SpaceXSI发布Grok Voice 3.0

埃隆·马斯克旗下的人工智能公司（原 xAI，现称 SpaceXSI）正式推出端到端语音模型 Grok Voice 3.0。该模型面向处理客户支持和销售电话的语音 AI 智能体开发，上线即登上第三方评测机构 Artificial Analysis 的端到端语音基准榜单（Speech-to-Speech Index）首位。

根据官方公告，Grok Voice 3.0 已接入 Voice Agent API，定价为每分钟 0.08 美元（折合每小时 4.80 美元），与上一代 Grok Voice 2.0 持平。

基准测试登顶

Artificial Analysis 数据显示，Grok Voice 3.0 综合得分达到 86.9 分，超过了 GPT-Live-1（Astra medium）的 83.2 分和 Google 的 Gemini 3.8 Live（82.6 分），较 Grok Voice 2.0 的 81.3 分提升了 5.6 分。

在细分测试中：

• 任务成功率排名第一，达 94.8%
• Big Bench Audio 推理测试得分为 98.5%
• ServiceNow 面向企业语音的 EVA-Bench 准确率得分为 74%，位居榜首
• 人类盲测偏好投票（Elo 机制）得分为 1070 分，位列第三

不过，该模型并未在所有项目全面领先。在重口音及强背景噪音的客服场景基准 Tau-Voice 中，OpenAI 模型以 74.5% 的得分略高于 Grok 的 71.6%。在首字音频延迟方面，Grok Voice 3.0 平均首包时间为 0.81 秒，快于竞争对手，但慢于上一代版本的 0.70 秒。

成本方面，Artificial Analysis 测算该模型单任务成本约为 0.025 美元，低于 GPT-Live-1 的 0.030 美元和 GPT-Realtime-2.1 的 0.055 美元。按小时计费，Grok 的每小时 4.80 美元高于 Gemini 3.8 Live 的 3.50 美元，但低于 GPT-Live-1 Astra 的 5.83 美元。

落地 Starlink 与特斯拉

官方数据显示，Starlink 呼叫中心每天利用 Grok Voice 处理约 2 万通电话，其中约 70% 由 AI 独立解决而无需人工干预。在销售电话中，约 25% 促成了实际购买。单个 AI 智能体即可完成客户身份核验、硬件故障排查、发放退款抵扣并安排寄送更换设备。

此外，该模型目前在特斯拉车载系统中每天处理数百万次语音对话。使用 grok-voice-latest 别名的开发者已被自动迁移至新版本。

客服行业加速转型

此项技术的推出正值全球呼叫中心岗位持续收缩。相关数据显示，全球呼叫中心就业人数已连续八个季度同比下降，较 2023 年 12 月的峰值下降了 5.3%。例如 Salesforce 在引入 AI 技术后，已将客服团队规模从 9000 人缩减至约 5000 人。