xAI发布Grok Voice 3.0语音模型

Grok Voice 3.0 在 Artificial Analysis 的 Speech-to-Speech Index 上排名第一。 Grok Voice 3.0 在 Tesla 内部投入使用。它每天在 Tesla 中处理数百万次对话。驾驶者可以用 Connectors 处理简单请求，比如查看日历或回复邮件，用 Grok Bot 处理更大的任务，比如点咖啡或订晚餐——全程完全免手操作（见 X）。Grok Voice 3.0 也为 Grok Bot 的语音模式提供支持。

SpaceXAI 发布 Grok Voice 3.0，以 86.9 分登顶 Artificial Analysis 的 Speech-to-Speech Index，超过 OpenAI 和 Google，GPT-Live-1（Astra，Medium）为 83.2 分。在 τ-Voice 模拟订票与账单争议任务上，Grok 成功率从 Grok Voice 2.0 的 56.5% 升至 71.6%，响应速度比 GPT-Live-1 快 40%，Big Bench Audio 单任务成本 0.025 美元，低于 GPT-Live-1 的 0.030 美元和 GPT-Realtime-2.1（High）的 0.055 美元。该模型已在 Tesla 中每天处理数百万次对话，并驱动 Grok Bot 的语音模式。

Grok Voice 3.0 的输入音频价格为每小时 $4.80，与 Grok Voice 2.0 相同。这高于 GPT-Live-1 (Sol, low) 的 $4.47 和 Gemini 3.8 Live Extended Thinking (High) 的 $3.50，低于 GPT-Live-1 (Astra, medium) 的 $5.83，比 GPT-Realtime-2.1 High（$10.75）便宜约 2.2 倍。

Grok Voice 3.0 在 Big Bench Audio 基准上的平均首音频时间（Time to First Audio）为 0.81 秒，比 GPT-Live-1（Astra，medium）（1.34 秒）和 Gemini 3.8 Live Extended Thinking（High）（1.35 秒）快约 40%，这两者是我们 Speech to Speech Index 中紧随其后的两个模型，而 Grok Voice 3.0 仅略逊于 Grok Voice 2.0 的 0.70 秒。这使其大幅领先于 GPT-Live-1（Sol，low）（1.24 秒），Grok Voice 3.0 和 Grok Voice 2.0 是我们 Speech to Speech Index 前 5 名中仅有的低于 1 秒的模型。

将 Grok Voice 3.0 与其他语音到语音模型进行对比：https://artificialanalysis.ai/models/speech-to-speech Speech Agent Arena 排行榜：https://artificialanalysis.ai/speech-to-speech/arena 方法论：https://artificialanalysis.ai/methodology/speech-to-speech-benchmarking

在我们的语音推理基准 Big Bench Audio 上，Grok Voice 3.0 得分 98.5%，领先 Gemini 3.8 Live Extended Thinking (High)（97.7%）和 Grok Voice 2.0（97.2%），落后于 StepAudio 3 Realtime 的 99.7%、Qwen Audio 3.0 Realtime Plus 的 99.2% 和 Qwen3.5 Omni Plus Realtime 的 98.7%。

Grok Voice 3.0 在我们的智能体性能基准 Tau Voice 上以 71.6% 拿下第 2 名，落后于 GPT-Live-1（Astra，medium）的 74.5%，领先于 Gemini 3.8 Live Extended Thinking（High）的 68.6% 和 GPT-Live-1（Sol，low）的 59.3%——较 Grok Voice 2.0 的 56.5% 有所提升。

Artificial Analysis 的 Speech Agent Arena 盲测语音对话榜单中，Grok Voice 3.0 首次上榜即位列第三，Elo 为 1070，落后于 Gemini 3.1 Flash Live Minimal（1100）和 Gemini 3.8 Live（1088），领先 GPT-Live-1（Sol, low）的 1057。其任务成功率为 94.8%，在该项指标上排名第一，高于 Gemini 3.8 Live 的 93.2%。Grok Voice 2.0 的 Elo 为 1011，任务成功率 94.6%。

SpaceXAI 的 Grok Voice 3.0 在 Artificial Analysis 语音对语音指数上以 86.9 分首次登顶，超过 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live Extended Thinking（High）的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。

Grok Voice 3.0 是唯一一个在模拟客服通话中突破 60% 的模型，同时能在 1 秒内开始说话

SpaceXAI 发布 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech Index 上以 86.9 登顶，超过 OpenAI 和 Google，GPT-Live-1（Astra，Medium）为 83.2。

Grok Voice 3.0 今日发布，我们的前沿语音到语音模型