Grok Voice 3.0 vs GPT-Live-1: xAI ชนะในดัชนี แต่แพ้การทดสอบที่สำคัญที่สุด

เรือธงสองรุ่น ห่างกัน 3.7 คะแนนบน Speech to Speech Index ของ Artificial Analysis และทั้งคู่ก็แพ้ในองค์ประกอบเดียวที่ชี้ขาดว่าเอเจนต์เสียงนั้นคุ้มค่าที่จะนำไปใช้งานหรือไม่ Grok Voice 3.0 ทำคะแนนได้ 86.9 บนดัชนีที่ SpaceXAI ประกาศเมื่อวันที่ 14 ตุลาคม 2026 เทียบกับ 83.2 ของ GPT-Live-1 ในคอนฟิกูเรชัน Astra medium ซึ่งเป็นเวอร์ชันที่เอกสารของ OpenAI เองระบุให้การผสานรวม WebRTC ใช้เมื่อเซสชันมอบหมายการให้เหตุผลให้แบ็กเอนด์ บน τ-Voice — เกณฑ์มาตรฐานด้านบริการลูกค้าที่ให้คะแนนว่าเอเจนต์ทำงานหลายขั้นตอนได้สำเร็จจริงหรือไม่ — Grok Voice 3.0 อยู่ที่ 71.6% และ GPT-Live-1 Astra medium อยู่ที่ 74.5% โมเดลที่มีคะแนนรวมดีที่สุดในหมวดนี้กลับไม่ได้ครององค์ประกอบที่สัมพันธ์กับการทำงานให้ลุล่วง และ OpenAI ก็ไม่ได้ออกพาดหัวข่าวเกี่ยวกับเรื่องนี้เช่นกัน

สิ่งที่สองที่น่าสนใจคือทิศทางของราคา GPT-Live-1 คิดค่าบริการ $0.05 ต่อนาทีของเสียง โดยคิดตามวินาที ซึ่งเท่ากับ $3.00 ต่อชั่วโมง Grok Voice 3.0 คิดค่าบริการ $0.08 ต่อนาที ซึ่งเท่ากับ $4.80 ต่อชั่วโมง โมเดลใหม่มีค่าใช้จ่ายต่อนาทีของเสียงสูงกว่า 60% และเป็นโมเดลที่ผู้ขายใช้ไตรมาสสุดท้ายของอายุรุ่นก่อนไปกับการแบกรับการขึ้นราคา แทนที่จะประกาศลดราคา

การแบ่งแยกทางสถาปัตยกรรมที่ไม่มีใครใส่ไว้ในแผนภูมิเปรียบเทียบ

ทั้งสองอย่างนี้ไม่ใช่เสียงพูดที่คิดเองได้ ทั้งคู่เป็นชั้นเสียงที่ทำหน้าที่มอบหมายงานต่อให้ระบบอื่น และการออกแบบการมอบหมายงานทั้งสองแบบก็ไม่ใช่สัตว์ประเภทเดียวกันเลย ซึ่งนั่นคือเหตุผลว่าทำไมต้นทุนการผสานรวมจึงแตกต่างกันมากยิ่งกว่าราคาต่อหนึ่งนาทีที่แตกต่างกันเสียอีก

GPT-Live-1 ส่งงานข้ามขอบเขตแบบอะซิงโครนัสไปยังแบ็กเอนด์ที่ระบุไว้ในการกำหนดค่าของเซสชัน ตัวอย่าง WebRTC ที่ OpenAI เผยแพร่เชื่อมต่อแบ็กเอนด์นั้นเข้ากับ GPT-5.6 Terra ผ่าน Responses API เลเยอร์เสียงช่วยให้บทสนทนาดำเนินต่อไปในขณะที่แบ็กเอนด์กำลังคิด และนำคำตอบกลับมารวมเมื่อมันมาถึง ผลที่ตามมาคือครึ่งที่เป็นการให้เหตุผลนั้นเป็นการเรียกข้อความแบบวัดโทเคนธรรมดา ๆ ที่คุณเลือก กำหนดราคา และสลับได้อย่างอิสระ ส่วนครึ่งที่เป็นเสียงนั้นพกพาไปที่อื่นไม่ได้เลย: มีโมเดล ID เดียวคือ gpt-live-1 มีปลายทางเดียวที่ v1/live/sessions ใช้ WebRTC แทนการรับส่งแบบ WebSocket ที่การผสานรวม Realtime ส่วนใหญ่สร้างขึ้น และไม่มีเส้นทางผ่าน Chat Completions, Responses, Batch หรือปลายทาง fine-tuning ขีดจำกัดอัตราถูกกำหนดหน่วยเป็นเซสชันพร้อมกัน — 25 ใน Tier 1 เพิ่มขึ้นเป็น 50, 200, 300 และ 500 — ซึ่งบอกคุณว่า OpenAI คิดว่าหน่วยของการขยายระบบคือสายโทรศัพท์หนึ่งสาย ไม่ใช่คำขอหนึ่งครั้ง

Grok Voice 3.0 มีขอบเขตแคบกว่าและต้นทุนการนำมาใช้น้อยกว่า มันทำงานผ่านเอนด์พอยต์ WebSocket แบบเรียลไทม์เดียวกันกับ Grok Voice 2.0 โดยมีพารามิเตอร์เซสชันเดียวกัน ชื่อเหตุการณ์เดียวกัน และการจับมือด้วย bearer token แบบเดียวกัน และการใช้เครื่องมือดำเนินไปผ่านอาร์เรย์ tools ในการอัปเดตเซสชันเหมือนที่เคยเป็นมาก่อน ไม่มีการย้าย transport และยังไม่มีรูปแบบการมอบหมายงานไปยังแบ็กเอนด์ที่มีเอกสารกำกับแบบที่ GPT-Live-1 เผยแพร่ ซึ่งหมายความว่า reasoning ที่คุณต้องการต้องเข้าถึงได้ในฐานะเครื่องมือที่โมเดลเสียงเรียกใช้แบบซิงโครนัส แทนที่จะเป็นงานเบื้องหลังที่มันดูแลกำกับ

ความแตกต่างข้อนี้ชี้ขาดการนำไปใช้งานจริงได้มากกว่าค่าดัชนีเสียอีก ทีมที่ใช้ realtime API ของ xAI อยู่แล้วย้ายไป Grok Voice 3.0 ได้เพียงแค่เปลี่ยนสตริงชื่อโมเดล — หรือไม่ต้องทำอะไรเลย เพราะตอนนี้ grok-voice-latest ชี้ไปที่โมเดลนี้แล้ว และดีพลอยที่ใช้อะลิอัสเดิมก็ถูกย้ายให้อัตโนมัติแล้ว ส่วนทีมที่ใช้โมเดล Realtime รุ่นเก่าของ OpenAI เมื่อจะย้ายไป GPT-Live-1 ต้องเจอกับการเขียน transport ใหม่ทั้งชุด บวกกับการเขียนส่วน delegation ใหม่ทั้งชุด

ทีละบรรทัด

ทุกตัวเลขด้านล่างนี้เป็นการวัดของ Artificial Analysis เอง ลงวันที่ 13 ตุลาคม 2026 เว้นแต่บรรทัดนั้นจะระบุไว้เป็นอย่างอื่น

• ดัชนีเสียงเป็นเสียง — Grok Voice 3.0 86.9 เทียบกับ GPT-Live-1 (Astra, medium) 83.2 นอกจากนี้ยังมีคอนฟิกูเรชัน GPT-Live-1 ที่ต่ำกว่า ซึ่งวัดได้ที่ 80.1 ในตัวแปร Sol low-effort และช่องว่างของดัชนีนั้นขึ้นอยู่กับว่าคุณหมายถึงอันไหน

• ประสิทธิภาพแบบเอเจนต์, τ-Voice — GPT-Live-1 Astra medium 74.5% เทียบกับ Grok Voice 3.0 71.6% OpenAI เป็นผู้นำในด้านนี้ และเป็นผู้นำในองค์ประกอบที่คาดการณ์ว่าปัญหาของผู้โทรได้รับการแก้ไขหรือไม่

• การให้เหตุผลจากเสียงพูด, Big Bench Audio — Grok Voice 3.0 98.5% เทียบกับ GPT-Live-1 Astra medium ซึ่งอยู่ในช่วงเดียวกัน ทั้งคู่ใกล้เพดานมากพอจนแกนนี้ไม่แยกใครออกจากกันแล้ว

• ความชอบของ Arena — Grok Voice 3.0 มี Elo สูงสุดบนกระดานที่ 1070. GPT-Live-1 ไม่ได้ครอง Arena ในการตั้งค่าใด ๆ

• ระยะเวลาถึงเสียงแรก — Grok Voice 3.0 0.81 วินาที เทียบกับ GPT-Live-1 Astra medium ที่ 1.34 วินาที เร็วกว่าในการเริ่มพูดประมาณ 40% และเป็นข้อกล่าวอ้างด้านประสิทธิภาพที่เป็นรูปธรรมที่สุดจากผู้ให้บริการทั้งสองราย

• ต้นทุนต่องานที่ทำสำเร็จ, Big Bench Audio — Grok Voice 3.0 $0.025 เทียบกับ GPT-Live-1 Astra medium $0.030 ถูกและแม่นยำต่อ task คือสูตรผสมที่ยุติการถกเถียงเรื่องจัดซื้อได้

• ราคาต่อนาทีของเสียง — GPT-Live-1 $0.05 คิดค่าบริการเป็นรายวินาที โดยไม่ปัดเศษนาทีที่ไม่เต็มขึ้นเป็นนาทีเต็ม และมีค่าธรรมเนียมการเริ่มต้นเซสชัน 15 วินาที ซึ่งจะถูกเครดิตคืนให้กับระยะเวลาที่ใช้ในภายหลัง แทนที่จะบวกเพิ่มซ้อนทับ; Grok Voice 3.0 $0.08 ต่อนาที บวก $0.004 ต่ออินพุตข้อความ

• อินพุตแบบหลายรูปแบบ — GPT-Live-1 รับเสียงและข้อความ และเอกสารของมันระบุว่ารูปภาพและวิดีโอไม่ได้รับการสนับสนุนอย่างชัดเจน; Grok Voice 3.0 ก็ไม่มีการเชื่อมโยงกับภาพเช่นกัน ทั้งสองนี้ไม่สามารถมองเห็นได้ และไม่มีผู้ขายรายใดประกาศวันที่สำหรับการเปลี่ยนแปลงดังกล่าว

• เสียง — GPT-Live-1 มาพร้อม 12 เสียง; Grok Voice 3.0 คงชุดเสียงที่มีมาให้ในตัวของ xAI ไว้ และเอนด์พอยต์เสียงแบบกำหนดเองที่ฝึกเสียงจากคลิปอ้างอิงความยาวไม่เกิน 120 วินาที

บิล สำหรับภาระงานที่คุณนึกภาพออก

การสนทนาวันละหนึ่งหมื่นนาที ตลอดสามสิบวัน คิดเป็น 300,000 นาทีต่อเดือน

• GPT-Live-1 — $0.05 ต่อนาทีสำหรับเสียง ดังนั้น $15,000 ต่อเดือนเฉพาะเลเยอร์เสียงเท่านั้น

• Grok Voice 3.0 — $0.08 ต่อนาที ดังนั้นเดือนละ $24,000 บวก $0.004 ต่อข้อความป้อนเข้า

ตัวเลขทั้งสองเป็นเพียงครึ่งหนึ่งที่เป็นส่วนเสียงเท่านั้น การประมวลผลเหตุผลฝั่งแบ็กเอนด์ของ GPT-Live-1 การเรียกเครื่องมือของมัน และการค้นหาเว็บใด ๆ จะถูกคิดค่าบริการแยกต่างหากในอัตราของโมเดลแบ็กเอนด์เอง และเซสชันที่ชี้ไปยังโมเดลเหตุผลระดับแนวหน้าที่ค้นหาในทุกเทิร์นอาจมีค่าใช้จ่ายในส่วนการส่งต่องานมากกว่าในส่วนเสียง การเรียกเครื่องมือแบบซิงโครนัสของ Grok Voice 3.0 ทำงานบนแบ็กเอนด์ใดก็ตามที่ตอบกลับภายใต้กฎเดียวกัน ในทั้งสองกรณี "ราคาโมเดลเสียง" เป็นเพียงเศษเสี้ยวของค่าใช้จ่ายในการเรียก และเศษเสี้ยวนั้นขึ้นอยู่กับว่าผู้เรียกของคุณต้องคิดหนักเพียงใด

นั่นคือชั้นที่เราเตอร์มีประโยชน์จริง และควรอธิบายขอบเขตให้แม่นยำ OrcaRouter ไม่ได้ให้บริการ endpoint แบบเรียลไทม์ทั้งสองรายการ — gpt-live-1 อยู่เบื้องหลัง Live Sessions API ของ OpenAI และ Grok Voice 3.0 อยู่เบื้องหลัง API ของ xAI เอง และไม่มีสิ่งใดแทรกกลางในเซสชันเสียงแบบ duplex ที่เป็นของผู้ขายรายใดรายหนึ่งได้ สิ่งที่เราดำเนินการคือครึ่งที่เป็นการมอบหมายงาน GPT-5.6 Terra ซึ่งเป็น backend ตัวเดียวกับในตัวอย่างที่ OpenAI เผยแพร่เอง ให้บริการผ่าน OrcaRouter ในราคาตามที่ OpenAI ประกาศ คือ 2.00 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 12.00 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน โดยเปิดให้ใช้ทั้ง endpoint แบบ chat และ Responses ควบคู่ไปกับโมเดลอื่นอีกกว่า 200 รายการบนคีย์เดียว ในราคาตามที่ผู้ให้บริการประกาศโดยไม่บวกเพิ่ม และการ failover อัตโนมัติเมื่อผู้ให้บริการมีประสิทธิภาพลดลง เนื่องจากไม่มีการบวกเพิ่มใด ๆ การลดราคาของผู้ขายในระดับ reasoning จึงมีผลฝั่งเราภายในวันเดียวกัน — ซึ่งสำคัญในหมวดหมู่ที่เรือธงรายหนึ่งขึ้นราคาต่อนาที 60% ภายในสามเดือน ในขณะที่อีกรายคงไว้เท่าเดิม

สิ่งที่ผู้ขายแต่ละรายพูดซึ่งไม่มีบอร์ดใดครอบคลุม

ผู้จำหน่ายทั้งสองรายเผยแพร่ตัวเลขเกี่ยวกับทราฟฟิกโปรดักชันของตนเอง ตัวเลขเหล่านั้นไม่มีฝ่ายใดตรวจสอบยืนยันได้อย่างอิสระ และวิธีตีความอย่างซื่อตรงคือมองว่ามันเป็นหลักฐานของความมั่นใจ มากกว่าหลักฐานของขีดความสามารถ

ตัวเลขของ OpenAI ซึ่งเผยแพร่พร้อมกับการเปิดตัว API และไม่มีใครทำซ้ำ: การโต้ตอบแบบฟูลดูเพล็กซ์ที่ 80.1% เทียบกับ 45.4% สำหรับ GPT-Realtime-2.1 ความหน่วงในการผลัดกันพูดลดลงจาก 1.4 วินาทีเหลือ 0.8 ความแม่นยำในการเรียกใช้เครื่องมือจาก 60% เป็น 87% Yelp ถูกอ้างถึงในเรื่องการจัดการการจองทางโทรศัพท์ที่ดีขึ้น และแพลตฟอร์มเรียนภาษาชื่อ Speak รายงานว่ามีการขัดจังหวะน้อยลงเกือบ 80% เมื่อเทียบกับระบบผลัดกันพูดแบบเดิม — เป็นการรายงานเองโดยบริษัทที่มีส่วนได้ส่วนเสียกับผลลัพธ์ และยังเป็นตัวเลขการใช้งานจริงที่ชัดเจนที่สุดในการเปิดตัวครั้งนี้

ตัวเลขของ SpaceXAI ซึ่งเผยแพร่พร้อมกับการเปิดตัว และในทำนองเดียวกันก็ยังไม่ถูกทำซ้ำ: Grok Voice 3.0 ขับเคลื่อนบทสนทนาหลายล้านครั้งต่อวันทั่วรถยนต์ Tesla และ SpaceX ศูนย์รับสายของ Starlink รับสายลูกค้า 20,000 สายต่อวันในหลายภาษา โดยประมาณ 70% ได้รับการแก้ไขโดยไม่ต้องใช้คน และประมาณหนึ่งในสี่ของสายขายจบลงด้วยการซื้อ และได้ตัวเลขปัดเป็น 74% บน EVA-Bench ของ ServiceNow จงมองอัตราการจัดการได้เอง (containment rate) เป็นตัวเลขระดับระบบที่สวมชุดระดับโมเดล — มันสะท้อนการออกแบบพรอมป์ต การค้นคืนข้อมูล และนโยบายการส่งต่อ พอ ๆ กับที่สะท้อนตัวโมเดล และไม่มีบุคคลภายนอกเจ้าใดสามารถแยกสิ่งเหล่านี้จากกันได้

จะเลือกอันไหนจริงๆ ดี

เลือก Grok Voice 3.0 เมื่อ latency เป็นข้อจำกัดและสแต็กของคุณอยู่บน xAI อยู่แล้ว เวลาถึงเสียงแรก 0.81 วินาทีเป็นตัวเลขที่เผยแพร่เร็วที่สุดในบรรดาโมเดลเสียงระดับแนวหน้า เส้นทาง WebSocket หมายความว่าไม่ต้องเขียน transport ใหม่ และต้นทุนการย้ายคือสตริงโมเดลเพียงสตริงเดียว เลือกมันเช่นกันหากผู้เรียกของคุณตัดสินจากประสบการณ์มากกว่าผลลัพธ์ มันครองอันดับในอารีนาด้านความชอบ และคะแนนคอมโพสิตด้านคุณภาพ และผู้เรียกที่สนุกกับการสนทนาจะวางสายด้วยความสุขยิ่งขึ้นแม้เมื่องานจะทวีความซับซ้อนขึ้น

เลือก GPT-Live-1 เมื่อตัวงานคือผลิตภัณฑ์ มันนำ τ-Voice ที่ 74.5% เทียบกับ 71.6% รูปแบบการมอบหมายงานของมันมีเอกสารกำกับ และแบ็กเอนด์การให้เหตุผลของมันเป็นการเรียกแบบพกพาที่คิดค่าตามโทเคน มากกว่าเป็นเครื่องมือที่มองไม่เห็นภายใน และต่อหนึ่งงานที่ทำเสร็จ มันแข่งขันได้ในเรื่องต้นทุนแม้จะมีช่องว่างของดัชนีก็ตาม เลือกมันเช่นกันหากคุณกำลังสร้างใหม่ตั้งแต่ต้นและไม่มีการผสานรวม WebSocket ที่ต้องรักษาไว้ เพราะเรื่องราวด้านการรับส่งจะกลายเป็นข้อเสียเปรียบกับคุณก็ต่อเมื่อคุณมีมันอยู่แล้วเท่านั้น

คำตอบเดียวที่ควรปฏิเสธคือการเลือกจากคะแนนรวม ช่องว่างดัชนี 3.7 จุดและช่องว่าง τ-Voice 2.9 จุดชี้ไปในทิศทางตรงกันข้ามกัน และความแตกต่างด้านค่าใช้จ่ายก็ชี้ไปในทิศทางที่สาม — GPT-Live-1 ถูกกว่าต่อนาทีของเสียง 37.5% ก่อนจะนับอินพุตข้อความ ใครก็ตามที่เลือกระหว่างสองตัวนี้จาก 86.9 กับ 83.2 กำลังเลือกจากตัวเลขที่เชื่อมโยงกับคำถามว่าสายโทรศัพท์ของตนใช้งานได้หรือไม่น้อยที่สุด

อะไรที่จะทำให้เรื่องนี้ยุติได้คือ: คำมั่นเรื่องความพร้อมให้บริการทั่วไป และตัวเลขความหน่วงที่เผยแพร่โดย OpenAI สำหรับการกำหนดค่า Astra ซึ่งครองอันดับต้นของกระดาน เนื่องจากการเปรียบเทียบ 0.81 กับ 1.34 ในตอนนี้อาศัยตัวเลขของ xAI เทียบกับการกำหนดค่าที่เอกสารของ OpenAI เองปฏิบัติเสมือนเป็นตัวอย่าง; หรือการขยับราคาจากฝ่ายใดฝ่ายหนึ่ง เรตการ์ดเป็นส่วนเดียวของการจับคู่นี้ที่เคยขยับมาก่อน และมันขยับขึ้น

การเปรียบเทียบแบบนี้ก็เป็นจุดที่โหมดความล้มเหลวปรากฏให้เห็นเช่นกัน: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่มีการบันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในระดับนี้ได้รับการรวบรวมไว้ในthe OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะถูกโต้แย้งเป็นของตนเอง