xAI 发布 Grok Voice 3.0 语音模型

今天，我们宣布推出 Grok Voice 3.0，全球最智能的语音到语音模型。它在解决客户支持通话方面创下新纪录，延迟处于同类领先水平，低于一秒，且成本低于其他前沿模型。Grok Voice 每天为 Tesla 和 SpaceX 的数百万次对话提供支持，今天已在 API 中上线，价格与前代相同。

最准确的语音模型

在 Artificial Analysis 的独立测试中，Grok Voice 3.0 在 Speech-to-Speech Index 上排名第一，得分为 86.9。该指数综合了语音推理、τ-Voice，以及盲测一对一通话中的偏好和任务成功率。Grok Voice 3.0 在 Full Duplex Bench 上也获得 97% 的分数，该基准衡量其处理停顿、轮流发言和打断的自然程度。

Grok Voice 3.0 与竞争模型在语音到语音基准上的对比，依据 Artificial Analysis。
基准	Grok Voice 3.0（本次发布）	Grok Voice 2.0	GPT-Live-1（Astra，Medium）	Gemini 3.8 Live（Ext. Thinking，High）
总体 AA Speech-to-Speech Index	86.9	81.3	83.2	82.6
语音推理 Big Bench Audio	98.5%	97.2%	90.1%	97.7%
人类偏好 Speech Agent Arena Elo	1070	1011	1048	990
任务完成任务成功率	94.8%	94.6%	87.4%	89.1%
对话动态 Full Duplex Bench	97.0%	95.1%	94.9%	91.9%

τ-Voice 衡量智能体处理带有不同口音、背景噪音和打断的支持通话的能力。Grok Voice 3.0 得分为 71.6%，与 GPT-Live-1（Astra）相当，但延迟低 40%，在智能体智能与响应速度之间树立了新的前沿。

它的运行成本也低于同类模型。Artificial Analysis 测量了每个模型在其 Big Bench Audio 运行中完成任务所需的成本，Grok Voice 3.0 低于 GPT-Live-1（Astra，Medium）和 GPT-Realtime-2.1。

每任务成本低于同类模型

Artificial Analysis 的 Big Bench Audio 运行中每任务平均成本，美元。越低越好。

在 EVA-Bench 上，即 ServiceNow 面向企业语音智能体的基准，Grok Voice 3.0 取得了 74% 的最高准确率得分，并且在准确率和客户体验的综合评分中表现最佳。

“Grok Voice 3.0 在 EVA-Bench 上树立了新的帕累托前沿。EVA-Bench 是 ServiceNow 的开源基准，在 200 多个真实企业场景中对语音智能体的准确率和体验进行评分。它将顶尖准确率与自然、响应迅速的对话相结合，为企业在前线客户服务中对 AI 的期待树立了新标准。”

Nitin Aggarwal，ServiceNow 产品管理高级总监，负责 Agentic Evals 和 RAI

被 Tesla 和 SpaceX 数百万客户使用

Grok Voice 3.0 每天在 Tesla 车辆中处理数百万次对话。驾驶员可以使用 Connectors 处理简单请求，例如查看日历或回复电子邮件，并使用 Grok Bot 处理更大的任务，例如点咖啡或预订晚餐——全程完全免手操作（在 X 上查看）。Grok Voice 3.0 也为 Grok Bot 的语音模式提供支持。

Starlink 呼叫中心使用 Grok Voice 每天以多种语言接听 20,000 通客户来电。约 70% 无需人工介入即可解决，四分之一的销售通话在来电者挂断前完成购买。一个基于 Grok Voice 3.0 构建的单一代理即可验证客户身份、排查硬件故障、发放信用额度并寄送替换设备。

定价与可用性

Grok Voice 3.0 即日起在 Voice Agent API 中提供，价格为 $0.08 / 分钟（$4.80 / 小时），与 Grok Voice 2.0 相同。使用 grok-voice-latest 的代理已自动切换，无需任何更改。

开始使用 Grok Voice 构建

免费试用查看文档