有助於理解文章的圖片
Voice Agent API即日起提供使用
xAI於2026年10月14日（當地時間）公開語音模型Grok Voice 3.0，開發者可直接透過Voice Agent API使用。新模型從接收指令到首次輸出語音的時間不到1秒，收費維持與Grok Voice 2.0相同，每分鐘0.08美元、每小時4.80美元。
Grok Voice 3.0的模型識別碼及別名為「grok-voice-latest」。原本已使用這組別名的開發者不必修改程式碼，系統便會自動切換至新版模型。
語音推理與同步對話成績提升
依xAI公布的數據，Grok Voice 3.0在AA Speech-to-Speech Index獲得86.9分，高於Grok Voice 2.0的81.3分、OpenAI GPT-Live-1（Astra、Medium）的83.2分，以及Gemini 3.8 Live的82.6分。
負責該指數的獨立評測機構Artificial Analysis表示，評分由語音推理Big Bench Audio、同步對話能力Full Duplex Bench的部分項目，以及代理任務能力τ-Voice等三項等權重組成。不過，Artificial Analysis於2026年6月23日公布的指數說明中，並未列入Grok Voice 3.0的評測結果。
在xAI公布的Big Bench Audio測試中，Grok Voice 3.0語音推理得分為98.5%，高於前代的97.2%、GPT-Live-1的90.1%與Gemini 3.8 Live的97.7%。每項任務成本約為2.5美分，低於GPT-Live-1的3美分及GPT-Realtime-2.1的5.5美分。
Speech Agent Arena Elo評分方面，Grok Voice 3.0為1070分，Grok Voice 2.0為1011分，GPT-Live-1為1048分，Gemini 3.8 Live則為990分；四款模型的任務成功率依序為94.8%、94.6%、87.4%及89.1%。
速度占優勢 代理任務準確率仍有取捨
在評估同時收發語音能力的Full Duplex Bench中，Grok Voice 3.0取得97.0%，優於Grok Voice 2.0的95.1%、GPT-Live-1的94.9%與Gemini 3.8 Live的91.9%。
不過，在τ-Voice測試中，GPT-Live-1以74.5%領先Grok Voice 3.0的71.6%；Grok Voice 2.0及Gemini 3.8 Live則分別為56.5%與68.6%。xAI表示，新模型首度輸出語音所需時間不到1秒，延遲較GPT-Live-1低約40%，並將速度優勢與GPT-Live-1較高的τ-Voice準確率形容為效能上的取捨。
Tesla與Starlink導入實際營運
在ServiceNow針對企業語音代理設計的EVA-Bench Accuracy測試中，Grok Voice 3.0依xAI資料取得74%的準確率。實際應用方面，Tesla據報每天透過這款模型處理數百萬次對話；Starlink每天約2萬通客服電話中，也有70%可在無須人工介入的情況下完成處理。
留言
張貼留言