xAI发布Grok Voice 3.0 登顶语音榜

马斯克旗下的人工智能公司xAI发布语音到语音模型Grok Voice 3.0，称其为“全球最智能的语音模型”，并已通过Voice Agent API开放使用，定价维持每分钟0.08美元不变；使用grok-voice-latest标识的存量应用无需改代码即可自动切换到新版本。

在独立评测平台Artificial Analysis的语音到语音综合指数（Speech-to-Speech Index）中，Grok Voice 3.0以86.9分首次参评即排名第一，高于OpenAI GPT-Live-1（Astra，中等推理配置）的83.2分、谷歌Gemini 3.8 Live的82.6分，较上一代Grok Voice 2.0的81.3分提升了5.6分。

具体指标上，新模型在Big Bench Audio音频推理测试中拿到98.5%，超过谷歌相关模型的97.7%；τ-Voice客服场景测试得71.6%，与GPT-Live-1（Astra）相当，但官方称其端到端延迟低约40%、响应时间低于1秒。不过在用户盲测偏好上，其Elo评分1070，仍低于Gemini 3.1 Flash Live的1100分和Gemini 3.8 Live的1088分，暂列第三。

xAI强调模型已在自家高并发场景中落地：Grok Voice每天在特斯拉车内支撑数百万次语音对话，驾驶员动口就能查日程、回邮件、点咖啡、订晚餐；星链（Starlink）客服中心每天以多种语言接听约2万通来电，其中约七成无需人工介入即可解决，约四分之一的销售通话在客户挂断前就完成了下单。

语音赛道的竞争正日趋白热化。今年9月，OpenAI的GPT-Live-1曾借GPT-6 Astra反超Grok Voice 2.0，此番xAI夺回榜首。有分析认为，xAI选择同价升级而非涨价，意在先借特斯拉、SpaceX的高并发闭环场景跑通语音智能体，再以成熟形态向外部企业客户外溢；而竞争对手的短板，恰恰在于部署规模与数据闭环。

编译自 xAI官方公告，原标题：“Grok Voice 3.0: the world's most intelligent voice model”