Grok Voice 3.0 kontra GPT-Live-1: xAI wygrało ranking i przegrało test, który ma znaczenie

Dwa flagowe modele, 3,7 punktu różnicy w Speech to Speech Index od Artificial Analysis, i oba pobite w tym jednym komponencie, który decyduje, czy agent głosowy jest wart wdrożenia. Grok Voice 3.0 osiąga 86,9 w indeksie, który SpaceXAI ogłosiło 14 października 2026, wobec 83,2 dla GPT-Live-1 w konfiguracji Astra medium, tej wersji, na którą własna dokumentacja O​penAI wskazuje przy integracji WebRTC, gdy sesja deleguje rozumowanie do backendu. W τ-Voice — benchmarku obsługi klienta, który ocenia, czy agent faktycznie wykonuje wieloetapowe zadanie — Grok Voice 3.0 osiąga 71,6%, a GPT-Live-1 Astra medium 74,5%. Model z najlepszym wynikiem zbiorczym w kategorii nie ma komponentu, który koreluje z faktycznym wykonaniem pracy, a O​penAI też nie opublikowało na ten temat nagłówka.

Druga rzecz warta uwagi to kierunek zmian cen. GPT-Live-1 rozlicza 0,05 USD za minutę głosu, naliczane co sekundę, co daje 3,00 USD za godzinę. Grok Voice 3.0 rozlicza 0,08 USD za minutę, co daje 4,80 USD za godzinę. Nowszy model kosztuje o 60% więcej za minutę audio i to jest model, którego dostawca przez ostatni kwartał życia jego poprzednika absorbował podwyżkę stawek, zamiast ogłaszać obniżkę.

Podział architektoniczny, którego nikt nie umieszcza na wykresie porównawczym

Żaden z nich nie jest modelem mowy, który myśli. Oba są warstwami głosowymi, które delegują zadania, a te dwa sposoby delegowania to nie to samo zwierzę — dlatego koszt integracji różni się znacznie bardziej niż cena za minutę.

GPT-Live-1 przekazuje pracę przez asynchroniczną granicę do backendu wskazanego w konfiguracji sesji. Opublikowany przez OpenAI przykład WebRTC łączy ten backend z GPT-5.6 Terra przez Responses API. Warstwa głosowa podtrzymuje rozmowę, gdy backend myśli, i wplata odpowiedź z powrotem, gdy ta nadejdzie. Konsekwencją jest to, że część rozumująca to zwykłe wywołanie tekstowe rozliczane za tokeny, które niezależnie wybierasz, wyceniasz i wymieniasz. Część głosowa w ogóle nie jest przenośna: jest jeden identyfikator modelu, gpt-live-1, jeden punkt końcowy pod v1/live/sessions, WebRTC, a nie transport WebSocket, na którym zbudowano większość integracji Realtime, i nie ma żadnej ścieżki przez Chat Completions, Responses, Batch ani punkty końcowe dostrajania. Limity szybkości są wyrażane w równoczesnych sesjach — 25 na poziomie 1, rosnące kolejno do 50, 200, 300 i 500 — co pokazuje, że OpenAI uważa, iż jednostką skali jest linia telefoniczna, a nie żądanie.

Grok Voice 3.0 jest węższy i tańszy we wdrożeniu. Działa przez ten sam punkt końcowy WebSocket w czasie rzeczywistym co Grok Voice 2.0, z tymi samymi parametrami sesji, tymi samymi nazwami zdarzeń i tym samym uzgadnianiem tokenu bearer, a użycie narzędzi odbywa się przez tablicę tools w aktualizacji sesji tak jak wcześniej. Nie ma migracji transportu. Nie ma również udokumentowanego wzorca delegowania do backendu takiego, jaki publikuje GPT-Live-1, co oznacza, że rozumowanie, którego potrzebujesz, musi być osiągalne jako narzędzie, które model głosowy wywołuje synchronicznie, a nie jako zadanie w tle, które nadzoruje.

Ta różnica decyduje o większej liczbie wdrożeń niż indeks. Zespół, który już korzysta z API czasu rzeczywistego xAI, przechodzi na Grok Voice 3.0 przez zmianę ciągu modelu — albo nie robi nic, ponieważ grok-voice-latest wskazuje teraz na niego, a wdrożenia aliasów zostały przeniesione automatycznie. Zespół korzystający ze starszego Realtime OpenAI z GPT-Live-1 stoi przed przepisaniem transportu i przepisaniem delegacji.

Linia po linii

Każda liczba poniżej stanowi własny pomiar Artificial Analysis z dnia 13 października 2026 r., chyba że w wierszu zaznaczono inaczej.

• Indeks mowy do mowy — Grok Voice 3.0 86,9 vs GPT-Live-1 (Astra, medium) 83,2. Istnieje również niższa konfiguracja GPT-Live-1 zmierzona na poziomie 80,1 w wariancie Sol o niskim wysiłku, a różnica w indeksie zależy w całości od tego, którą z nich masz na myśli.

• Wydajność w zadaniach agentowych, τ-Voice — GPT-Live-1 Astra medium 74,5% vs Grok Voice 3.0 71,6%. OpenAI prowadzi w tej kategorii i prowadzi pod względem komponentu, który przewiduje, czy problem dzwoniącego zostanie rozwiązany.

• Rozumowanie mowy, Big Bench Audio — Grok Voice 3.0 98,5% vs GPT-Live-1 Astra medium, który plasuje się w tym samym przedziale. Oba wyniki są wystarczająco blisko pułapu, że ta oś przestała już kogokolwiek różnicować.

• Preferencja areny — Grok Voice 3.0 ma najwyższe Elo na tablicy wyników, wynoszące 1070. GPT-Live-1 nie utrzymuje prowadzenia na arenie w żadnej konfiguracji.

• Czas do pierwszego dźwięku — Grok Voice 3.0 0,81 sekundy vs GPT-Live-1 Astra medium przy 1,34 sekundy. Około 40% szybciej zaczyna mówić i najbardziej konkretne twierdzenie o wydajności, jakie formułuje którykolwiek z dostawców.

• Koszt na ukończone zadanie, Big Bench Audio — Grok Voice 3.0 $0.025 vs GPT-Live-1 Astra medium $0.030. Tanie i dokładne w przeliczeniu na zadanie to połączenie, które kończy debaty zakupowe.

• Cena za minutę audio — GPT-Live-1 0,05 USD, rozliczana za sekundę, bez zaokrąglania niepełnych minut w górę, z 15-sekundową opłatą za inicjalizację sesji, która jest zaliczana na poczet późniejszego czasu trwania, a nie doliczana dodatkowo; Grok Voice 3.0 0,08 USD za minutę plus 0,004 USD za każde wejście tekstowe.

• Multimodalne dane wejściowe — GPT-Live-1 przyjmuje dźwięk i tekst, a jego dokumentacja wymienia obrazy i wideo jako wyraźnie nieobsługiwane; Grok Voice 3.0 również nie ma ugruntowania wizualnego. Żaden z tych dwóch modeli nie widzi, a żaden z dostawców nie podał daty zmiany tego stanu.

• Głosy — GPT-Live-1 oferuje 12; Grok Voice 3.0 zachowuje wbudowany zestaw xAI oraz endpoint niestandardowych głosów, który trenuje głos na podstawie klipu referencyjnego o długości do 120 sekund.

Rachunek za obciążenie, które możesz sobie wyobrazić

Dziesięć tysięcy minut rozmowy dziennie przez trzydzieści dni to 300 000 minut miesięcznie.

• GPT-Live-1 — 0,05 USD za minutę głosu, czyli 15 000 USD miesięcznie na samej warstwie głosowej.

• Grok Voice 3.0 — 0,08 USD za minutę, czyli 24 000 USD miesięcznie, plus 0,004 USD za tekst wejściowy.

Obie liczby to tylko część głosowa. Rozumowanie backendu GPT-Live-1, jego wywołania narzędzi i wszelkie wyszukiwanie w sieci są rozliczane osobno według stawek samego modelu backendowego, a sesja skierowana do czołowego modelu rozumującego, który wyszukuje przy każdej turze, może kosztować więcej na delegowaniu niż na audio. Synchroniczne wywołania narzędzi Grok Voice 3.0 działają na tym backendzie, który na nie odpowiada, zgodnie z tą samą zasadą. W obu przypadkach „cena modelu głosowego” to ułamek kosztu połączenia, a ten ułamek zależy od tego, jak duży wysiłek myślowy wkładają Twoi rozmówcy.

To jest ta warstwa, w której router jest rzeczywiście przydatny, i warto być precyzyjnym co do granicy. OrcaRouter nie obsługuje żadnego z endpointów czasu rzeczywistego — gpt-live-1 działa za Live Sessions API O​penAI, a Grok Voice 3.0 za własnym API xAI, i nic nie może wtrącić się w dwukierunkową sesję audio należącą do jednego dostawcy. To, co obsługujemy, to połowa delegowania.GPT-5.6 Terra, dokładnie ten backend z opublikowanego przez O​penAI przykładu, jest obsługiwany przez OrcaRouter w cenie katalogowej O​penAI wynoszącej 2,00 USD za milion tokenów wejściowych i 12,00 USD za milion tokenów wyjściowych, z udostępnionymi endpointami zarówno chat, jak i Responses, obok ponad 200 innych modeli na jednym kluczu, w cenie katalogowej dostawcy z zerową marżą i automatycznym przełączaniem awaryjnym, gdy dostawca zaczyna zawodzić. Ponieważ nic nie jest objęte marżą, obniżka ceny dostawcy w warstwie rozumowania jest u nas aktywna tego samego dnia — co ma znaczenie w kategorii, w której jeden flagowy model podniósł swoją stawkę za minutę o 60% w ciągu trzech miesięcy, podczas gdy inny utrzymał ją na niezmienionym poziomie.

Co każdy dostawca mówi, czego nie obejmuje żadna rada

Obaj dostawcy publikują liczby dotyczące własnego ruchu produkcyjnego. Żadnej z tych liczb nie da się niezależnie zweryfikować, a uczciwym sposobem ich odczytania jest traktowanie ich jako dowodu pewności siebie, a nie rzeczywistych możliwości.

Dane OpenAI, opublikowane wraz z wydaniem API i przez nikogo nieodtworzone: pełnodupleksowa interaktywność na poziomie 80,1% wobec 45,4% dla GPT-Realtime-2.1, opóźnienie przejmowania tury skrócone z 1,4 sekundy do 0,8 sekundy, dokładność wywoływania narzędzi z 60% do 87%. Yelp jest cytowany w związku z usprawnioną obsługą rezerwacji telefonicznych, a platforma do nauki języków Speak zgłosiła blisko 80% mniej przerw niż jej poprzedni system oparty na turach — dane zgłoszone przez samą firmę mającą interes w wyniku, a mimo to najbardziej konkretna liczba dotycząca wdrożenia w całym komunikacie.

Dane SpaceXAI, opublikowane wraz z jej premierą i równie nieodtworzone: Grok Voice 3.0 napędza miliony codziennych rozmów w pojazdach Tesla i w SpaceX, centra obsługi telefonicznej Starlink prowadzą 20 000 rozmów z klientami dziennie w wielu językach, przy czym około 70% z nich jest rozwiązywanych bez udziału człowieka, a około jedna na cztery rozmowy sprzedażowe kończy się zakupem, oraz zaokrąglone 74% w EVA-Bench firmy ServiceNow. Traktuj wskaźnik containment jako liczbę na poziomie systemu w kostiumie liczby na poziomie modelu — odzwierciedla on projektowanie promptów, wyszukiwanie i politykę eskalacji w takim samym stopniu jak model, a żadna strona zewnętrzna nie może ich rozdzielić.

Który tak naprawdę wybrać?

Wybierz Grok Voice 3.0, gdy ograniczeniem jest opóźnienie, a stos już działa na xAI. Czas do pierwszego dźwięku wynoszący 0,81 sekundy to najszybsza publikowana wartość wśród wiodących modeli głosowych, ścieżka WebSocket oznacza brak konieczności przepisywania transportu, a koszt migracji to ciąg znaków modelu. Wybierz go również, jeśli dzwoniący oceniają doświadczenie, a nie wynik — utrzymuje prowadzenie w arenie pod względem preferencji i w rankingu zbiorczym pod względem jakości, a dzwoniący, który lubi rozmowę, odkłada słuchawkę szczęśliwszy, nawet gdy zadanie eskaluje.

Wybierz GPT-Live-1, gdy zadanie samo w sobie jest produktem. Prowadzi z τ-Voice wynikiem 74,5% wobec 71,6%, jego wzorzec delegowania jest udokumentowany, a backend rozumowania to przenośne, rozliczane tokenowo wywołanie, a nie nieprzejrzyste narzędzie, i w przeliczeniu na ukończone zadanie jest konkurencyjny pod względem kosztu mimo luki w indeksie. Wybierz go również, jeśli budujesz od zera i nie masz integracji WebSocket, którą trzeba zachować, ponieważ kwestia transportu działa przeciwko tobie tylko wtedy, gdy już ją masz.

Jedyna odpowiedź, którą należy odrzucić, to opieranie się na wyniku złożonym. Różnica 3,7 punktu w indeksie i różnica 2,9 punktu w τ-Voice wskazują przeciwne kierunki, a różnica kosztów wskazuje trzeci — GPT-Live-1 jest o 37,5% tańszy za minutę audio, zanim uwzględnisz wprowadzanie tekstu. Ktokolwiek wybiera między tymi dwoma na podstawie 86,9 kontra 83,2, wybiera na podstawie liczby najmniej związanej z tym, czy jego linia telefoniczna działa.

Co by to rozstrzygnęło: zobowiązanie do ogólnej dostępności i opublikowana wartość opóźnienia od OpenAI dla konfiguracji Astra, która zajmuje szczyt rankingu, ponieważ porównanie 0,81 kontra 1,34 opiera się obecnie na wyniku xAI zestawionym z konfiguracją, którą własna dokumentacja OpenAI traktuje jako przykład; albo ruch cenowy po którejkolwiek ze stron. Cennik to jedyna część tego starcia, która zmieniała się już wcześniej — i zmieniła się w górę.

Właśnie przy takich porównaniach ujawniają się też tryby awarii: udokumentowane incydenty związane z AI i awarie agentów stojące za modelami z tej klasy zebrano w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis ma własne źródła, wagę, ocenę wiarygodności i flagę sporu.