Grok Voice 3.0 vs Sesame Preview: De stem die elke luistertest wint, is degene zonder API

Vraag een zaal vol mensen welke van deze meer als een persoon klinkt en je krijgt één antwoord. Sesame Preview is de gratis spraakassistent van Sesame — vier agenten genaamd Maya, Miles, Simone en Charlie, op iOS sinds mei 2026 en sinds begin augustus op grote schaal op Android — en het produceerde de virale clips die van "spraakmodus van topklasse" een term maakten waar recensenten steeds naar teruggrijpen. G​rok Voice 3.0, aangekondigd door S​paceXAI op 14 oktober 2026, is het hoogst scorende spraak-naar-spraakmodel op het openbare board met 86,9, aanroepbaar via een gedocumenteerd realtime-eindpunt voor $0,08 per minuut. Die twee feiten spreken elkaar niet tegen, en de kloof tussen hen is de hele vergelijking: een van deze is een stem die mensen met hun oren beoordelen, en de andere is een stem die een buitenstaander kan meten.

De tweede helft van die kloof is toegang. Sesame Preview heeft geen API, geen model-ID, geen tariefkaart en geen aangekondigd plan daarvoor, en de productiestem in de app is een groter gesloten model dat het lab nooit heeft uitgebracht. G​rok Voice 3.0 is een component die je per minuut huurt. Kies je op gehoor, dan wil je Sesame. Kies je op basis van of je iets kunt uitbrengen, dan is de beslissing voor je genomen.

Wat elk van hen is, officieel vastgelegd

Ontdaan van de marketing zijn de twee producten niet eens hetzelfde soort ding.

• Wat het is — Grok Voice 3.0 is een spraak-naar-spraakmodel achter de realtime WebSocket van SpaceXAI, met sessiegebonden tools en teruggegeven transcripties; Sesame Preview is een consumenten-app met vier gespreksagenten, geheugen per agent dat synchroniseert tussen web en mobiel, live webzoekopdrachten tijdens een gesprek en een samenvatting die daarna wordt verzonden.

• Prijs — $0,08 per minuut audio plus $0,004 per tekstinvoer, ongeveer $4,80 per uur, voor G​rok Voice 3.0; gratis voor de gebruiker, zonder advertenties en zonder vermeld betaald niveau voor Sesame Preview.

• Toegang voor ontwikkelaars — een gedocumenteerd endpoint, kortstondige tokens voor verbindingen aan de clientzijde, en een endpoint voor aangepaste stemmen dat een stem traint op basis van een referentieclip van maximaal 120 seconden voor G​rok Voice 3.0; helemaal niets voor Sesame Preview.

• Gewichten — aan beide zijden gesloten, met één uitzondering: Sesame heeft CSM-1B gepubliceerd, een Apache-2.0-checkpoint dat niet de stem in de app is.

• Onafhankelijke score — 86,9 op de Artificial Analysis Speech to Speech Index met vijf leesbare componenten voor G​rok Voice 3.0; geen enkele voor de Sesame Preview-stem, en door Sesame is er ook geen enkele gepubliceerd.

• Beperkingen — G​rok Voice 3.0 heeft geen opgegeven limiet per sessie, en de voorgaande generatie werd gepromoot op basis van het woordfoutpercentage in 24 talen; Sesame Preview is alleen in het Engels, met een limiet van 30 minuten per gesprek die naar vijf minuten terugvalt als u uitgelogd bent, en geen taakuitvoering — de agents praten, ze boeken, kopen of registreren niets.

Dat laatste punt is het punt waarop de meeste evaluaties eindigen. Een spraakproduct dat je niet kunt bellen, is geen component; het is een concurrent.

Het open controlepunt, en wat het niet is

Sesame is ongewoon direct geweest over de kloof tussen de demo en de download, en dat is het allerbelangrijkste gegeven voor iedereen die de twee tegen elkaar afweegt.

CSM-1B is een 1B conversationeel spraakmodel dat op 23 april 2026 onder Apache 2.0 is uitgebracht: een backbone met L​lama-architectuur die een aparte decoder en Kyutai's Mimi-codec aanstuurt, en 24 kHz mono Engelse spraak produceert vanuit een context van ongeveer 4.000 tokens. Het is een basismodel voor spraakgeneratie. Volgens de beoordeling van mensen die beide hebben gedraaid, is het een duidelijk zwakkere stem dan die in de app, en Sesame's eigen documentatie is expliciet dat het geen end-to-end spraak-naar-spraaksysteem is en geen tekst kan genereren.

Dus de download is een onderzoekslijn, niet het product. Iemand die op zoek ging naar de stem uit de demo vond het kleinere model dat uit hetzelfde lab kwam, en het ding dat antwoordt wanneer een van de vier agenten opneemt, is een productiemodel dat nooit is uitgebracht. Het wordt gehost door inferentieproviders van derden voor ongeveer $7 per miljoen tekens — ruwweg $0,35 per uur gesynthetiseerd audio — of gratis op je eigen hardware, en niemand heeft er ook maar een onafhankelijke benchmark van gepubliceerd.

Om een idee te geven: dat $0,35 per uur is de goedkoopste audio in deze vergelijking, met een factor dertien, en het is ook de minst nuttige optie erin, want een 1B-checkpoint dat geen duplexgesprek kan voeren, concurreert qua prijs niet met G​rok Voice 3.0. Het concurreert met om het even welke narratietool je al gebruikte.

Waarom de oortest en de index het niet met elkaar eens zijn, en welke van de twee fout is

Ze zijn niet met elkaar in conflict. Ze beantwoorden verschillende vragen, en slechts één ervan kan in het openbaar worden beantwoord.

De reputatie van Sesame Preview berust op hoe een stem voor een luisteraar klinkt: ademhaling, aarzeling, de timing van een onderbreking, de indruk dat er echt iemand aan de lijn is. Dat is een soort echt bewijs — de demo overtuigde honderdduizenden mensen en recensenten die geen enkele prikkel hadden om welwillend te zijn — en het is volledig ongekwantificeerd. Er is geen arena-inschrijving, geen gepubliceerde evaluatie van de productiestem en geen steekproefomvang. Elke kwaliteitsclaim, in welke richting dan ook, is een luisterindruk.

De 86,9 van Grok Voice 3.0 is het tegenovergestelde soort bewijs. Het valt uiteen in spraakredenering dicht bij het plafond, 97,0% op Full Duplex Bench, 71,6% op τ-Voice, een arena-Elo van 1070 en 94,8% taaksucces, elk gemeten onder een gepubliceerde harness die een extern team kan lezen, de berekeningen kan controleren en waarmee het oneens kan zijn. Een samengestelde index is een wegingskeuze, en de arena-component wordt bevroren op het moment dat een model in aanmerking komt, in plaats van live Elo te volgen — maar het meningsverschil is voor iedereen beschikbaar, en dat is wat het een meting maakt in plaats van een bewering.

Wat de ranglijst niet meet, is of je het leuk vindt om ermee te praten. En er is een specifiek getal in de release dat precies op die as ligt: Grok Voice 3.0 begint te spreken in 0,81 seconden, en het model dat het afdankt, begon in 0,70. Het vlaggenschip is 0,11 seconden langzamer uit de startblokken dan zijn eigen voorganger, precies het soort detail dat een luisteraar opmerkt voordat een benchmark dat doet.

Wat het vier-agentenontwerp je vertelt

De vier persoonlijkheden van Sesame zijn geen marketingdetail; ze zijn een architectonische beslissing, en die is het tegenovergestelde van de beslissing die S​paceXAI heeft genomen.

Maya, Miles, Simone en Charlie zijn vaste stemmen met vaste temperamenten, en het geheugen is per agent afgebakend. Dat is een product dat is gebouwd rond de veronderstelling dat de stem het eindproduct is en de persoonlijkheid de functie. Er is geen stemaanpassing, geen klonen, en geen weg van de consumentenapp naar een API — de gratis laag is het product, en de door het bedrijf aangegeven richting is onderzoekspartnerschappen en een gepland hardwareapparaat in plaats van een ontwikkelaarsplatform.

G​rok Voice 3.0 gaat de andere kant op. Het wordt geleverd met de ingebouwde stemmenset van S​paceXAI, en een apart custom-voice-endpoint traint een stem op basis van een referentieclip van maximaal 120 seconden, waarbij de resulterende voice_id werkt in zowel de realtime-API als streaming tekst-naar-spraak. De sessie accepteert tools, zodat de agent midden in een gesprek uw backend kan aanroepen in plaats van er alleen maar over te praten.

Welke van de twee beter is, hangt ervan af of je een ervaring verkoopt of er een bouwt. Een spraakproduct dat vier uitstekende vaste persoonlijkheden meelevert, heeft branding en integratie in één beslissing opgelost. Een spraakproduct met een cloning-endpoint heeft je in één beslissing een compliance-oppervlak en een lokalisatieworkflow in handen gegeven. Geen van beide is een vergissing, en ze wijzen op verschillende klanten.

Waar de routeringsvraag daadwerkelijk terechtkomt

OrcaRouter bedient geen van deze stemlagen. G​rok Voice 3.0 bevindt zich achter S​paceXAI's eigen realtime WebSocket, en niets kan zich mengen in een duplex-audiosessie die eigendom is van één leverancier; Sesame Preview heeft helemaal geen endpoint om naartoe te routeren. Iets anders beweren zou een mogelijkheid beschrijven die niet bestaat, en deze categorie zit vol met platforms die precies dat doen.

Wat routeerbaar is, is de laag waar beide producten stilzwijgend op leunen. De agenten van Sesame doorzoeken het web tijdens het gesprek en sturen daarna een samenvatting; de tools-array van Grok Voice 3.0 bereikt welke backend er ook antwoordt, en alles wat zwaarder is dan een inline-aanroep wordt een tekstmodelverzoek achter het gesprek. Dat werk wordt per verzoek afgerekend, daar hoopt een betekenisvol deel van de kosten per gesprek zich op, en het is het deel van een spraakproduct dat je constant kunt houden terwijl het audiomodel eronder verandert — wat, gezien het feit dat grok-voice-latest/ nu twee keer in één kwartaal is gewijzigd, een eigenschap is die de moeite waard is. Tweehonderdzeven modellen van meer dan een dozijn upstreams achter één sleutel, tegen de lijstprijs van de provider met nul opslag, met automatische failover wanneer een provider verslechtert, een routing-DSL om meerdere modellen in één aanroep samen te stellen, en modelfusie waarbij het oordeel van één model niet volstaat. Omdat er niets wordt opgeslagen, is een prijsverlaging van een leverancier op elk van die modellen hier dezelfde dag al live.

De aanbeveling, opgesplitst naar wie je bent

Als je een consument bent die de best klinkende conversationele stem wil die vandaag beschikbaar is en niet van plan is iets te integreren, dan is Sesame Preview gratis, het is op beide mobiele platformen beschikbaar, de reputatie is verdiend genoeg dat recensenten het blijven bevestigen, en niets in dit artikel verandert dat. Gebruik het en geniet ervan.

Als je aan het bouwen bent, is de beslissing al genomen en is de redenering het waard om te internaliseren. Je kunt Sesame Preview niet aanroepen, je kunt de stem ervan niet vastpinnen, en je kunt het nergens mee vergelijken — dus elk inkoopgesprek erover eindigt op hetzelfde punt: een luistertest tussen twee opties die geen van beide partijen kan scoren. G​rok Voice 3.0 geeft je een tariefkaart, een geversioneerde modelstring, een transcript, een cloning-endpoint en een boardscore waar je over kunt discussiëren. Het eerste dat je ermee moet doen, is je versie vastpinnen, want de alias is er al naartoe verplaatst zonder dat iemand het vroeg.

En als je een onderzoeker bent die op de interessante mislukking uit is: de eerlijke samenvatting van deze combinatie is dat de categorie heeft bewezen een stem te kunnen maken die het waard is om naar te luisteren en nog niet heeft besloten of die stem in enige andere vorm dan een app te koop zou moeten zijn. Sesame bouwde de betere ervaring en hield die gesloten. S​paceXAI bouwde de betere component en publiceerde het getal. Houd de versie van Sesame met een API in de gaten — dat is de release die deze pagina achterhaald zou maken.

Die kloof tussen wat een scorebord meet en wat een deployment in de praktijk tegenkomt, is de reden dat het register ertoe doet: de gedocumenteerde AI-fouten en agentincidenten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-markering bevat.