Grok Voice 3.0 vs SeedRealtime: de een is het beste spraakmodel op de ranglijst, de andere staat niet op de ranglijst.

Deze vergelijking heeft een ongebruikelijke vorm. Grok Voice 3.0is het best scorende spraak-naar-spraakmodel dat Artificial Analysis meet, met 86,9 op de Speech to Speech Index per 13 oktober 2026, geprijsd op $0,08 per minuut en vandaag bereikbaar via SpaceXAI's realtime-API. SeedRealtime— formeel "SeedRealtime: An Audio-Visual Full-Duplex LLM", uitgebracht door ByteDance's Seed-team op 5 augustus 2026 — komt in geen enkele vorm op dat bord voor. Geen indexscore, geen redeneercomponent, geen cijfer voor gespreksdynamiek, geen arena-Elo, geen taaksuccespercentage, geen tijd tot eerste audio. Niet een lage score. Een lege rij, omdat het model nooit is ingevoerd.

Die leegte is het eerlijke startpunt, want het is geen nalatigheid van het bestuur. SeedRealtime heeft geen publieke API, geen model-ID, geen open gewichten, geen technisch rapport, geen parameteraantal en geen gepubliceerde prijs. Het draait in ByteDance's Doubao-consumentenapp, gratis, in spraak en video, en dat doet het sinds de release. Er is niets om te meten, want er is geen endpoint om te meten, en er is geen manier om het aan te roepen, want er is niets om aan te roepen.

Waar ze echt van elkaar verschillen, en dat is niet kwaliteit

Laat de scoreborden buiten beschouwing; de twee modellen doen verschillende taken in verschillende ruimtes.

Grok Voice 3.0 is een audiomodel. Het luistert en spreekt via een duplex-WebSocket, beslist meerdere keren per seconde of het moet blijven luisteren, pauzeren, onderbreken of een tool moet aanroepen uit de tools-array in zijn sessie-update, en het heeft vijf gemeten componentscores plus de hoogste positie in de arena. De vorige generatie werd op de markt gebracht op basis van het woordfoutpercentage over 24 talen en 1,5 tot 2,0 keer minder fouten dan gespecialiseerde transcriptiemodellen — door de leverancier gerapporteerd, nooit onafhankelijk gereproduceerd, en niet herhaald in het nieuwere lanceringsmateriaal.

SeedRealtime hoort en ziet in één netwerk. ByteDance beschrijft een uniform kader waarin waarneming, begrip, besluitvorming en het genereren van reacties plaatsvinden binnen één model in plaats van in een cascade, waarbij de beurtwisseling intern wordt bepaald en er helemaal geen externe spraakactiviteitsdetector is. De gepubliceerde demonstraties omvatten een lawaaiig groepsdiner waar het model stemmen aan identiteiten moet koppelen, een museumbezoek waar het ongevraagd informatie geeft wanneer een doeltentoonstelling in beeld komt, een espresso-workflow die het in real time corrigeert, en een luchthavenscenario waar het niet-gerelateerd gepraat negeert, zich een vertrektijdenbord van eerder in de sessie herinnert en online gaat voor een bagagebandnummer.

• Invoer — Grok Voice 3.0 audio en tekst, met tools; SeedRealtime audio, video en tekst samengevoegd in één model.

• Beurtwisseling — Grok Voice 3.0 gebruikt spraakactiviteitsdetectie aan de serverzijde die per sessie wordt geconfigureerd; SeedRealtime verwijdert de externe VAD en verplaatst de beslissing naar het model zelf.

• Proactief gedrag — Grok Voice 3.0 reageert en roept tools aan; SeedRealtime wordt beschreven als zich spontaan meldend wanneer een relevant object in beeld verschijnt.

• Latentie — Grok Voice 3.0 publiceert 0,81 seconde tot eerste audio; SeedRealtime publiceert helemaal geen latentiecijfer, alleen een roadmapdoel om de end-to-end latentie te verkleinen.

• Prijs — Grok Voice 3.0 $ 0,08 per minuut plus $ 0,004 per tekstinvoer; SeedRealtime heeft geen prijs en geen commercieel aanbod, en is gratis binnen een consumentenapp.

• Bereikbaarheid — Grok Voice 3.0 is live voor ontwikkelaars met een gedocumenteerd endpoint en een pad met kortstondige tokens voor client-side verbindingen; SeedRealtime richt zich in de eerste plaats op het vasteland van China via Doubao, waarvoor doorgaans een mobiel nummer uit het vasteland nodig is om te registreren, en er is geen gelokaliseerd Engelstalig product aangekondigd.

• Bewijs — Grok Voice 3.0 heeft vijf onafhankelijke componentmetingen plus een samengestelde score; SeedRealtime heeft één interne menselijke evaluatie.

Het bewijsprobleem, precies geformuleerd

De enige kwantitatieve bewering die ByteDance over SeedRealtime doet, is dat end-to-end menselijke evaluaties aantonen dat het de problemen met gespreksritme halveert ten opzichte van cascaded ASR-plus-vision-plus-TTS-systemen — minder onderbrekingen midden in een zin, minder trage reacties na een pauze, minder valse triggers door achtergrondgepraat. Er is geen steekproefgrootte, geen aantal annotatoren, geen benchmarknaam, geen methodologie en geen exact cijfer. De bewering is dat het probleem ongeveer half zo erg werd, en die komt van het team dat het model heeft gebouwd.

Vergelijk dat met wat kenbaar is over Grok Voice 3.0. De samengestelde score van 86,9 valt uiteen in een redeneercijfer, een cijfer voor gespreksdynamiek, een agentische score, een arena-voorkeurs-Elo en een taaksuccespercentage, elk gemeten binnen een gepubliceerde testopstelling, waarbij het onderliggende scorebord door iedereen leesbaar is. Dat maakt de cijfers niet onbetwistbaar — een samengestelde index is een weegkeuze, en de arena-component wordt bevroren op het moment dat een model in aanmerking komt voor publicatie, in plaats van dat live Elo wordt gevolgd — maar het betekent dat een extern team de berekening kan controleren en het oneens kan zijn met de conclusie, in plaats van geen conclusie te kunnen vormen.

Beide modellen komen ook met leveranciersclaims over hun eigen productie-implementaties, en beide sets zijn op dezelfde manier niet verifieerbaar. SpaceXAI meldt dat Starlink-callcentra 20.000 klantgesprekken per dag in meerdere talen afhandelen, waarvan ongeveer 70% zonder een mens wordt opgelost, en miljoenen dagelijkse gesprekken bij Tesla en SpaceX. ByteDance meldt een volledige uitrol in Doubao voor zowel spraak als video. Dit zijn de sterkste beschikbare signalen dat de systemen in de echte wereld werken, en tegelijkertijd het zwakste beschikbare bewijs voor een lezer, aangezien geen van beide van buitenaf auditeerbaar is en beide diensten beschrijven in plaats van modellen.

Waarop je kunt bouwen, en waarop niet

Hier is het deel dat de vergelijking oplost, ongeacht de capaciteit. Slechts één van deze twee is een component. Het andere is een demonstratie van hoe een geconvergeerde architectuur eruitziet.

Grok Voice 3.0 past in een stack met een modelstring, of met helemaal niets als je hebt gedeployed op grok-voice-latest, die er op 14 oktober automatisch naartoe is verplaatst. Hetzelfde realtime-endpoint, dezelfde sessieparameters, dezelfde gebeurtenisnamen, dezelfde ingebouwde stemmenset en hetzelfde custom-voice-endpoint als de generatie die het vervangt. Sessiegebonden tools laten de agent tijdens een gesprek je backend aanroepen. Er zijn integratiekosten, en die worden in minuten gemeten.

SeedRealtime kan niet worden opgesplitst, en dat is architectonisch, niet commercieel. Er is geen redeneerhelft om te verwisselen, omdat het denken zich in hetzelfde netwerk bevindt als het luisteren en het kijken; er is geen gehost oppervlak om naartoe te routeren, geen quota om te kopen, geen sleutel om te verkrijgen. De capaciteiten zijn reëel en de demonstraties zijn de meest in het oog springende in de categorie. Het is ook, voor iedereen buiten de consumententak van ByteDance, geen product dat je dit kwartaal aan een klant kunt voorleggen.

Een waarschuwing die ronduit gezegd moet worden, want het is een actief faalscenario: minstens één blog van een derde partij beschrijft SeedRealtime momenteel als beschikbaar via een modelrouter. Er is geen endpoint om naartoe te routeren, dus alles wat toegang tot SeedRealtime adverteert, adverteert iets anders. Gerelateerd: zoekopdrachten naar de realtime voice-API van ByteDance doen Volcano Engine's end-to-end realtime spraakmodel opduiken, een ander, uitsluitend op audio gericht systeem — als je de gepubliceerde quota en prijsstelling van dat model hebt vergeleken met Grok Voice 3.0, dan heb je het verkeerde product vergeleken.

Waar de router eigenlijk past

Geen van beide modellen wordt via OrcaRouter aangeboden, en het is de moeite waard om ronduit te zeggen waarom de manier waarop dit meestal wordt voorgesteld, het bij het verkeerde eind heeft. Grok Voice 3.0 heeft xAI als enige bron en SeedRealtime wordt door niemand verkocht. Geen enkele routeringslaag verandert een van beide feiten, en een platform dat het tegendeel beweert, beschrijft een capaciteit die het niet heeft.

Wat een routeringslaag verandert, is de tekstlaag onder de spraak. Elk van deze implementaties is een spraakmodel plus een stack van taalmodellen: de toolbackend die het spraakmodel aanroept, de classifier die daarna het transcript leest, de samenvatter die het verslag schrijft, de retrieval die antwoordt op wat de spraaklaag moest overdragen. Dat werk wordt per verzoek gemeten, en daar hoopt zich een aanzienlijk deel van de kosten per oproep op. Het is wat wij draaien — 200-plus modellen achter één enkele sleutel tegen de lijstprijs van de provider zonder opslag, automatische failover tussen providers en een routerings-DSL om meerdere modellen tot één aanroep samen te stellen — en het is de helft van een spraakproduct die je constant kunt houden terwijl het audiomodel eronder verandert, wat, gezien hoe gemakkelijk de audiolaag wordt vervangen, een eigenschap is die het waard is om te hebben.

Het vonnis

Als je nu een spraakagent bouwt, is Grok Voice 3.0 de keuze, en de reden is niet de index. Het is dat het de hoogste samengestelde score en de hoogste positie in de arena vasthoudt, het publiceert de snelste start-to-speak-tijd in de frontgroep met 0,81 seconden, het kost hetzelfde per minuut als het model dat het vervangt, en het is vandaag live met een gedocumenteerd endpoint. Dat zijn vier afzonderlijke redenen, en geen ervan vereist dat je een getal vertrouwt dat niemand kan controleren.

Kies SeedRealtime — of liever gezegd, wacht erop — alleen als je product afhankelijk is van het specifieke ding dat het doet dat niets anders doet: een ruimte aanvoelen. Audio-visuele full duplex met de ogen op de scène is een capaciteit die geen enkel gehost Westers spraakmodel momenteel biedt, en ByteDance' demonstraties ervan zijn overtuigend. Het signaal om in de gaten te houden is een ByteDance-ontwikkelaars-API op Volcano Engine of BytePlus met een gepubliceerd tarief, wat een case study zou veranderen in een product zonder gehoste concurrent. Totdat dat verschijnt, blijft het model op de watchlist staan in plaats van in de architectuur, en elk artikel dat beweert het te vergelijken met een leaderboard-model vergelijkt een scorebord met een video.

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.