x.ai 推出 Grok Voice 3.0 語音對語音模型

x.ai 正式宣布推出 Grok Voice 3.0 語音對語音模型，宣稱延遲低於 1 秒且運行成本低於同級尖端模型。根據 Artificial Analysis 的獨立測試，Grok Voice 3.0 在語音對語音指數以 86.9 分奪冠，並在 Full Duplex Bench 取得 97.0% 的分數；在 ServiceNow 的 EVA-Bench 企業評測中，該模型在 200 多個場景中達成了 74% 的最高準確率。該模型目前已大規模應用於 Tesla 車輛的免手持指令，並支援 Starlink 客服中心每日 20,000 通通話，約 70% 案件由系統自主解決。Grok Voice 3.0 現已透過 API 上線，費率為每分鐘 $0.08（每小時 $4.80）。

值得帶走的重點

• 在 Artificial Analysis 評測中，Grok Voice 3.0 在語音對語音指數獲 86.9 分、Full Duplex Bench 獲 97.0%，且 τ-Voice 取得 71.6% 準確率並較 GPT-Live-1 降低 40% 延遲。
• 在 ServiceNow 針對 200 多個真實企業情境的 EVA-Bench 評測中，Grok Voice 3.0 獲得 74% 的最高準確率分數。
• 該模型已支援 Tesla 車內每日數百萬次對話，並處理 Starlink 每日 20,000 通客服電話，約 70% 案件達成無人介入解決。
• Grok Voice 3.0 即日起透過語音對語音 API 提供，維持與 Grok Voice 2.0 相同的每分鐘 $0.08（每小時 $4.80）價格。