Grok Voice 3.0 mot SeedRealtime: Den ena är den bästa röstmodellen på resultattavlan, den andra finns inte på resultattavlan

Den här jämförelsen har en ovanlig form. Grok Voice 3.0är den högst poängsatta tal-till-tal-modellen som Artificial Analysis mäter, med 86,9 på Speech to Speech Index per den 13 oktober 2026, prissatt till 0,08 USD per minut och kan i dag nås via SpaceXAI:s realtids-API. SeedRealtime — formellt "SeedRealtime: An Audio-Visual Full-Duplex LLM", släppt av ByteDances Seed-team den 5 augusti 2026 — förekommer inte på den tavlan i någon form. Ingen indexpoäng, ingen resonemangskomponent, ingen siffra för samtalsdynamik, ingen arena-Elo, ingen framgångsgrad för uppgifter, ingen tid till första ljud. Inte en låg poäng. En tom rad, eftersom modellen aldrig har anmälts.

Den där tomma platsen är den ärliga utgångspunkten, för den är inte ett förbiseende från styrelsen. SeedRealtime har inget publikt API, inget modell-ID, inga öppna vikter, ingen teknisk rapport, inget parameterantal och inget publicerat pris. Det körs inuti ByteDances konsumentapp Doubao, gratis, i röst och video, och har gjort det sedan lanseringen. Det finns inget att mäta eftersom det inte finns någon slutpunkt att mäta, och det finns inget sätt att anropa det eftersom det inte finns något att anropa.

Där de verkligen skiljer sig åt, och det är inte kvalitet

Om man bortser från resultattavlorna utför de två modellerna olika uppgifter i olika rum.

Grok Voice 3.0 är en ljudmodell. Den hör och talar över en duplex-WebSocket, fattar många gånger i sekunden beslut om att fortsätta lyssna, pausa, avbryta eller anropa ett verktyg från tools-arrayen i sin sessionsuppdatering, och den innehar fem uppmätta komponentpoäng plus topplaceringen i arenan. Dess föregående generation marknadsfördes med ordfelsfrekvens över 24 språk och 1,5 till 2,0 gånger lägre fel än dedikerade transkriberingsmodeller – leverantörsrapporterat, aldrig oberoende reproducerat och inte upprepat i lanseringsmaterialet för den nyare versionen.

SeedRealtime hör och ser i ett enda nätverk. ByteDance beskriver ett enhetligt ramverk där perception, förståelse, beslutsfattande och svarsgenerering sker inuti en enda modell i stället för i en kaskad, med turtagning som beslutas internt och ingen extern röstaktivitetsdetektor alls. Dess publicerade demonstrationer omfattar en bullrig gruppmiddag där modellen måste koppla röster till identiteter, ett museibesök där den oombett ger information när ett utvalt utställningsobjekt kommer i synfältet, ett espressoarbetsflöde som den korrigerar i realtid, och ett flygplatsscenario där den ignorerar orelaterat prat, minns en avgångstavla från tidigare i sessionen och går online för att hämta ett bagagebandnummer.

• Indata — Grok Voice 3.0-ljud och -text, med verktyg; SeedRealtime-ljud, -video och -text sammansmälta i en modell.

• Turtagning — Grok Voice 3.0 använder serversidig röstaktivitetsdetektering som konfigureras per session; SeedRealtime tar bort den externa VAD:en och flyttar beslutet in i modellen.

• Proaktivt beteende — Grok Voice 3.0 svarar och anropar verktyg; SeedRealtime beskrivs tala oombedd när ett relevant objekt dyker upp i synfältet.

• Latens — Grok Voice 3.0 publicerar 0,81 sekunder till första ljud; SeedRealtime publicerar inte någon latenssiffra alls, bara ett färdplansmål att minska end-to-end-latensen.

• Pris — Grok Voice 3.0 0,08 USD per minut plus 0,004 USD per textinmatning; SeedRealtime har inget pris och inget kommersiellt erbjudande, och är gratis i en konsumentapp.

• Tillgänglighet — Grok Voice 3.0 är live för utvecklare med en dokumenterad slutpunkt och en väg för efemära token för anslutningar på klientsidan; SeedRealtime är i första hand för det kinesiska fastlandet via Doubao, vilket vanligtvis kräver ett mobilnummer från fastlandet för registrering, och ingen lokaliserad engelsk produkt har annonserats.

• Underlag — Grok Voice 3.0 har fem oberoende komponentmätningar plus ett sammansatt mått; SeedRealtime har en intern mänsklig utvärdering.

Evidensproblemet, preciserat

Det enda kvantitativa påståendet som ByteDance gör om SeedRealtime är att mänskliga utvärderingar av end-to-end-system visar att det halverar problemen med samtalsrytmen jämfört med kaskadkopplade ASR-plus-vision-plus-TTS-system – färre avbrott mitt i meningar, färre långsamma svar efter en paus, färre falska triggningar från bakgrundsprat. Det finns ingen urvalsstorlek, inget antal annotatörer, inget benchmarknamn, ingen metodik och ingen exakt siffra. Påståendet är att problemet blev ungefär hälften så illa, och det kommer från teamet som byggde modellen.

Jämför det med vad som är möjligt att veta om Grok Voice 3.0. Dess sammansatta poäng på 86,9 delas upp i en siffra för resonemang, en siffra för samtalsdynamik, en agentisk poäng, ett Elo för arenapreferens och en uppgiftsframgångsgrad, där var och en mäts under en publicerad testrigg, med den underliggande resultattavlan läsbar för alla. Det gör inte siffrorna oomtvistliga – ett sammansatt index är ett val av viktning, och arenakomponenten är fryst vid den punkt då en modell blir berättigad till publicering i stället för att följa Elo i realtid – men det innebär att ett utomstående team kan kontrollera aritmetiken och vara oense om slutsatsen i stället för att inte kunna bilda sig en.

Båda modellerna har också leverantörspåståenden om sina egna produktionsdriftsättningar, och båda uppsättningarna är overifierbara på samma sätt. SpaceXAI rapporterar att Starlink-callcenter hanterar 20 000 kundsamtal per dag på flera språk, varav ungefär 70 % löses utan en människa, och miljontals dagliga konversationer hos Tesla och SpaceX. ByteDance rapporterar full utrullning i Doubao för både röst och video. Dessa är de starkaste tillgängliga signalerna på att systemen fungerar i den verkliga världen, och samtidigt de svagaste tillgängliga bevisen för en läsare, eftersom ingen av dem kan granskas utifrån och båda beskriver tjänster snarare än modeller.

Vad du kan bygga vidare på, och vad du inte kan

Här är den del som avgör jämförelsen oavsett förmåga. Endast en av dessa två är en komponent. Den andra är en demonstration av hur en konvergerad arkitektur ser ut.

Grok Voice 3.0 passar in i en stack med en modellsträng, eller utan något alls om du distribuerade mot grok-voice-latest, som flyttades över till den automatiskt den 14 oktober. Samma realtidsendpoint, samma sessionsparametrar, samma händelsenamn, samma inbyggda röstuppsättning och samma endpoint för anpassade röster som den generation den ersätter. Sessionsbundna verktyg låter agenten anropa din backend mitt i konversationen. Det finns en integrationskostnad, och den mäts i minuter.

SeedRealtime kan inte delas upp, och det är arkitektoniskt snarare än kommersiellt. Det finns ingen resonemangshalva att byta ut, eftersom tänkandet finns i samma nätverk som lyssnandet och tittandet; det finns ingen hostad yta att dirigera till, ingen kvot att köpa, ingen nyckel att skaffa. Dess kapacitet är verklig och dess demonstrationer är de mest slående i kategorin. Det är också, för alla utanför ByteDances konsumentmarknad, inte en produkt du kan ställa framför en kund detta kvartal.

En varning som är värd att säga rakt ut, eftersom det är ett aktuellt felmönster: minst en tredjepartsblogg beskriver för närvarande SeedRealtime som tillgängligt via en modellrouter. Det finns ingen endpoint att routa till, så allt som gör reklam för åtkomst till SeedRealtime gör reklam för något annat. Relaterat: sökningar efter ByteDances realtidsröst-API får Volcano Engines end-to-end-realtidstalmodell att dyka upp, vilket är ett annat, enbart ljudbaserat system – om du har jämfört den modellens publicerade kvot och prissättning med Grok Voice 3.0, har du jämfört fel produkt.

Där routern faktiskt passar

Ingen av modellerna tillhandahålls av OrcaRouter, och det är värt att vara uppriktig om varför den här inramningen oftast får det fel. Grok Voice 3.0 kommer endast från xAI och SeedRealtime säljs inte av någon. Inget routningslager förändrar något av dessa faktum, och en plattform som påstår något annat beskriver en förmåga som den inte har.

Vad ett routningslager förändrar är textnivån under rösten. Var och en av dessa driftsättningar är en röstmodell plus en språkmodellstack: verktygsbackenden som röstmodellen anropar, klassificeraren som läser transkriptionen efteråt, sammanfattaren som skriver posten, hämtningen som besvarar det som röstlagret var tvunget att lämna över. Det arbetet debiteras per begäran och det är där en betydande del av kostnaden per samtal ackumuleras. Det är vad vi kör — 200+ modeller bakom en enda nyckel till leverantörslistpris utan påslag, automatisk failover mellan leverantörer, och ett routnings-DSL för att kombinera flera modeller i ett anrop — och det är den hälften av en röstprodukt som du kan hålla konstant medan ljudmodellen under den ändras, vilket, med tanke på hur lättvindigt ljudlagret byts ut, är en egenskap värd att ha.

Domen

Om du bygger en röstagent nu är Grok Voice 3.0 valet, och anledningen är inte indexet. Det är att den har högst sammansatt poäng och den främsta arenaplaceringen, den publicerar den snabbaste tiden från start till tal i frontiergruppen på 0,81 sekunder, den kostar lika mycket per minut som modellen den ersätter, och den är live med en dokumenterad endpoint idag. Det är fyra separata anledningar, och ingen av dem kräver att man litar på en siffra som ingen kan kontrollera.

Välj SeedRealtime – eller snarare, vänta på den – endast om din produkt är beroende av det specifika som den gör som inget annat gör: att läsa av rummet. Audiovisuell full duplex med ögonen på scenen är en förmåga som ingen hostad västerländsk röstmodell erbjuder för närvarande, och ByteDances demonstrationer av den är övertygande. Utlösaren att hålla utkik efter är ett ByteDance-utvecklar-API på Volcano Engine eller BytePlus med en publicerad taxa, vilket skulle förvandla en fallstudie till en produkt utan hostad konkurrent. Tills det dyker upp stannar modellen på bevakningslistan snarare än i arkitekturen, och varje artikel som hävdar att den jämför den med en leaderboard-modell jämför en resultattavla med en video.

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.