Grok Voice 3.0 与 Grok Voice Think Fast 2.0：免费升级，实实在在的提升，一处退步

模型 Grok Voice 3.0所取代的那款模型，正是你在 Artificial Analysis 上以另一个名字能找到的同一款模型。在该排行榜上搜索 Grok Voice Think Fast 2.0，你不会找到它；搜索 Grok Voice 2.0，则会找到 81.3，而这正是较早那款模型自身的发布报道在“High”配置标签下为 Think Fast 2.0 所报告的数字。SpaceXAI 的 API 将该模型 ID 称为 grok-voice-2.0，其发布说明将 7 月那一代称为 Grok Voice 2.0，而当初介绍它的公告所用的名字却是 Think Fast。因此，当 SpaceXAI 于 2026 年 10 月 14 日弃用 grok-voice-2.0，并将 grok-voice-latest 指向 grok-voice-3.0 时，它退役的这款模型，在它自己的排行榜行和它自己的营销名称中却被描述成了两样东西。

实际后果是，许多团队已经悄然获得的一次升级——无需部署，因为别名已经迁移——比命名混乱所暗示的更大，也比索引差距所暗示的更小。两个模型都按每分钟 $0.08 和每文本输入 $0.004 计费，所以价格没有变。而质量的大部分都变了。

升级换来了什么，逐个组件来看

本节中的每一个数据均来自 Artificial Analysis 自行开展的测试：Grok Voice 3.0 的数据日期为 2026 年 10 月 13 日，而即将退出的上一代则来自同一榜单。

• 语音到语音指数——Grok Voice 3.0 为 86.9，而 Grok Voice Think Fast 2.0 为 81.3。综合得分提升了 5.6 分，听起来像是一次版本升级，直到你把它拆开细看。

• 智能体性能，τ-Voice——71.6% 对 56.5%。这才是本次发布的真正核心所在。多轮任务完成率上十五个百分点的差距，正是区分一个只能应付照本宣科的脚本化通话的语音模型，与一个能应对带有分支的通话的语音模型的关键所在。

• Speech Agent Arena 偏好 — Elo 1070 对 1011。人类偏好相差五十九分，是榜单上记录的最高值。

• 对话动态，Full Duplex Bench——97.0% 对 95.1%。在打断处理和轮次转换上领先近两个百分点，而这正是该模型系列最初为取胜而打造的维度。

• 语音推理，Big Bench Audio——98.5% 对 97.2%。两者实际上都已达到上限。

• 任务成功率——94.8% 对比 94.6%。在测量误差范围内持平。如果你的评估标准是单轮请求能否被正确完成，那么这两个模型得分相同，升级也就无从察觉。

• 首次音频响应时间——Grok Voice 3.0 为 0.81 秒，而 Grok Voice Think Fast 2.0 为 0.70 秒。

• 价格——双方完全一致。每分钟 $0.08，每小时 $4.80，另加每次文本输入 $0.02。

回归，以及为什么它才是有意思的部分

把最后两行放在一起读。Grok Voice Think Fast 2.0 将首音频延迟从上一代的 1.25 秒压缩到了 0.70 秒，xAI 也把这一数字大力宣传——2026 年 7 月下旬发布时，它是该品类已公布的最快数据，而且至今仍快于榜单上的其他任何产品。Grok Voice 3.0 又把这其中的 0.11 秒还了回去。

这不是丑闻，也不是意外。这是 τ-Voice 跃升所付出的可见代价。xAI 为了让多轮任务完成率从 56.5% 提升到 71.6% 而在模型中加入的任何东西，都会在首个音频帧之前耗费时间，而再多的提示工程也无法弥补，因为延迟位于模型内部，而不是在它前面。

值得直说的是，它把原来的卖点彻底颠倒了过来。选择 Think Fast 2.0 的团队，大多数情况下是冲着 0.70 去的。如果这正是该模型存在于你技术栈中的原因，那么后继版本在你当初购买它所看重的那项特性上明显更差；而诚实的做法是衡量一下：多出的 0.11 秒延迟让你付出的代价，是否超过任务完成率提升 15 个百分点给你带来的收益。在电话语音部署中，答案无论朝哪个方向都不显而易见，而且取决于智能体在你的通话流程中的哪个环节真正干活。

别名已经转移了，而这绝不是无关紧要的注脚。

grok-voice-2.0 自 10 月 14 日发布起已弃用，grok-voice-latest 现在解析为 grok-voice-3.0。任何针对该别名进行部署的人都被自动迁移到了新模型上，无需更改任何代码，日志中也没有任何迹象表明这一点。

把这放在时间线上看，它就不再是一次孤立事件，而是一种模式。2026年8月5日——大约在这次发布前十周——grok-voice-latest 被指向了如今名为 Think Fast 2.0 的模型，而想继续留在上一代模型的开发者必须在那个日期前固定一个有版本号的模型 ID，否则就只能接受这一变更。这就是一个季度内发生的两次无声替换，每一次都将延迟特性改变了超过十分之一秒，而且既没有版本清单，也没有提前宣布的弃用窗口。

对于聊天机器人来说，这没问题。但对于一个电话系统来说——其回归测试套件是针对特定语音的时序编写的，或者其 SLA 中引用了交互延迟——这意味着该别名并不是它表面上看起来的那种抽象。在生产环境中固定使用带版本号的 ID，并将 grok-voice-latest 视为预发布环境中的便利手段，而不是部署目标。

什么没有改变，以及一件延续下来的事

这次升级几乎可以即插即用，值得具体说明原因，因为替代方案——例如 GPT-Live-1——需要重写 WebRTC 音频传输，并采用一种在这里没有对应实现的委托模式。Grok Voice 3.0 保留相同的实时 WebSocket 端点、相同的 session.update 参数、相同的事件名称、相同的 bearer-token 握手，以及用于客户端连接的相同的短期临时令牌。语音保持不变，而根据最长 120 秒的参考片段训练语音的自定义语音端点所生成的 ID，在实时 API 和流式文本转语音中与之前完全一样可用。

延续下来而非有所改进的，是转写方面的证据。上一代产品曾围绕词错误率大力宣传——xAI 报告称，其评估了 24 种语言中的数千个短句，发现错误率比包括 Deepgram Nova 3 和 ElevenLabs Scribe v2 在内的专用语音转文本模型低 1.5 到 2.0 倍，比自己的前代产品低 1.4 倍，而在带有背景噪声和电话压缩的嘈杂条件下错误率大约低 10 倍。这些都是厂商数据，从未被独立复现。Grok Voice 3.0 的发布材料没有重申这些数据，这既不是确认，也不是撤回。如果含噪信道准确率对你的部署至关重要，那么它就是你不得不亲自重新测试、而不能从榜单上读出来的少数事项之一。

试试新的那个，但不把电话线押在它上面。

在这里，版本锁定之所以代价如此之小，是因为 Grok Voice 3.0 并没有什么难以并排搭建的地方——而在这一技术栈中，路由器之所以值得拥有，原因不在于音频层，那仅属于 xAI，而在于音频层所调用的一切。

OrcaRouter 不提供、也无法提供 Grok Voice 实时端点；全双工音频 WebSocket 本质上是单一厂商专有的技术面。我们运行的是语音模型所依托的文本层。一次语音部署由语音模型，外加一个分类器、一个摘要器、一个检索步骤和一个工具调用后端构成，而这后半部分属于普通的按请求计量的推理：一个密钥即可调用 200 多个模型，按供应商标价计费、零加价，因此该层中任何一家的降价当天就会反映到我们这边，而不是等到续约时；供应商性能下降时自动故障转移，对一通实时通话而言，这正是重试一次查询与通话掉线之间的差别；以及一套路由 DSL，让你把多个模型组合成单次调用，并可在不触碰音频链路的情况下，根据实时流量切换这一组合。

正是这种结构让固定版本变得成本低廉。让 grok-voice-2.0 继续用于生产环境，将第二个环境指向 grok-voice-3.0，并让相同的后端模型同时响应两者——这样一来，比较所衡量的就只是你真正改变的那一个变量，而底层代码路径在两个方向上完全一致。

裁决，每项一行

如果你的智能体是拿来干活的、而不是拿来闲聊的，那就升级。价格不变，τ-Voice 提升 15 分、竞技场偏好提升 59 分，是今年这一类别里最划算的白拿好处，而且集成里没有任何东西需要为此改动。

如果你为 xAI 语音产品线提出的全部论据就是那 0.70 秒的启动时间，那就先固定并测试吧。该属性现在是 0.81，击败它的那个模型仍在运行，而且它只是被弃用，而非被移除。

别管命名。Grok Voice Think Fast 2.0、Grok Voice 2.0 以及 API id grok-voice-2.0 都指向同一代，而如果你一直在看一个只列出其中某一个名称的排行榜，那你读到的数字是对的，只是它下面的标签并不是你自己的配置文件所使用的那个。

像这样的比较，也正是故障模式暴露之处：OrcaRouter AI Incident Archive 收录了这类模型背后有记录的 AI 事件和智能体故障，其中每个条目都带有各自的来源、严重程度、置信度等级和争议标记。