Grok Voice 3.0 vs Realtime-Venus: Den med prislistan kan inte se, och den som kan har ingen prislista

Det går en tydlig skiljelinje genom full-duplexröst i slutet av 2026, och den handlar inte om kvalitet. Grok Voice 3.0, som SpaceXAI tillkännagav den 14 oktober 2026, toppar Artificial Analysis Speech to Speech Index med 86,9 till 0,08 USD per minut ljud, och den uppfattar inget annat än ljud. Realtime-Venus, 9B-systemet med två checkpoints från Ant Groups Venus Team i samarbete med Tsinghua University, vars tekniska rapport publicerades på arXiv den 12 september 2026, strömmar kamerabilder genom en SigLIP2-encoder och talar om vad den ser — och den har inget API, inget pris, ingen hostad slutpunkt och ingen oberoende utvärdering av något slag. Allt du kan köpa hör. Allt som ser måste du köra själv.

Perceptionsgapet är hela jämförelsen

Dessa två skiljer sig inte med några få poäng på ett gemensamt riktmärke. De skiljer sig i vad de fysiskt förmår ta in, och konsekvenserna sträcker sig ända ner till vad du kan bygga.

• Indata — Grok Voice 3.0 tar emot ljud och text med en tools-array; Realtime-Venus-Omni tar emot video eller bilder, ljud och text, med visionen integrerad i samma nätverk i stället för påklistrad.

• Turtagning — Grok Voice 3.0 använder serverbaserad röstaktivitetsdetektering konfigurerad per session; Realtime-Venus flyttar beslutet in i modellen, helt utan extern detektor.

• Utdata — Grok Voice 3.0 returnerar tal och transkriptioner; Realtime-Venus returnerar text och, valfritt, en talsvågform avkodad från diskreta S3-token av en strömmande flow-matching-avkodare snarare än ett separat text-till-tal-steg.

• Nåbarhet — Grok Voice 3.0 är live över SpaceXAI:s realtids-WebSocket, med code>grok-voice-latest/code> som nu pekar på den, medan dess föregångare är utfasade; Realtime-Venus är två BF16-checkpoints under Apache-2.0 på code>inclusionAI/Realtime-Venus/code> på Hugging Face, och modellkortet anger tydligt att modellen inte är driftsatt av någon inferensleverantör.

• Mätbarhet — Grok Voice 3.0 har ett sammansatt index på 86,9 med fem läsbara komponenter och en arena-Elo på 1070; Realtime-Venus har författarrapporterade siffror från sin egen tekniska rapport och ingen post på resultattavlan, eftersom det inte finns någon endpoint för en tredje part att rikta en testrigg mot.

• Pris — $0,08 per minut ljud plus $0,004 per textinmatning, jämfört med inget pris alls.

Läs de två sista raderna tillsammans, och beslutsformen framträder: systemet med de granskade siffrorna är det som inte kan se, och det som kan se har aldrig mätts av någon som inte har byggt det.

Vad rapporten faktiskt hävdar, och vad det kostar att kontrollera

Realtime-Venus siffror kommer från dess egen rapport och dess modellkort, ingen utanför författarna har reproducerat dem, och det finns ingen arenaplacering att jämföra med. Läs dem som författarnas mätningar.

• Videobenchmarks, Realtime-Venus-Omni — bästa resultat på sex av de åtta benchmarks som rapporten använder, inklusive StreamingBench 70,2, OVO-Bench 64,7 och Daily-Omni 81,3.

• Ljudbenchmarks, Realtime-Venus-Audio — MMAU 78,0, MMAU-Pro 63,2, Llama Questions 83,8, Speech CMMLU 67,8 och ett VoiceBench AlpacaEval-resultat på 4,81 som rapporten beskriver som att matcha det bästa jämförelsevärdet.

• Full-Duplex-Bench v1.5 — svarar på 75 % av användaravbrotten, med fortsättningsfrekvenser på 97 % vid backchannels, 88 % vid tal riktat till andra och 86 % vid bakgrundstal, och uppges överträffa Gemini 3.1 Live och GPT-4o på alla tre fortsättningsmåtten.

• Kontext och format — 40 960 tokens på båda checkpoints, BF16-vikter, engelska och kinesiska.

Daily-Omni-siffran är den som är värd att stanna upp vid, eftersom det är där rapportens egna siffror gör något användbart. MiniCPM-o 4.5, den 9B stora omnimodala modellen som OpenBMB släppte som öppen källkod tidigare under 2026, rapporterar 80,2 på samma benchmark – och Realtime-Venus-kortet anger att Omni-checkpointen är anpassad från den. Realtime-Venus-Omni rapporterar 81,3. Om båda håller, är förbättringen från ett omfattande eftertränings-, runtime- och delegeringsarbete ungefär en punkt på en benchmark som basmodellen redan hanterade väl. Det är ett realistiskt resultat för den här typen av arbete och en mycket mindre dramatisk historia än ”bäst på sex av åtta.”

Mot resultattavlan som Grok Voice 3.0 sitter på

Ställ de två sida vid sida på ett ärligt sätt, och jämförelsen är asymmetrisk på ett sätt som inte smickrar någon av dem.

När det gäller samtalsdynamik – den enda axeln där båda systemen rapporterar något – är Realtime-Venus 97-procentiga fortsättning vid backchannels högre än de 97,0 % som Grok Voice 3.0 redovisar på Full Duplex Bench. Olika testramverk, olika versioner, och ett av de två har aldrig körts av en utomstående part – så den ärliga tolkningen är att Realtime-Venus gör anspråk på paritet eller något bättre på det enda mått där siffrorna ens kan nämnas i samma mening, och det anspråket har en enda läsare.

I allt annat kan de två inte jämföras, eftersom bara en av dem finns på en resultattavla. Grok Voice 3.0:s sammansatta värde på 86,9 delas upp i ett resonemangsvärde nära taket, duplex-poängen på 97,0 %, 71,6 % på τ-Voice, Elo 1070 i arena-preferens och 94,8 % uppgiftsframgång, var och en mätt under ett publicerat testramverk som vem som helst kan läsa och argumentera mot. Ett sammansatt mått är ett val av viktning och arena-komponenten är fryst vid den punkt då en modell blir kvalificerad i stället för att följa Elo i realtid — men ett utomstående team kan kontrollera aritmetiken och vara oense om slutsatsen i stället för att inte kunna bilda en.

Det är den verkliga skillnaden i beviskvalitet, och det är värt att konstatera utan någon av sidornas adjektiv. Båda modellerna bär leverantörspåståenden om sina egna produktionsutrullningar. SpaceXAI rapporterar att Starlink-kontaktcenter hanterar 20 000 kundsamtal per dag på flera språk, varav ungefär 70 % löses utan mänsklig inblandning, plus miljontals dagliga konversationer hos Tesla och SpaceX. Ant Group rapporterar ingenting alls om utrullning, eftersom det inte finns någon utrullning – bara en artikel, ett repositorium och ett testramverk. Ingen av uppsättningarna går att granska utifrån, och bara en av dem anstränger sig ens för att vara det.

Vad det egentligen innebär att köra Realtime-Venus

Nedladdningen är verklig. Två checkpoint-kataloger med shardade safetensors, anpassad Transformers-kod laddad med code>trust_remote_code=True/code>, en kravfil, token-till-vågform-tillgångarna, en referensröst och en Apache-2.0-licens. Full-duplex streaming aktiveras med en enda metodväxling, och den dokumenterade loopen är en sekund av streaming prefill följt av streaminggenerering, upprepad. Långvideominne aktiveras med en memory-minutes-parameter och beskrivs som träningsfritt, vilket är ovanligt för en funktion som normalt kräver finjustering.

Två saker med det betyder mer än specifikationerna.

Det första är hårdvarugolvet. En 9B-modell i BF16 är ungefär arton gigabyte vikter före aktiveringsminnet, och audiovisuell duplex-inferens lägger ovanpå det till den visuella kodaren och en kontinuerlig strömningsslinga på en sekund. Det är en driftsättning i serverklass, inte i laptopklass – och det är en annan sak än ett telefonsamtal som kostar 0,08 dollar i minuten och börjar fungera eftermiddagen du registrerar dig.

Det andra är att den mest intressanta komponenten inte finns i vikterna. Runtimen med dubbel loop – en interaktionsloop på en sekund plus en bakgrundsschemaläggare som rapporten kallar Realtime-Venus-Harness, vilken utför delegerade uppgifter mot en isolerad ögonblicksbild av konversationstillståndet så att ett långvarigt jobb inte kan korrumperas av att konversationen går vidare – ligger i ett separat GitHub-repositorium. Kausal uppgiftsfångst är den verkligt nya idén i rapporten, och det är den del du själv sätter ihop och litar på.

Den sista punkten är där arkitekturen hos de två systemen konvergerar, och det är det praktiska man bör ta med sig från kombinationen. Båda är front ends. Grok Voice 3.0 anropar verktyg från en tools-array i sin sessionsuppdatering och delegerar allt tyngre till en backend som svarar synkront. Realtime-Venus sänder ut en asynkron delegeringsmarkör i sin egen dolda sekvens och lämnar över arbetet till en harness. I båda designerna sker tänkandet, hämtningen och affärslogiken i en vanlig textmodell bakom ett konversationslager – och det lagret är den enda delen av endera stacken som du fritt får välja.

OrcaRouter har varken Grok Voice 3.0 eller Realtime-Venus. Grok Voice-sessionen tillhör SpaceXAI:s egen WebSocket, och Realtime-Venus är en nedladdning som vi inte tillhandahåller; att beskriva en router som om den satt inuti en duplexljudsession vore att beskriva något som inte existerar. Den delegerade delen är annorlunda: 207 modeller från ett drygt dussin uppströmsleverantörer bakom en enda nyckel till leverantörens listpris utan påslag, med automatisk redundansväxling när en leverantör försämras och ett routing-DSL som sätter samman flera modeller till ett anrop. För en arkitektur som Realtime-Venus, där en obeprövad självhostad komponent lämnar över arbete till en textmodell som du inte heller har benchmarkat, är redundansväxling skillnaden mellan en dålig eftermiddag för en leverantör och ett avbrutet samtal.

Vilken man ska välja, och när svaret ändras

Om du ska släppa något det här kvartalet är Grok Voice 3.0 den enda av de två som är ett beslut snarare än ett projekt. Den ligger högst upp på den offentliga resultattavlan, den börjar tala på 0,81 sekunder, den kostar lika mycket som modellen den ersätter, och den går att anropa i dag via en slutpunkt vars sessionsparametrar inte har ändrats. Lås din version först – aliaset har redan ändrats två gånger det här kvartalet – och släpp sedan.

Realtime-Venus är rätt svar på en mycket snävare fråga: behöver du en modell som övervakar ett rum och pratar om vad som finns i det, på hårdvara du äger, under en licens som låter dig finjustera den? Den förmågan har ingen hostad motsvarighet i den här kombinationen. Grok Voice 3.0 har ingen visuell indata alls, och det har inte heller de andra ledande röstmodellerna som finns med. Om det är ditt krav är nedladdningen den enda dörren.

Det som skulle förändra den här sidan är samma sak som skulle förändra större delen av den här kategorin. En inferensleverantör som tillhandahåller Realtime-Venus med ett publicerat pris skulle förvandla en forskningsartefakt till en produkt och göra jämförelsen verklig; en andra, oberoende reproduktion av siffran 97 % för backchannel-fortsättning skulle fastställa den enda siffra som de två systemen för närvarande kan dela. Tills något av dem inträffar är den korrekta sammanfattningen krass: en av dessa kan du köpa, och en av dem kan du läsa. Den du kan läsa är det mer intressanta dokumentet, och den du kan köpa är den som svarar i telefonen.