Grok Voice 3.0 正式发布，号称全球最智能的语音到语音模型。该模型在客户支持通话场景中创下新低延迟纪录（低于一秒），运行成本亦低于其他前沿模型。目前，Grok Voice 已在特斯拉和 SpaceX 每天处理数百万次对话，并正式通过 API 对外开放，定价维持与前代产品一致。
性能基准测试登顶
在 Artificial Analysis 的独立测试中，Grok Voice 3.0 以 86.9 分的成绩位居语音到语音指数榜首。该指数综合评估了语音推理能力、τ-Voice 表现，以及盲测电话中的用户偏好与任务成功率。此外，Grok Voice 3.0 在全双工基准测试（Full Duplex Bench）中获得 97% 的高分，显示出其在处理停顿、轮流发言及打断时的自然程度。
在衡量代理处理不同口音、背景噪音及中断能力的 τ-Voice 测试中，Grok Voice 3.0 得分 71.6%，与 GPT-Live-1 (Astra) 相当，但延迟降低了 40%，在代理智能与响应速度之间确立了新标准。成本方面，Artificial Analysis 的 Big Bench Audio 测试显示，Grok Voice 3.0 的任务完成成本低于 GPT-Live-1 (Astra, Medium) 和 GPT-Realtime-2.1。
在 ServiceNow 的企业语音代理基准测试 EVA-Bench 中，Grok Voice 3.0 以 74% 的准确率得分居首，并在准确率与客户体验的综合评分中表现最佳。
大规模落地应用
Grok Voice 3.0 已深度融入特斯拉生态系统，每天在特斯拉车辆中处理数百万次对话。驾驶员可通过“连接器”功能免提执行查看日历、回复邮件等简单指令，或利用 Grok Bot 完成订购咖啡、预订晚餐等复杂任务。该模型同时也为 Grok Bot 的语音模式提供底层支持。
在 SpaceX 旗下 Starlink 的呼叫中心，Grok Voice 每天用多种语言接听 20,000 通客户来电。约 70% 的通话无需人工介入即可解决，四分之一的销售通话在挂断前直接促成购买。单个基于 Grok Voice 3.0 构建的代理即可独立完成客户身份验证、硬件故障排查、信用额度发放及替换设备寄送等操作。
API 接入与定价
Grok Voice 3.0 现可通过语音代理 API 获取，定价为每分钟 0.08 美元（每小时 4.80 美元），与 Grok Voice 2.0 保持一致。使用 grok-voice-latest 的现有代理已自动切换至新版本，无需开发者进行任何更改。