SpaceXAI 于10月15日正式发布 Grok Voice 3.0，官方称其为当前全球智能水平最高的语音转语音模型。该模型在客服电话处理任务上创下新纪录，延迟低于1秒，运行成本低于同级别前沿模型。目前 Grok Voice 3.0 已通过语音智能体应用程序接口上线，定价为每分钟0.08美元、每小时4.8美元，与上一代 Grok Voice 2.0 保持一致。
在第三方评测机构 Artificial Analysis 的独立测试中，Grok Voice 3.0 以86.9分位列语音转语音综合榜单第一。该榜单综合评估语音推理能力、τ-Voice 指标，以及盲测通话对比下的偏好度与任务完成率。其中，τ-Voice 用于衡量智能体在客服通话场景下应对各类口音、背景噪音及中途插话的能力，Grok Voice 3.0 在该项得分为71.6％。在全双工基准测试中，该模型拿到97％的分数，这项指标反映模型处理停顿、对话轮替和插话的自然程度。
与竞品对比，Grok Voice 3.0 的 τ-Voice 得分与 GPT-Live-1（Astra）相当，但延迟降低40％。Artificial Analysis 在大型音频基准测试中统计了各模型完成任务的开销，Grok Voice 3.0 的成本低于 GPT-Live-1（Astra，中等版本）以及 GPT-Realtime-2.1。在 ServiceNow 面向企业语音智能体的 EVA 基准测试中，Grok Voice 3.0 取得74％的最高精度得分，在综合精度与客户体验两项指标的联合评分中表现最优。
Grok Voice 3.0 已在 SpaceXAI 内部业务中实现规模化部署。据官方披露，该模型每天在特斯拉车辆内处理数百万次对话，驾驶员可通过 Connectors 完成查询日程、回复邮件等简单指令，也能借助 Grok Bot 完成下单咖啡、预订晚餐等复杂任务，全程无需手动操作。Grok Voice 3.0 同时为 Grok Bot 的语音模式提供支持。
在客服场景中，星链客服中心依托 Grok Voice 每天使用多种语言承接2万通客户来电，约70％的来电无需人工介入即可解决，四分之一的销售通话在客户挂断前促成下单。基于 Grok Voice 3.0 搭建的单个智能体即可完成客户身份核验、硬件故障排查、发放退款以及补发设备等工作流程。
从行业视角看，语音智能体正成为企业服务领域增长最快的落地场景之一。客服中心、销售外呼、设备运维等环节对低延迟、高自然度的语音交互存在刚性需求，而成本结构直接决定企业能否将语音智能体从试点推向规模化部署。Grok Voice 3.0 在维持与上一代相同定价的前提下提升性能指标，或将对语音智能体 API 市场的竞争格局产生直接影响。目前使用 grok-voice-latest 版本的智能体已完成自动升级，无需额外改动。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
