一个让客服电话"闭嘴"的发布
10 月 14 日,xAI 正式推出 Grok Voice 3.0——按官方说法,这是当前"全球最智能的语音转语音模型"。这套模型已经在 Tesla 车机、Starlink 客服系统里每天承接百万级真实对话。Starlink 客服中心用它每天接 2 万通多语种电话,**约 70% 全程无人工介入就解决了,销售电话里每 4 通就有 **一通在挂断前完成下单。
数字之外,这轮升级最值得说的是定位:Grok Voice 3.0 不是在追一个"更像人"的语音助手,而是在抢"Agent 时代的对话入口"。Voice API 文档已经把它和 Grok Bot、Tesla Connectors 这些可执行任务的 Agent 框架绑在一起——你说一句话,它能调用工具、完成客服工单、甚至下单。这就是它和 GPT-Live-1、Gemini 3.8 Live 这种"会聊天"的语音模型之间最大的分野。
Artificial Analysis 怎么说:S2S Index 86.9,五项核心指标全部第一
Artificial Analysis 在 10 月 13 日发布的独立测评里,Grok Voice 3.0 在 Speech-to-Speech Index 上拿到 86.9 分,直接压过 GPT-Live-1 (Astra, Medium) 的 83.2、Gemini 3.8 Live (Extended Thinking, High) 的 82.6,以及自家上一代 Grok Voice 2.0 的 81.3。
把指数拆开看,每一项都是第一名:
| 指标 | Grok Voice 3.0 | GPT-Live-1 | Gemini 3.8 Live |
|---|---|---|---|
| S2S Index(综合) | 86.9 | 83.2 | 82.6 |
| Big Bench Audio(语音推理) | 98.5% | 90.1% | 97.7% |
| Task Success Rate(任务完成率) | 94.8% | 87.4% | 89.1% |
| Full Duplex Bench(全双工对话) | 97.0% | 94.9% | 91.9% |
| Speech Agent Arena Elo | 1070 | 1048 | 990 |
全双工这块,Grok Voice 3.0 在处理停顿、抢话、自然交互上的得分是 97%,比 Gemini 高出 5 个百分点——这是"会不会打断用户"、"会不会在用户停顿时傻住"这类体验级指标。
速度与成本:Agent 落地的两条硬指标
语音模型能不能上生产,只看准确率是不够的。延迟和单任务成本决定它值不值得替换人工。
Artificial Analysis 的 τ-Voice 测试(模拟各种支持电话场景、口音、背景噪音)给 Grok Voice 3.0 打了 71.6% 的成功率——略低于 GPT-Live-1 的 74.5%,但首音频延迟比 GPT-Live-1 低 40%。在对话式 Agent 场景里,延迟超过 1.5 秒就开始让用户怀疑"对面是不是真人",所以这 40% 不是参数游戏,是用户体验的根本性差别。
成本也压得很狠。完成同一组任务,Grok Voice 3.0 单任务成本 $0.025,比 GPT-Live-1 的 $0.030 低 17%,比 GPT-Realtime-2.1 的 $0.055 直接砍掉一半多。定价上,Voice Agent API 维持 $0.08/分钟($4.80/小时) 与上一代同价,所有用 grok-voice-latest 切到新版的 Agent 自动无缝升级。
企业语音 Agent 的实战分:EVA-Bench 拿下 74%
ServiceNow 维护的 EVA-Bench 是当前少数专门评估"企业语音 Agent"的开放基准,200 多个真实场景、跨多语种。Grok Voice 3.0 在准确率上拿了 74%,是当前所有参与模型里的第一。ServiceNow 高级产品总监 Nitin Aggarwal 在引用里给了一句相当重的评语:"Grok Voice 3.0 在 EVA-Bench 上划出一条新帕累托前沿——把顶级准确率和响应式对话合在一起,这是企业客服一线 AI 期待的新标准。"
所以呢:语音模型终于从"玩具"走向"产线"
过去两年,语音模型的故事都是"更像人""更自然""更有温度"。但要真正替代人工,光像人没用——必须在成功率、延迟、成本上证明它比请一个人便宜、比请一个人快。Grok Voice 3.0 这次走的就是这条路:S2S Index 第一、Task Success 94.8%、延迟 <1 秒、$0.025/任务。把这条线的成本打穿,语音 Agent 才能从"演示片段"走成"客服中心的标配"。
马斯克的赌注很清楚——语音是 Agent 时代最自然的入口,谁先把这个端点做到上生产质量,谁就拿到下一波企业 AI 预算的入场券。这一次,xAI 拿出了 4 个独立榜单(AA、Big Bench、Full Duplex、EVA-Bench)+ 真实部署(Tesla、Starlink)的双证据链,值得当回事看。
参考来源:xAI 官方公告 Grok Voice 3.0 及独立第三方报道 SiliconANGLE Grok Voice 3.0 outscores OpenAI and Google。