【CNMO 科技消息】10 月 15 日，据外媒报道，马斯克旗下人工智能公司 xAI 宣布推出 Grok Voice 3.0 语音模型，并已通过语音代理 API 开放使用，定价为每分钟 0.08 美元，与上一代产品相同。xAI 表示，Grok Voice 已用于特斯拉车辆语音交互及 SpaceX 旗下星链客服中心，后者每天处理约 2 万通多语言客户来电，约 70% 的来电无需人工介入即可解决。
据独立 AI 评测平台 Artificial Analysis 公布的测试结果，Grok Voice 3.0 在 Speech-to-Speech Index（语音到语音综合指数）中获得 86.9 分，首次参评即排名第一。作为对比，OpenAI 的 GPT-Live-1（Astra，中等推理配置）得分 83.2，谷歌 Gemini 3.8 Live Extended Thinking（高推理配置）得分 82.6，GPT-Live-1（Sol，低推理配置）得分 80.1。Grok Voice 3.0 较上一代 Grok Voice 2.0 的 81.3 分提高 5.6 分，较 Grok Voice 1.0 的 73.7 分提高 13.2 分。
在具体指标上，Grok Voice 3.0 的表现有所分化。任务成功率方面，模型在 Speech Agent Arena 测试中以 94.8% 位列第一，略高于 Grok Voice 2.0 的 94.6%。语音智能体执行能力方面，在 Tau Voice 测试中得分 71.6%，仅次于 GPT-Live-1（Astra，中等配置）的 74.5%，大幅高于 Grok Voice 2.0 的 56.5%。音频推理方面，在 Big Bench Audio 测试中得分 98.5%，超过谷歌相关模型的 97.7% 和上一代 Grok Voice 2.0 的 97.2%。但在用户偏好方面，其 Elo 评分为 1070，低于 Gemini 3.1 Flash Live Minimal 的 1100 和 Gemini 3.8 Live 的 1088，排名第三。
对于需要实时交互的语音智能体，响应延迟是影响用户体验的关键指标。Artificial Analysis 的测试显示，在 Big Bench Audio 测试中，Grok Voice 3.0 的平均首次音频响应时间为 0.81 秒，较 Grok Voice 2.0 的 0.72 秒略慢，但仍在 1 秒以内。xAI 在官方发布中称，Grok Voice 3.0 可在不到 1 秒内响应客户，成本低于业内前沿模型。
