SpaceXAI grok-voice-2.0 op 14 oktober 2026 buiten gebruik stelde en grok-voice-latest naar grok-voice-3.0 liet wijzen, nam het afscheid van het model dat zijn eigen leaderboardrij en zijn eigen marketingnaam als twee dingen beschrijven.

De praktische consequentie is dat een upgrade die veel teams al hebben gekregen — geruisloos, zonder een deployment, omdat de alias is verplaatst — groter is dan de naamgevingsverwarring doet vermoeden en kleiner dan de indexkloof impliceert. Beide modellen rekenen $0,08 per minuut en $0,004 per tekstinvoer, dus de prijs is niet veranderd. Het grootste deel van de kwaliteit wel.

Wat de upgrade oplevert, component voor component

Elk cijfer in deze sectie is het resultaat van de eigen tests van Artificial Analysis, gedateerd 13 oktober 2026 voor Grok Voice 3.0, en afkomstig van hetzelfde scorebord voor de uitgaande generatie.

• Speech to Speech Index — 86,9 voor Grok Voice 3.0 versus 81,3 voor Grok Voice Think Fast 2.0. Een samengestelde winst van 5,6 punten, wat als een versie-update klinkt totdat je het uit elkaar haalt.

• Agentische prestaties, τ-Voice — 71,6% vs 56,5%. Dit is waar de release echt om draait. Vijftien punten meer bij multi-turn taakvoltooiing is het verschil tussen een spraakmodel dat een gescript gesprek aankan en een dat een gesprek met vertakkingen aankan.

• Voorkeur in de Speech Agent Arena — Elo 1070 vs 1011. Negenenvijftig punten menselijke voorkeur, en de hoogste die ooit op de ranglijst is geregistreerd.

• Gespreksdynamiek, Full Duplex Bench — 97,0% vs. 95,1%. Bijna twee punten op het gebied van barge-in en beurtwisseling, precies de dimensie waarop deze modellijn oorspronkelijk moest winnen.

• Spraakredenering, Big Bench Audio — 98,5% vs 97,2%. Beide zitten in feite op het plafond.

• Taaksucces — 94,8% vs. 94,6%. Vlak binnen de meetmarge. Als je evaluatie een single-turnverzoek is dat correct wordt voltooid, scoren deze twee modellen hetzelfde en is de upgrade onzichtbaar.

• Tijd tot eerste audio — 0,81 seconden voor Grok Voice 3.0 vs. 0,70 voor Grok Voice Think Fast 2.0.

• Prijs — identiek aan beide zijden. $0,08 per minuut, $4,80 per uur, plus $0,004 per tekstinvoer.

De regressie, en waarom dat het interessante deel is

Lees de laatste twee regels samen. Grok Voice Think Fast 2.0 bracht de tijd tot de eerste audio terug van de 1,25 seconde van zijn eigen voorganger naar 0,70, en xAI verkocht dat cijfer stevig — het was het snelste gepubliceerde cijfer in de categorie toen het eind juli 2026 uitkwam, en het is nog steeds sneller dan al het andere op het bord. Grok Voice 3.0 levert daar 0,11 seconde van in.

Dat is geen schandaal en het is geen toeval. Het is de zichtbare prijs van de τ-Voice-sprong. Wat xAI ook aan het model heeft toegevoegd om de voltooiing van multiturn-taken van 56,5% naar 71,6% te brengen, kost tijd vóór het eerste audioframe, en geen enkele hoeveelheid prompt engineering haalt dat terug, omdat de vertraging zich in het model bevindt en niet ervoor.

Wat het de moeite waard maakt om ronduit te zeggen, is dat het de pitch omkeert. Een team dat voor Think Fast 2.0 koos, deed dat in de meeste gevallen vanwege de 0,70. Als dat de reden is dat het model in je stack zit, is de opvolger meetbaar slechter in de eigenschap waarvoor je het hebt gekocht, en het eerlijke om te doen is te meten of 0,11 seconde extra vertraging je meer kost dan de 15 punten taakvoltooiingswinst die je eruit haalt. Bij een telefonie-implementatie is het antwoord in geen van beide richtingen vanzelfsprekend, en het hangt ervan af waar in je callflow de agent daadwerkelijk werk verricht.

De alias is verplaatst, en dat is geen voetnoot.

grok-voice-2.0 is verouderd sinds de release van 14 oktober, en grok-voice-latest verwijst nu naar grok-voice-3.0. Iedereen die op basis van de alias had gedeployed, werd automatisch overgezet naar het nieuwe model, zonder codewijziging en zonder dat er iets in hun logs op wees.

Zet dat af tegen de tijdlijn en het wordt een patroon in plaats van een incident. Op 5 augustus 2026 — ongeveer tien weken vóór deze release — werd grok-voice-latest gericht op het model dat nu Think Fast 2.0 heet, en ontwikkelaars die op de vorige generatie wilden blijven, moesten vóór die datum een model-ID met versieaanduiding vastzetten of de wijziging ondergaan. Dat zijn twee stille verwisselingen in één kwartaal, waarbij elke de latentiekarakteristieken met meer dan een tiende van een seconde verandert, zonder versiemanifest en zonder vooraf aangekondigd uitfaseringsvenster.

Voor een chatbot is dat prima. Voor een telefoonsysteem met een regressiesuite die is geschreven tegen de timing van een specifieke stem, of een SLA waarin een interactielatentie wordt genoemd, betekent het dat de alias niet de abstractie is die hij lijkt te zijn. Zet de geversioneerde ID vast in productie, en behandel grok-voice-latest als een gemak voor staging in plaats van als een deploymentdoel.

Wat niet is veranderd, en één ding dat blijft bestaan

De upgrade is bijna een drop-in, en het is de moeite waard om specifiek te zijn over waarom, want het alternatief — GPT-Live-1 bijvoorbeeld — vereist een WebRTC-herschrijving van het audiotransport en een delegatiepatroon dat hier geen equivalent heeft. Grok Voice 3.0 behoudt hetzelfde realtime WebSocket-endpoint, dezelfde session.update-parameters, dezelfde eventnamen, dezelfde bearer-token-handshake en dezelfde kortlevende ephemeral-tokens voor client-side verbindingen. Stemmen zijn ongewijzigd, en het custom-voice-endpoint dat een stem traint op basis van een referentieclip van maximaal 120 seconden produceert id's die precies zoals voorheen werken in de realtime API en streaming tekst-naar-spraak.

Wat wordt overgenomen in plaats van verbeterd, is het bewijs aan de transcriptiezijde. De vorige generatie werd sterk gepromoot op basis van het woordfoutpercentage — xAI meldde dat het duizenden korte zinnen in 24 talen had geëvalueerd en 1,5 tot 2,0 keer minder fouten vond dan gespecialiseerde spraak-naar-tekstmodellen, waaronder Deepgram Nova 3 en ElevenLabs Scribe v2, 1,4 keer minder dan zijn eigen voorganger, en ongeveer 10 keer minder fouten in rumoerige omstandigheden met achtergrondgeluid en telefoniecompressie. Dat zijn leverancierscijfers en ze zijn nooit onafhankelijk gereproduceerd. Het lanceringsmateriaal van Grok Voice 3.0 herhaalt ze niet, wat noch een bevestiging noch een intrekking is. Als nauwkeurigheid in ruiskanalen van cruciaal belang is voor uw implementatie, is het een van de weinige dingen die u zelf opnieuw moet testen in plaats van van een scorebord af te lezen.

De nieuwe proberen zonder er de telefoonlijn op te verwedden.

De reden dat een versiepin hier zo weinig kost, is dat niets aan Grok Voice 3.0 moeilijk naast elkaar op te zetten is — en de reden dat een router de moeite waard is in deze stack is niet de audiolaag, die alleen aan xAI toebehoort, maar alles wat de audiolaag aanroept.

OrcaRouter bedient het Grok Voice realtime-endpoint niet en zou dat ook niet kunnen; een duplex audio-WebSocket is een oppervlak van één leverancier. Wat wij draaien is de tekstlaag waar het voicemodel naar grijpt. Een voice-implementatie is een voicemodel plus een classifier, een samenvatter, een retrievalstap en een tool-calling-backend, en die helft is gewone inferentie die per request wordt afgerekend: meer dan 200 modellen achter één key, tegen de listprijs van de provider zonder markup, dus een prijsverlaging van een leverancier ergens in die laag komt dezelfde dag bij ons terecht in plaats van pas bij de verlenging; automatische failover wanneer een provider verslechtert, wat voor een livegesprek het verschil is tussen een opnieuw uitgevoerde lookup en een weggevallen beller; en een routerings-DSL waarmee je meerdere modellen in één call kunt samenstellen en de mix op liveverkeer kunt wisselen zonder het audiopad aan te raken.

Die structuur is wat de pin goedkoop maakt. Houd grok-voice-2.0 in productie, laat een tweede omgeving naar grok-voice-3.0 wijzen en laat dezelfde backendmodellen op beide antwoorden — de vergelijking meet dan de ene variabele die je daadwerkelijk hebt gewijzigd, en het codepad daaronder is identiek in beide richtingen.

Het oordeel, elk in één regel

Upgrade als je agent werk verricht in plaats van een gesprek te voeren. Vijftien punten τ-Voice en 59 punten arena-voorkeur bij gelijkblijvende prijs is dit jaar de duidelijkste ruil van waarde voor niets in deze categorie, en er hoeft niets in de integratie voor te veranderen.

Pin en test eerst of je hele argument voor de voice line van xAI de 0,70-secondestart was. Die eigenschap is nu 0,81, het model dat het versloeg draait nog, en het is verouderd in plaats van verwijderd.

Negeer de naamgeving. Grok Voice Think Fast 2.0, Grok Voice 2.0 en het API-id grok-voice-2.0 verwijzen allemaal naar dezelfde generatie, en als je een leaderboard hebt gelezen waarop slechts een van die namen staat, dan heb je het juiste getal gelezen onder een label dat je eigen configuratiebestand niet gebruikt.

Vergelijkingen zoals deze zijn ook waar de faalmodi aan het licht komen: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive , waar elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-markering bevat.