Grok Voice 3.0 對比 Grok Voice Think Fast 2.0：免費升級、實質提升、一項退步

所取代的模型Grok Voice 3.0，就是你在 Artificial Analysis 上以另一個名稱會找到的同一個模型。在排行榜上搜尋Grok Voice Think Fast 2.0，你不會找到它；搜尋 Grok Voice 2.0，你就會找到 81.3，而那正是這個較早模型自家的發布報導在「High」配置標籤下為 Think Fast 2.0 所報導的數字。SpaceXAI 的 API 將該模型 ID 稱作 grok-voice-2.0，其發布說明則把七月世代稱為 Grok Voice 2.0，而當初介紹它的公告卻使用了 Think Fast 這個名稱。因此，當 SpaceXAI 於 2026 年 10 月 14 日棄用 grok-voice-2.0，並將 grok-voice-latest 指向 grok-voice-3.0 時，它淘汰的模型，被自家的排行榜列與自家的行銷名稱描述成兩個東西。

實際後果是：許多團隊早已收到的一項升級——悄無聲息、無需部署，因為別名已切換——比命名混淆所暗示的更大，但比指數差距所暗示的更小。兩個模型皆按每分鐘 0.08 美元與每筆文字輸入 0.004 美元計費，因此價格並未改變。但品質大多變了。

升級能換來什麼，逐一拆解每個元件

本節中的所有數據均來自 Artificial Analysis 的自家測試；Grok Voice 3.0 的測試日期為 2026 年 10 月 13 日，而即將退場的世代則取自同一測試基準。

• 語音對語音指數 — Grok Voice 3.0 為 86.9，相較於 Grok Voice Think Fast 2.0 的 81.3。5.6 點的綜合增益，聽起來像是版本號提升，直到你把它拆解開來。

• 代理式效能，τ-Voice — 71.6% 對 56.5%。這正是這次發布真正的重點所在。多輪任務完成率上的這十五個百分點，就是能處理腳本化通話的語音模型，與能處理帶有分支通話的語音模型之間的差別。

• Speech Agent Arena 偏好 — Elo 1070 對 1011。人類偏好差距達五十九分，且是排行榜上最高紀錄。

• 對話動態、Full Duplex Bench — 97.0% 對 95.1%。在插話與輪替發言上將近兩分，而這正是這條模型系列最初就是為了取勝而打造的軸線。

• 語音推理，Big Bench Audio — 98.5% 對 97.2%。兩者實際上皆已達上限。

• 任務成功率 — 94.8% 對 94.6%。在量測誤差範圍內持平。若你的評估方式是單輪請求能否正確完成，這兩個模型得分相同，這次升級等於看不見。

• 首次音訊時間——Grok Voice 3.0 為 0.81 秒，而 Grok Voice Think Fast 2.0 為 0.70 秒。

• 價格 — 雙方相同。每分鐘 $0.08，每小時 $4.80，另加每則文字輸入 $0.004。

迴歸，以及為何這才是有趣的部分

請把最後兩行放在一起讀。Grok Voice Think Fast 2.0 將首次音訊輸出時間從自家前代的 1.25 秒縮短到 0.70 秒，而 xAI 大力宣傳這個數字——它在 2026 年 7 月下旬推出時，是該類別中已公布的最快數據，至今也仍比排行榜上其他任何產品都快。Grok Voice 3.0 則把其中 0.11 秒還了回去。

那不是醜聞，也不是意外。那是 τ-Voice 躍進的可見代價。xAI 為了把多輪任務完成率從 56.5% 提升到 71.6% 而加進模型的任何東西，都會讓第一個音訊幀之前多耗時間，而再多的提示工程也救不回來，因為延遲存在於模型內部，而不是在它前面。

值得直說的是，這顛覆了原本的推銷賣點。多數情況下，團隊選擇 Think Fast 2.0，是為了那 0.70。如果這正是你的技術堆疊採用該模型的原因，那麼後繼模型在你當初購買它所看重的那項特性上，表現明顯更差；而誠實的做法，是衡量增加 0.11 秒延遲所付出的代價，是否大於任務完成率提升 15 個百分點所帶來的效益。在電話語音部署中，答案往哪個方向都不明顯，而且取決於代理程式在你通話流程中的哪個環節實際執行工作。

別名已移動，而那並不是註腳。

grok-voice-2.0 自 10 月 14 日的版本起已遭棄用，而 grok-voice-latest 現在會指向 grok-voice-3.0。任何針對該別名進行部署的人，都會自動被切換到新模型，無須修改任何程式碼，日誌中也没有任何跡象顯示此事。

將這件事對照時間軸來看，它就成了模式，而非單一事件。在 2026 年 8 月 5 日——距離本次發布約十週——grok-voice-latest 被指向如今稱為 Think Fast 2.0 的模型，而想留在上一代的開發者必須在該日期前鎖定帶版本編號的模型 ID，否則就得接受這項變更。這是在單一季內發生兩次無聲切換，每次都讓延遲特性改變超過十分之一秒，既沒有版本資訊清單，也沒有事先公告的棄用期。

對聊天機器人來說，這沒問題。但對於電話系統——若其回歸測試套件是針對某個特定語音的時間特性撰寫，或有 SLA 標明互動延遲——這就意味著該別名並非它表面上那樣的抽象層。在正式環境中固定使用帶版本的 ID，並將 grok-voice-latest 視為預備環境的便利選項，而非部署目標。

沒有改變的是什麼，以及一件延續下來的事

這次升級幾乎可直接替換，而值得具體說明原因，因為另一條路——例如 GPT-Live-1——需要改寫 WebRTC 的音訊傳輸，並採用一種在此處沒有對應做法的委派模式。Grok Voice 3.0 沿用相同的即時 WebSocket 端點、相同的 session.update 參數、相同的事件名稱、相同的 bearer token 握手流程，以及相同的短效臨時權杖用於用戶端連線。語音維持不變，而可從長達 120 秒的參考音訊片段訓練語音的自訂語音端點，所產生的 id 仍可如以往般在即時 API 與串流文字轉語音中通用。

真正沿襲下來、而非有所提升的，是轉錄端的證據。前一代在行銷上大力主打詞錯誤率——xAI 表示，他們評估了 24 種語言中的數千個短語，發現錯誤率比包括 Deepgram Nova 3 和 ElevenLabs Scribe v2 在內的專用語音轉文字模型低 1.5 到 2.0 倍，比自家前代低 1.4 倍，而在有背景噪音與電話壓縮的嘈雜條件下，錯誤率約低 10 倍。那些都是廠商數據，從未經獨立重現。Grok Voice 3.0 的發布資料並未重申這些數據，這既不構成確認，也不構成撤回。如果雜訊通道準確度對你的部署至關重要，這就是你必須自行重新測試、而不能從排行榜上讀來的少數事項之一。

試試新的那個，但不把電話線押在它上面。

版本鎖定在這裡之所以成本這麼低，是因為 Grok Voice 3.0 沒有任何部分難以並排架設——而在這個堆疊中之所以值得有路由器，不是因為音訊層（那專屬於 xAI），而是因為音訊層所呼叫的一切。

OrcaRouter 並不提供 Grok Voice 即時端點，也不可能提供；雙工音訊 WebSocket 是單一廠商的介面。我們所運行的是語音模型所取用的文字層。語音部署是語音模型加上分類器、摘要器、檢索步驟與工具呼叫後端，而那一半是普通的按請求計量推論：單一金鑰就能使用 200 多個模型，以供應商牌價提供，零加成，因此該層任何一處的供應商降價，當天就會反映到我們這邊，而不是等到續約時；供應商服務降級時自動容錯移轉，對即時通話而言，這正是重新嘗試查詢與讓來電者斷線之間的差別；以及一個可讓你將多個模型組合進單次呼叫的路由 DSL，並在不觸碰音訊路徑的情況下，針對即時流量切換組合。

正是這樣的結構讓釘選版本變得便宜。讓 grok-voice-2.0 留在正式環境，把第二個環境指向 grok-voice-3.0，並讓同一批後端模型同時回應兩者——如此一來，比較所衡量的就只有你實際更動的那一個變數，而底下的程式碼路徑在兩個方向上完全相同。

判決，每項一行

如果你的代理會實際做事，而不是只會對話，那就升級。在價格不變下，τ-Voice 提升 15 分、arena 偏好提升 59 分，是今年這個類別中最明顯的不花代價換取價值的交易，而且整合上沒有任何部分需要為此更動。

如果你的整個論點都建立在 xAI 語音產品線的 0.70 秒起步上，那就先鎖定並測試。該屬性現在是 0.81，擊敗它的模型仍在運行，而且它已被棄用，而非移除。

別管命名。Grok Voice Think Fast 2.0、Grok Voice 2.0 以及 API id grok-voice-2.0 全都指向同一個世代，而如果你一直在看的排行榜只列出其中一個名稱，那你其實一直是在某個標籤下讀到正確的數字，只是你自己的設定檔並未使用那個標籤。

像這樣的比較，也正是失效模式會浮現的地方：這一類模型背後有紀錄的 AI 事故與代理失效，都彙集在OrcaRouter AI 事故檔案庫，其中每一筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。