Grok Voice 3.0 对决 Sesame Preview：在每一次聆听测试中都胜出的声音，是那个没有 API 的

问一屋子人，哪一种听起来更像真人，你会得到同一个答案。Sesame Preview是 Sesame 推出的免费语音助手——包含 Maya、Miles、Simone 和 Charlie 四个智能体，自 2026 年 5 月起登陆 iOS，2026 年 8 月初起在 Android 上广泛可用——正是它产出的那些疯传片段，让“业界一流的语音模式”成了评测者们反复挂在嘴边的说法。G​rok Voice 3.0由 S​paceXAI 于 2026 年 10 月 14 日发布，是公开榜单上得分最高的语音到语音模型，得分 86.9，可通过一个有文档记录的实时端点调用，每分钟 0.08 美元。这两个事实并不互相矛盾，而它们之间的落差正是整场对决的关键：其中一个是人们用耳朵评判的声音，另一个则是外部第三方可以测量的声音。

那个差距的另一半在于可及性。Sesame Preview 没有 API，没有模型标识符，没有价目表，也没有公开发布过任何相关计划，而应用中实际用于生产的语音，是该实验室从未发布过的、规模更大的闭源模型。Grok Voice 3.0 是你按分钟租用的一个组件。靠耳朵来选，你会选 Sesame。按能不能真正交付点东西来选，答案早就替你定好了。

公开说明每一个分别是什么

剥去营销包装，这两款产品甚至根本不是同一类东西。

• 它是什么 —— G​rok Voice 3.0 是 S​paceXAI 实时 WebSocket 背后的语音到语音模型，具有会话级工具和返回的转录文本；Sesame Preview 是一款消费级应用，包含四个对话代理、可按代理同步到网页和移动端的记忆、通话期间的实时网页搜索，以及通话后发送的摘要。

• 价格 — 对于 G​rok Voice 3.0，每分钟音频 $0.08 加每项文本输入 $0.004，约合每小时 $4.80；对于 Sesame Preview，用户可免费使用，无广告，且未说明有任何付费层级。

• 开发者访问权限 —— 提供有文档记录的端点、用于客户端连接的临时令牌，以及一个自定义语音端点，可基于最长 120 秒的参考片段为 Grok Voice 3.0 训练语音；而 Sesame Preview 则一无所有。

• 权重——双方均未公开，只有一处例外：Sesame 已发布 CSM-1B，这是一个 Apache-2.0 检查点，并非应用中的那个声音。

• 独立评分——在 Artificial Analysis Speech to Speech Index 上，Gro​k Voice 3.0 得分 86.9，并附有五个可读的评分构成项；Sesame Preview 语音则没有任何构成项，Sesame 也未公布任何相关内容。

• 限制——G​rok Voice 3.0 未标明会话时长上限，而其前代产品曾以覆盖 24 种语言的词错率作为营销卖点；Sesame Preview 仅支持英语，通话时长上限为 30 分钟，退出登录后会降至 5 分钟，且不具备任务执行能力——这些智能体只会交谈，不会预订、购买或提交任何东西。

最后一条才是大多数评估的终结点。一个无法被呼叫的语音产品不是组件，而是竞争对手。

开放的检查点，以及它不是什么

Sesame对其演示版本与下载版本之间的差距表现得异常直白，而对于任何权衡这两者的人来说，这是唯一最重要的事实。

CSM-1B 是一个 10 亿参数的对话语音模型，于 2026 年 4 月 23 日以 Apache 2.0 许可发布：其 Llama 架构主干为一个独立解码器和 Kyutai 的 Mimi 编解码器提供输入，从约 4,000 个 token 的上下文生成 24 kHz 单声道英语语音。它是一个基础语音生成模型。根据同时运行过两者的人的评估，它的声音明显弱于应用中的那个，而且 Sesame 自己的文档明确指出，它不是端到端语音到语音系统，也不能生成文本。

所以这个下载内容是一条研究谱系，而不是产品本身。有人为了寻找演示中的声音，发现了出自同一实验室的较小模型，而当四个代理中的一个接起来时作出回应的，是一个从未发布过的生产模型。它由第三方推理提供商托管，价格约为每百万字符 7 美元——大致相当于每小时合成音频 0.35 美元——或者在你自己的硬件上免费运行，而且也没有人发布过它的独立基准测试。

作为参照，每小时 0.35 美元是本次对比中最便宜的音频，便宜了整整十三倍；但它同时也是其中最没用的一项，因为一个无法进行双向对话的 1B 检查点，根本谈不上在价格上与 G​rok Voice 3.0 竞争。它竞争的对手，是你原本就在用的随便哪款旁白工具。

为什么耳朵测试与指数会不一致，以及哪一个才是错的

它们并不冲突。它们回答的是不同的问题，而其中只有一个问题可以在公开场合回答。

Sesame Preview 的声誉取决于一个声音在听众耳中听起来如何：呼吸、迟疑、打断的时机、那种电话那头是个真人的感觉。这确实算得上是某种真实证据——那场演示说服了数十万人以及那些没有理由格外宽容的评测者——但它完全没有被量化。没有竞技场参赛记录，没有关于生产环境所用声音的公开评测，也没有样本量。无论朝哪个方向，每一条质量断言都只是一次聆听印象。

Grok Voice 3.0 的 86.9 属于相反类型的证据。它分解为接近上限的语音推理：在 Full Duplex Bench 上为 97.0%，在 τ-Voice 上为 71.6%，竞技场 Elo 为 1070，任务成功率为 94.8%；每一项都在一个已发布的评测框架下测量，外部团队可以阅读它、复核其中的计算，并对其提出异议。综合指数是一种权重选择，而竞技场部分在模型获得资格的那一刻就被冻结，而不是追踪实时 Elo——但任何人都能看到这些异议，这正是它成为一项测量而非一种声称的原因。

董事会没有衡量的是，你是否享受与它对话。而这次发布里有一个具体数字恰好落在这个维度上：Grok Voice 3.0 在 0.81 秒内开始说话，而它所取代的模型是 0.70 秒。这款旗舰产品起跑比自己的前代慢了 0.11 秒——这恰恰是听者比基准测试更早察觉的那类细节。

四智能体设计告诉你什么

Sesame 的四种人格并非营销细节；它们是一项架构决策，而且与 SpaceXAI 所做的决策恰恰相反。

Maya、Miles、Simone 和 Charlie 是固定的语音角色，具有固定的性情，记忆按每个智能体分别划定范围。也就是说，这个产品围绕这样一个假设构建：语音就是交付成果，个性就是核心功能。没有语音定制，没有声音克隆，也没有从消费级应用通向 API 的路径——免费层级本身就是产品，而公司宣称的方向是研究合作和一款计划中的硬件设备，而不是开发者平台。

G​rok Voice 3.0 则走的是另一条路。它自带 S​paceXAI 的内置语音集，另有一个独立的自定义语音端点，可基于最长 120 秒的参考音频片段训练语音，生成的 voice_id 可同时用于实时 API 和流式文本转语音。其会话支持工具，因此智能体可以在对话中途调用你的后端，而不只是口头谈论它。

哪个更好，取决于你是在出售一种体验，还是在构建一种体验。一个出厂即配备四种优秀固定人格的语音产品，用一个决定就解决了品牌塑造与集成问题。一个带有克隆端点的语音产品，则用一个决定把合规面和本地化工作流一并交到你手上。两者都不是错误，它们指向的是不同的客户。

路由问题实际上落在哪里

OrcaRouter 不提供这两种语音层中的任何一种。Grok Voice 3.0 运行在 SpaceXAI 自有的实时 WebSocket 之后，而任何东西都无法介入由单一供应商拥有的双工音频会话；Sesame Preview 则根本没有任何可供路由的端点。若说不是这样，就等于在描述一种并不存在的能力，而这个领域里满是恰恰这么做的平台。

可路由的部分，是两个产品都默默依赖的那一层。Sesame 的智能体会在对话中途搜索网络，并在之后发送一份摘要；G​rok Voice 3.0 的 tools 数组会去够到任何回应它的后端，而任何比内联调用更重的东西，都会变成对话背后的文本模型请求。这部分工作按请求计量，单次调用成本中有相当一部分正是在这里累积起来的，而且它是语音产品中可以在底层音频模型变化时保持不变的那一半——考虑到grok-voice-latest/ 在一个季度内已经变动了两次，这一特性值得拥有。来自十几家上游供应商的二百零七个模型，只需一个密钥即可调用，按提供商列表价提供、零加价，并在提供商性能下降时自动故障转移，还提供用于把多个模型组合成一次调用的路由 DSL，以及在单个模型的判断力不足时进行模型融合。由于没有任何加价，这些模型中任何一个的供应商降价，都会当天在这里生效。

推荐内容，按你的身份划分

如果你是消费者，想要当今可用的音质最佳对话语音，且无意集成任何东西，那么 Sesame Preview 免费，它同时登陆两大移动平台，其声誉实至名归，评论者不断予以证实，本文任何内容都不会改变这一点。用它，尽情享受吧。

如果你正在构建，决定其实已经做出，而其中的理由值得内化。你无法调用 Sesame Preview，无法固定它的音色，也无法拿它跟任何东西做基准测试——所以关于它的每一次采购讨论最终都会落到同一个地方：在两个双方都无法评分的选项之间做一场听力测试。Grok Voice 3.0 会给你一份价目表、一个带版本号的模型字符串、一份转写、一个克隆端点，以及一个你可以据理力争的榜单分数。拿到它之后要做的第一件事，就是固定你的版本，因为别名已经在未经询问的情况下被切到它上面了。

如果你是一位想要看到那种有意思的失败的研究者：对这对组合的诚实总结是，这个品类已经证明了自己能做出值得一听的声音，却尚未决定这种声音是否应当以应用之外的任何形式出售。Sesame 做出了更好的体验，并将它封闭保留。SpaceXAI 做出了更好的组件，并公开了那个数字。留意 Sesame 推出带 API 的版本——那才是会让这一页变得过时的发布。

记分板所衡量的内容与实际部署所面对的情况之间的那道落差，正是这份记录之所以重要的原因：围绕这一类模型已有记录在案的人工智能故障与智能体事件，都汇集在OrcaRouter AI Incident Archive，其中每一条都带有自己的来源、严重程度、置信度等级和争议标记。