Новая версия для голосовых диалогов

xAI объявила о выпуске Grok Voice 3.0 — модели для диалогов, в которых система принимает речь и отвечает голосом. Компания утверждает, что модель устанавливает рекорд в решении обращений в службу поддержки, а задержка ответа составляет менее секунды. Grok Voice 3.0 уже доступна через Voice Agent API.

По данным xAI, модель обслуживает миллионы разговоров в день в Tesla и SpaceX. Это заявление компании; подробности об использовании приведены в её публикации.

Результаты в тестах речевых моделей

xAI сообщает, что в независимом тестировании Artificial Analysis Grok Voice 3.0 набрала 86,9 балла и заняла первое место в Speech-to-Speech Index. По описанию компании, индекс учитывает речевое рассуждение, результаты τ-Voice и предпочтения пользователей и успешность задач в слепых сравнениях.

В Full Duplex Bench, оценивающем обработку пауз, смены очереди в разговоре и перебиваний, модель получила 97%. В тесте τ-Voice, посвящённом звонкам в поддержку с разными акцентами, фоновым шумом и перебиваниями, результат составил 71,6% — сопоставимо с GPT-Live-1 (Astra), но, по данным xAI, при задержке на 40% ниже.

Результаты моделей в тестах Artificial Analysis, приведённые xAI
ПоказательGrok Voice 3.0Grok Voice 2.0GPT-Live-1 (Astra, Medium)Gemini 3.8 Live (Ext. Thinking, High)
Общий индекс Speech-to-Speech86,981,383,282,6
Speech Reasoning Big Bench Audio98,5%97,2%90,1%97,7%
Human Preference Speech Agent Arena Elo107010111048990
Task Completion Task Success Rate94,8%94,6%87,4%89,1%
Conversational Dynamics Full Duplex Bench97,0%95,1%94,9%91,9%

На EVA-Bench, тесте голосовых агентов для предприятий от ServiceNow, Grok Voice 3.0, согласно публикации xAI, набрала 74% точности и показала лучший результат при совместной оценке точности и качества обслуживания. Эти цифры приведены разработчиком модели.

Применение в Tesla и центрах поддержки Starlink

По данным xAI, в автомобилях Tesla модель обрабатывает миллионы разговоров в день. Водители могут голосом выполнять простые запросы, например проверять календарь или отвечать на электронные письма, а также поручать Grok Bot более сложные задачи — заказать кофе или забронировать ужин.

Компания также сообщает, что колл-центры Starlink обрабатывают с помощью Grok Voice 20 000 клиентских звонков ежедневно на нескольких языках. Примерно 70% таких обращений, по утверждению xAI, решаются без участия человека. В одном из сценариев агент на Grok Voice 3.0 проверяет данные клиента, помогает устранить неполадки оборудования, начисляет компенсации и отправляет замену.

Цена и доступность API

Voice Agent API предлагает Grok Voice 3.0 по цене $0,08 за минуту ($4,80 за час) — столько же стоила Grok Voice 2.0. xAI сообщает, что приложения, использующие идентификатор grok-voice-latest, уже автоматически переключены на новую версию и не требуют изменений.