xAI 发布 Grok Voice 3.0：语音对话基准登顶，价格不变

发生了什么

据多家科技媒体 10 月 14–15 日报道，xAI（马斯克旗下 AI 公司）发布语音对话模型 Grok Voice 3.0，并接入其 Voice Agent API。独立测试机构 Artificial Analysis 10 月 13 日的数据显示，该模型在 Speech-to-Speech Index 上以 86.9 分排名第一。

据 xAI 公布，Grok Voice 3.0 领先 GPT-Live-1（Astra，中等推理，83.2）、Gemini 3.8 Live（扩展思考，高，82.6）和上一代 Grok Voice 2.0（81.3）。该指数由语音推理、τ-Voice 智能体表现、盲测偏好与任务成功率四项等权合成。

分项上，语音推理（Big Bench Audio）98.5%（2.0 为 97.2%），全双工对话（Full Duplex Bench）97%（2.0 为 95.1%）；τ-Voice 客服呼叫任务成功率从 2.0 的 56.5% 升至 71.6%，仍低于 GPT-Live-1 的 74.5%，但 xAI 称首音频延迟低 40%（0.81 秒对 1.34 秒）。ServiceNow 的企业语音智能体基准 EVA-Bench 上，准确率为 74%。

关键事实

1. 价格不变：API 价格维持每分钟 8 美分，与 2.0 相同；grok-voice-latest 别名已自动指向新版，老用户无需改代码。
2. 已落地场景：Grok Voice 驱动 Grok Bot 的语音模式与特斯拉车内对话；支持从最长 120 秒的参考音频定制声音。
3. 基准说明：Artificial Analysis 的指数综合四项指标，并非对真实客服通话全貌的单一评分；τ-Voice 单项上 GPT-Live-1 仍领先。