Grok Voice 3.0 vs GPT-Live-1: xAI venceu o índice e perdeu o teste que importa

Dois modelos carro-chefe, separados por 3,7 pontos no índice Speech to Speech da Artificial Analysis, e ambos superados no único componente que decide se vale a pena implantar um agente de voz. Grok Voice 3.0 marca 86,9 no índice que a SpaceXAI anunciou em 14 de outubro de 2026, contra 83,2 de GPT-Live-1 na sua configuração Astra medium, a versão que a própria documentação da OpenAI indica como alvo de uma integração WebRTC quando uma sessão delega o raciocínio a um backend. No τ-Voice — o benchmark de atendimento ao cliente que avalia se um agente realmente conclui uma tarefa de várias etapas — Grok Voice 3.0 fica em 71,6% e GPT-Live-1 Astra medium fica em 74,5%. O modelo com a melhor pontuação composta da categoria não possui o componente que se correlaciona com a realização do trabalho, e a OpenAI também não publicou uma manchete sobre isso.

A segunda coisa que vale a pena observar é a direção do preço. O GPT-Live-1 cobra US$ 0,05 por minuto de voz, cobrado por segundo, o que dá US$ 3,00 por hora. O Grok Voice 3.0 cobra US$ 0,08 por minuto, o que dá US$ 4,80 por hora. O modelo mais novo custa 60% mais por minuto de áudio, e é o modelo cujo fornecedor passou o último trimestre da vida de seu antecessor absorvendo um aumento de tarifa em vez de anunciar um corte.

A divisão arquitetural que ninguém coloca no gráfico de comparação

Nenhum destes é um modelo de fala que pensa. Ambos são camadas de voz que delegam, e os dois designs de delegação não são o mesmo animal — e é por isso que o custo de integração difere muito mais do que o preço por minuto.

O GPT-Live-1 entrega o trabalho, através de uma fronteira assíncrona, a um backend nomeado na configuração da sessão. O exemplo de WebRTC publicado pela OpenAI liga esse backend ao GPT-5.6 Terra através da Responses API. A camada de voz mantém a conversa em andamento enquanto o backend pensa e reintegra a resposta quando ela chega. A consequência é que a metade do raciocínio é uma chamada de texto comum, medida por tokens, que você escolhe, precifica e substitui de forma independente. Já a metade de voz não é portável de modo algum: há um único ID de modelo, gpt-live-1, um único endpoint em v1/live/sessions, WebRTC em vez do transporte WebSocket sobre o qual a maioria das integrações do Realtime foi construída, e nenhum caminho através dos endpoints de Chat Completions, Responses, Batch ou de ajuste fino. Os limites de taxa são denominados em sessões simultâneas — 25 no Tier 1, subindo para 50, 200, 300 e 500 —, o que mostra que a OpenAI considera que a unidade de escala é uma linha telefônica, e não uma requisição.

O Grok Voice 3.0 é mais restrito e mais barato de adotar. Ele funciona sobre o mesmo endpoint WebSocket em tempo real que o Grok Voice 2.0, com os mesmos parâmetros de sessão, os mesmos nomes de eventos e o mesmo handshake de bearer token, e o uso de ferramentas passa por um array tools na atualização de sessão, como antes. Não há migração de transporte. Também não há um padrão documentado de delegação de backend do tipo que o GPT-Live-1 publica, o que significa que o raciocínio de que você precisa tem de estar acessível como uma ferramenta que o modelo de voz chama de forma síncrona, em vez de como uma tarefa em segundo plano que ele supervisiona.

Essa diferença decide mais implantações do que o índice. Uma equipe que já usa a API em tempo real da xAI passa para o Grok Voice 3.0 trocando uma string de modelo — ou não fazendo nada, porque grok-voice-latest agora resolve para ele e as implantações de alias existentes foram movidas automaticamente. Uma equipe que usa os modelos Realtime mais antigos da OpenAI e passa para o GPT-Live-1 encara uma reescrita de transporte mais uma reescrita de delegação.

Linha por linha

Todos os números abaixo são medições próprias da Artificial Analysis, com data de 13 de outubro de 2026, salvo indicação em contrário na linha.

• Índice Speech to Speech — Grok Voice 3.0 86,9 vs GPT-Live-1 (Astra, medium) 83,2. Há também uma configuração mais baixa do GPT-Live-1, medida em 80,1 em sua variante Sol de baixo esforço, e a diferença no índice depende inteiramente de qual delas você está falando.

• Desempenho agêntico, τ-Voice — GPT-Live-1 Astra medium 74,5% vs Grok Voice 3.0 71,6%. A OpenAI lidera neste quesito, e lidera no componente que prevê se o problema de quem liga é resolvido.

• Raciocínio de fala, Big Bench Audio — Grok Voice 3.0 98,5% vs GPT-Live-1 Astra medium, que está na mesma faixa. Ambos estão próximos o bastante do teto para que esse eixo tenha deixado de separar qualquer um.

• Preferência de arena — Grok Voice 3.0 detém o Elo mais alto do quadro, em 1070. GPT-Live-1 não detém a arena em nenhuma configuração.

• Tempo até o primeiro áudio — Grok Voice 3.0: 0,81 segundos vs. GPT-Live-1 Astra medium: 1,34 segundos. Cerca de 40% mais rápido para começar a falar, e a alegação de desempenho mais concreta que qualquer um dos fornecedores faz.

• Custo por tarefa concluída, Big Bench Audio — Grok Voice 3.0 $0.025 vs GPT-Live-1 Astra medium $0.030. Barato e preciso por tarefa é a combinação que encerra os debates de compras.

• Preço por minuto de áudio — GPT-Live-1 $0,05, cobrado por segundo, sem arredondamento de minutos parciais para cima e com uma taxa de inicialização de sessão de 15 segundos que é creditada na duração posterior em vez de acumulada por cima; Grok Voice 3.0 $0,08 por minuto mais $0,004 por entrada de texto.

• Entrada multimodal — o GPT-Live-1 aceita áudio e texto, e sua documentação lista imagem e vídeo como explicitamente não suportados; o Grok Voice 3.0 também não tem ancoragem visual. Nenhum desses dois consegue ver, e nenhum dos dois fornecedores publicou uma data para mudar isso.

• Vozes — o GPT-Live-1 vem com 12; o Grok Voice 3.0 mantém o conjunto integrado da xAI e o endpoint de voz personalizada que treina uma voz a partir de um clipe de referência de até 120 segundos.

A conta, para uma carga de trabalho que você pode imaginar

Dez mil minutos de conversa por dia ao longo de trinta dias são 300.000 minutos por mês.

• GPT-Live-1 — $0.05 por minuto de voz, ou seja, $15,000 por mês só na camada de voz.

• Grok Voice 3.0 — US$ 0,08 por minuto, ou seja, US$ 24.000 por mês, mais US$ 0,004 por entrada de texto.

Ambos os números são apenas a metade de voz. O raciocínio de backend do GPT-Live-1, suas chamadas de ferramentas e qualquer pesquisa na web são cobrados separadamente pelas tarifas do próprio modelo de backend, e uma sessão direcionada a um raciocinador de ponta que pesquisa a cada turno pode custar mais em delegação do que em áudio. As chamadas de ferramentas síncronas do Grok Voice 3.0 são executadas no backend que as responde, sob a mesma regra. Em ambos os casos, o "preço do modelo de voz" é uma fração da chamada, e a fração depende do esforço de raciocínio dos seus chamadores.

Essa é a camada em que um roteador é de fato útil, e vale a pena ser exato quanto ao limite. O OrcaRouter não atende nenhum dos endpoints em tempo real — gpt-live-1 fica atrás da API Live Sessions da OpenAI e o Grok Voice 3.0 atrás da própria API da xAI, e nada pode se interpor em uma sessão de áudio duplex que pertence a um único fornecedor. O que operamos é a metade da delegação. GPT-5.6 Terra, o backend exato no exemplo publicado pela própria OpenAI, é servido pelo OrcaRouter ao preço de tabela da OpenAI de US$ 2,00 por milhão de tokens de entrada e US$ 12,00 por milhão de tokens de saída, com ambos os endpoints de chat e Responses expostos, ao lado de mais de 200 outros modelos em uma única chave, pelo preço de tabela do provedor sem nenhuma margem e failover automático quando um provedor apresenta degradação. Como nada é acrescido de margem, um corte de preço de um fornecedor na camada de raciocínio entra em vigor do nosso lado no mesmo dia — o que importa em uma categoria em que um carro-chefe aumentou seu preço por minuto em 60% em três meses, enquanto outro o manteve estável.

O que cada fornecedor diz que nenhum conselho aborda

Ambos os fornecedores publicam números sobre o seu próprio tráfego de produção. Nenhum é verificável de forma independente, e a forma honesta de os interpretar é como evidência de confiança, e não de capacidade.

Os números da OpenAI, publicados com o lançamento da API e reproduzidos por ninguém: interatividade full-duplex de 80,1% contra 45,4% do GPT-Realtime-2.1, latência de troca de turno reduzida de 1,4 segundo para 0,8, precisão de chamada de ferramentas de 60% para 87%. O Yelp é citado por melhorar o tratamento de reservas por telefone, e a plataforma de aprendizado de idiomas Speak relatou quase 80% menos interrupções do que seu sistema anterior baseado em turnos — autorrelatado por uma empresa com interesse no resultado, e ainda assim o dado de implantação mais concreto do lançamento.

Os números da SpaceXAI, publicados junto com seu lançamento e igualmente não reproduzidos: o Grok Voice 3.0 alimenta milhões de conversas diárias em veículos Tesla e na SpaceX; os centros de atendimento da Starlink realizam 20.000 chamadas de clientes por dia em vários idiomas, com cerca de 70% resolvidas sem um humano e cerca de uma em cada quatro chamadas de vendas terminando em compra; e 74% arredondados no EVA-Bench da ServiceNow. Trate a taxa de contenção como um número de nível de sistema vestindo uma fantasia de nível de modelo — ela reflete o design de prompts, a recuperação e a política de escalonamento tanto quanto o modelo, e nenhuma parte externa consegue separá-los.

Qual deles escolher de verdade?

Opte pelo Grok Voice 3.0 quando a latência for a restrição e a stack já estiver na xAI. O tempo até o primeiro áudio de 0,81 segundos é o valor publicado mais rápido entre os modelos de voz de fronteira, o caminho via WebSocket significa que não é preciso reescrever o transporte, e o custo de migração é uma string de modelo. Opte por ele também se os seus chamadores julgam a experiência em vez do resultado — ele lidera a arena em preferência e a métrica composta em qualidade, e um chamador que gosta da conversa desliga mais feliz mesmo quando a tarefa escala.

Escolha o GPT-Live-1 quando a tarefa for o produto. Ele lidera sobre o τ-Voice com 74,5% contra 71,6%, seu padrão de delegação é documentado e seu backend de raciocínio é uma chamada portátil com medição de tokens, em vez de uma ferramenta opaca, e por tarefa concluída ele é competitivo em custo, apesar da diferença no índice. Escolha-o também se você estiver construindo do zero e não tiver nenhuma integração WebSocket a preservar, porque a questão do transporte só pesa contra você quando você já tem uma.

A única resposta a rejeitar é escolher com base no composto. Uma diferença de 3,7 pontos no índice e uma diferença de 2,9 pontos no τ-Voice apontam em direções opostas, e a diferença de custo aponta para uma terceira — o GPT-Live-1 é 37,5% mais barato por minuto de áudio antes de contar a entrada de texto. Quem escolhe entre esses dois com base em 86,9 versus 83,2 está escolhendo pelo número que menos tem a ver com o funcionamento da sua linha telefônica.

O que resolveria isso: um compromisso de disponibilidade geral e um valor de latência publicado pela OpenAI para a configuração Astra que ocupa o topo do ranking, já que a comparação de 0,81 contra 1,34 atualmente se baseia no número da xAI em relação a uma configuração que a própria documentação da OpenAI trata como exemplo; ou uma mudança de preço de qualquer um dos lados. A tabela de preços é a única parte deste confronto que já se moveu antes, e se moveu para cima.

É também em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás dos modelos desta classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.