Grok Voice 3.0 vs GPT-Live-1: xAI vann indexet och förlorade det test som spelar roll

Två flaggskepp, 3,7 poäng ifrån varandra på Artificial Analysiss Speech to Speech Index, och båda besegrade på den enda komponent som avgör om en röstagent är värd att driftsätta. Grok Voice 3.0 visar 86,9 på det index som SpaceXAI tillkännagav den 14 oktober 2026, mot 83,2 för GPT-Live-1 i dess Astra medium-konfiguration, den version som Ope​nAI:s egna dokument pekar en WebRTC-integration mot när en session delegerar resonemang till en backend. På τ-Voice — riktmärket för kundtjänst som mäter huruvida en agent faktiskt slutför ett uppdrag i flera steg — landar Grok Voice 3.0 på 71,6 % och GPT-Live-1 Astra medium på 74,5 %. Modellen med bäst sammanvägt resultat i kategorin har inte den komponent som korrelerar med att få arbete utfört, och Ope​nAI publicerade inte heller någon rubrik om det.

Det andra som är värt att notera är prisriktningen. GPT-Live-1 debiterar 0,05 USD per minut röst, med debitering per sekund, vilket blir 3,00 USD i timmen. Grok Voice 3.0 debiterar 0,08 USD per minut, vilket blir 4,80 USD i timmen. Den nyare modellen kostar 60 % mer per minut ljud, och det är modellen vars leverantör tillbringade det sista kvartalet av sin föregångares livstid med att absorbera en prishöjning i stället för att tillkännage en sänkning.

Arkitekturdelningen som ingen sätter på jämförelsediagrammet

Ingendera av dessa är en talmodell som tänker. Båda är röstlager som delegerar, och de två delegeringsdesignerna är inte samma djur — vilket är varför integrationskostnaden skiljer sig långt mer än minutpriset gör.

GPT-Live-1 lämnar över arbete över en asynkron gräns till en backend som anges i sessionskonfigurationen. OpenAI:s publicerade WebRTC-exempel kopplar den backenden till GPT-5.6 Terra via Responses-API:et. Röstlagret håller samtalet igång medan backenden tänker och fogar in svaret igen när det anländer. Konsekvensen är att resonemangshalvan är ett vanligt tokenmätt textanrop som du kan välja, prissätta och byta ut oberoende. Rösthalvan är inte portabel alls: det finns ett modell-ID, gpt-live-1, en slutpunkt på v1/live/sessions, WebRTC i stället för den WebSocket-transport som de flesta Realtime-integrationer byggdes på, och ingen väg genom Chat Completions, Responses, Batch eller finjusteringsslutpunkterna. Hastighetsgränser anges i samtidiga sessioner – 25 på nivå 1, sedan 50, 200, 300 och 500 – vilket säger dig att OpenAI anser att skalningsenheten är en telefonlinje snarare än en begäran.

Grok Voice 3.0 är snävare och billigare att införa. Det körs över samma realtids-WebSocket-slutpunkt som Grok Voice 2.0, med samma sessionsparametrar, samma händelsenamn och samma handskakning med bearer-token, och verktygsanvändning går via en tools-array i sessionsuppdateringen på samma sätt som tidigare. Det finns ingen transportmigrering. Det finns inte heller något dokumenterat mönster för backend-delegering av det slag som GPT-Live-1 publicerar, vilket innebär att det resonemang du behöver måste vara nåbart som ett verktyg som röstmodellen anropar synkront i stället för som ett bakgrundsjobb som den övervakar.

Den skillnaden avgör fler driftsättningar än indexet gör. Ett team som redan använder xAI:s realtids-API går över till Grok Voice 3.0 genom att ändra en modellsträng – eller genom att inte göra något, eftersom grok-voice-latest nu pekar på den och befintliga alias-driftsättningar flyttades automatiskt. Ett team som använder O​penAI:s äldre Realtime-modeller och går över till GPT-Live-1 står inför en omskrivning av transporten plus en omskrivning av delegeringen.

Rad för rad

Varje siffra nedan är en egen mätning från Artificial Analysis daterad 13 oktober 2026, om inte raden anger något annat.

• Tal till tal — Grok Voice 3.0 86,9 vs GPT-Live-1 (Astra, medium) 83,2. Det finns också en lägre GPT-Live-1-konfiguration som uppmättes till 80,1 i sin Sol low-effort-variant, och indexgapet beror helt på vilken du menar.

• Agentisk prestanda, τ-Voice – GPT-Live-1 Astra medium 74,5 % mot Grok Voice 3.0 71,6 %. OpenAI leder den här kategorin och leder den inom den komponent som förutser huruvida en inringares problem blir löst.

• Talresonemang, Big Bench Audio – Grok Voice 3.0 98,5 % mot GPT-Live-1 Astra medium, som ligger i samma band. Båda ligger tillräckligt nära taket för att denna axel har slutat skilja någon åt.

• Arenapreferens — Grok Voice 3.0 har högst Elo på tavlan med 1070. GPT-Live-1 innehar inte arenan i någon konfiguration.

• Tid till första ljud — Grok Voice 3.0 0,81 sekunder mot GPT-Live-1 Astra medium på 1,34 sekunder. Ungefär 40 % snabbare att börja tala, och det mest konkreta prestandapåståendet som någon av leverantörerna gör.

• Kostnad per slutförd uppgift, Big Bench Audio — Grok Voice 3.0 $0.025 vs GPT-Live-1 Astra medium $0.030. Billigt och korrekt per uppgift är kombinationen som avslutar upphandlingsdebatter.

• Pris per minut för ljud — GPT-Live-1 0,05 USD, debiteras per sekund, utan avrundning uppåt av delminuter och en avgift på 15 sekunder för sessionsinitiering som krediteras mot senare varaktighet i stället för att läggas ovanpå; Grok Voice 3.0 0,08 USD per minut plus 0,004 USD per textinmatning.

• Multimodalt indata – GPT-Live-1 tar emot ljud och text, och i dess dokumentation listas bild och video som uttryckligen icke-stödda; Grok Voice 3.0 har inte heller någon visuell förankring. Ingen av dessa två kan se, och ingen av leverantörerna har publicerat ett datum för att ändra på det.

• Röster — GPT-Live-1 levereras med 12; Grok Voice 3.0 behåller xAI:s inbyggda uppsättning och slutpunkten för anpassad röst som tränar en röst från ett referensklipp på upp till 120 sekunder.

Räkningen, för en arbetsbelastning du kan föreställa dig

Tiotusen minuter samtal om dagen under trettio dagar är 300 000 minuter i månaden.

• GPT-Live-1 — $0,05 per minut för röst, så $15 000 i månaden enbart för röstlagret.

Grok 3.0 — 0,08 $ per minut, alltså 24 000 $ i månaden, 0,004 $ per textinmatning.

Båda siffrorna är bara rösthalvan. GPT-Live-1:s resonemang i backend, dess verktygsanrop och eventuella webbsökningar debiteras separat enligt backendmodellens egna priser, och en session som riktas mot en ledande resonemangsmodell som söker vid varje tur kan kosta mer för delegering än för ljud. Grok Voice 3.0:s synkrona verktygsanrop körs på vilken backend som än svarar på dem, enligt samma regel. I båda fallen är "röstmodellpriset" en bråkdel av samtalet, och bråkdelen beror på hur hårt dina uppringare tänker.

Det är det lagret där en router faktiskt är användbar, och det är värt att vara exakt kring gränsen. OrcaRouter betjänar ingen av realtidsändpunkterna – gpt-live-1 ligger bakom OpenAI:s Live Sessions API och Grok Voice 3.0 bakom xAI:s eget, och inget kan lägga sig i en duplexljudsession som tillhör en enda leverantör. Det vi faktiskt kör är delegationshalvan. GPT-5.6 Terra, den exakta backend som finns i OpenAI:s eget publicerade exempel, tillhandahålls via OrcaRouter till OpenAI:s listpris på 2,00 USD per miljon indatatoken och 12,00 USD per miljon utdata med både chat- och Responses-ändpunkter exponerade, tillsammans med 200+ andra modeller på en enda nyckel, till leverantörens listpris utan påslag och automatisk failover när en leverantör försämras. Eftersom inget har påslag är en leverantörs prissänkning på reasoning-nivån live hos oss samma dag – vilket spelar roll i en kategori där en flaggskeppsmodell höjde sin minutkostnad med 60 % inom tre månader medan en annan höll den oförändrad.

Vad varje leverantör säger att ingen styrelse täcker

Båda leverantörerna publicerar siffror om sin egen produktionstrafik. Ingen av dem kan verifieras oberoende, och det ärliga sättet att läsa dem är som bevis på självförtroende snarare än på förmåga.

OpenAI:s siffror, publicerade i samband med API-släppet och inte reproducerade av någon: full-duplex-interaktivitet på 80,1 % mot 45,4 % för GPT-Realtime-2.1, latens för turväxling nedskuren från 1,4 sekunder till 0,8, träffsäkerhet för verktygsanrop från 60 % till 87 %. Yelp nämns för förbättrad telefonbaserad reservationshantering, och språkinlärningsplattformen Speak rapporterade nästan 80 % färre avbrott än sitt tidigare turordningsbaserade system – självrapporterat av ett företag med intresse i resultatet, och fortfarande den mest konkreta driftsättningssiffran i släppet.

SpaceXAI:s siffror, som publicerades i samband med lanseringen och inte heller har reproducerats: Grok Voice 3.0 driver miljontals dagliga konversationer i Teslafordon och hos SpaceX, Starlinks callcenter hanterar 20 000 kundsamtal om dagen på flera språk, varav ungefär 70 % löses utan människa och ungefär vart fjärde säljsamtal slutar med ett köp, samt ett avrundat 74 % på ServiceNows EVA-Bench. Betrakta containment-graden som ett tal på systemnivå i modellnivå-kostym – den speglar promptdesign, retrieval och eskaleringspolicy lika mycket som modellen, och ingen extern part kan separera dem.

Vilken ska man egentligen välja?

Välj Grok Voice 3.0 när latensen är den begränsande faktorn och stacken redan körs på xAI. Tiden till första ljud på 0,81 sekunder är den snabbaste publicerade siffran bland röstmodeller i framkant, WebSocket-vägen innebär att ingen transport behöver skrivas om, och migreringskostnaden är en modellsträng. Välj den också om dina uppringare bedömer upplevelsen snarare än resultatet – den håller tätplatsen i arenan för preferens och i det sammansatta kvalitetsmåttet, och en uppringare som njuter av samtalet lägger på gladare även när uppgiften eskalerar.

Välj GPT-Live-1 när uppgiften är produkten. Den leder över τ-Voice med 74,5 % mot 71,6 %, dess delegationsmönster är dokumenterat och dess resonemangsbackend är ett portabelt tokenmätt anrop snarare än ett ogenomskinligt verktyg, och per slutförd uppgift är den konkurrenskraftig i kostnad trots indexgapet. Välj den också om du bygger från grunden och inte har någon WebSocket-integration att bevara, eftersom transportaspekten bara går emot dig när du redan har en.

Det enda svaret att förkasta är att välja utifrån kompositmåttet. Ett indexgap på 3,7 punkter och ett τ-Voice-gap på 2,9 punkter pekar i motsatta riktningar, och kostnadsskillnaden pekar i en tredje — GPT-Live-1 är 37,5 % billigare per minut ljud innan man räknar in textinmatning. Den som väljer mellan dessa två utifrån 86,9 mot 83,2 väljer utifrån det tal som har minst koppling till om deras telefonlinje fungerar.

Vad som skulle avgöra saken: ett åtagande om allmän tillgänglighet och en publicerad latenssiffra från OpenAI för Astra-konfigurationen som ligger högst på listan, eftersom jämförelsen 0,81 mot 1,34 för närvarande vilar på xAI:s siffra gentemot en konfiguration som OpenAI:s egna dokument behandlar som ett exempel; eller en prisförändring från endera sidan. Prislistan är den enda delen av den här matchen som har rört sig tidigare, och den rörde sig uppåt.

Jämförelser som denna är också där felmoderna visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i denna klass samlas i the OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.