xAI, 음성 에이전트용 음성 간 모델 Grok Voice 3.0 공개

xAI는 2026년 10월 14일 Grok Voice 3.0을 발표하고, 분당 0.08달러의 요금으로 자사의 Voice Agent API에서 이 음성 간 모델을 이용할 수 있게 했다. 회사는 Grok Voice 3.0을 세계에서 가장 지능적인 음성 모델이라고 소개하며, 고객 지원 통화 해결에서 1초 미만의 지연 시간과 다른 최첨단 모델보다 낮은 운영 비용으로 신기록을 세웠다고 밝혔다.

xAI에 따르면 Grok Voice는 Tesla와 SpaceX 전반에서 하루 수백만 건의 대화를 처리하며, 새 버전은 이전 버전과 같은 가격으로 출시됐다.

xAI가 인용한 벤치마크 결과

xAI의 발표에는 2026년 10월 13일 자 Artificial Analysis의 독립 테스트 결과가 인용됐다. 해당 결과에 따르면 Grok Voice 3.0은 Speech-to-Speech Index에서 86.9점으로 1위를 차지했다. 발표와 함께 공개된 비교표에는 GPT-Live-1(Astra, Medium)이 83.2점, Gemini 3.8 Live(Extended Thinking, High)가 82.6점, Grok Voice 2.0이 81.3점으로 기재됐다.

xAI는 지수의 각 구성 항목에서 Big Bench Audio 음성 추론 98.5%, Speech Agent Arena 선호도 Elo 1070, 작업 성공률 94.8%, 그리고 모델이 휴지, 발화 순서 교대, 끼어들기를 얼마나 자연스럽게 처리하는지 측정하는 Full Duplex Bench 97.0%를 기록했다고 밝혔다. 같은 표에 기재된 Grok Voice 2.0의 점수는 각각 97.2%, 1011, 94.6%, 95.1%였다.

모의 고객 지원 통화로 구성된 벤치마크 tau-Voice에서 xAI는 Grok Voice 3.0이 71.6%를 기록했으며, 지연 시간은 40% 더 낮으면서 GPT-Live-1(Astra)과 비슷한 성능을 보였다고 설명했다. 공개된 차트에는 GPT-Live-1(Astra, Medium)이 74.5%, Gemini 3.8 Live(Extended Thinking, High)가 68.6%, Grok Voice 2.0이 56.5%로 기재됐다.

xAI는 Artificial Analysis가 Big Bench Audio 실행에서 작업당 평균 비용을 측정한 결과, Grok Voice 3.0은 0.025달러, GPT-Live-1(Astra, Medium)은 0.030달러, GPT-Realtime-2.1(High)은 0.055달러였다고도 밝혔다.

Artificial Analysis의 음성 모델 점수 산정 방식

Artificial Analysis는 Speech-to-Speech Index를 네 가지 구성 항목에 동일한 가중치를 부여해 산출하는 점수로 정의한다. 네 항목은 Big Bench Audio의 음성 추론, tau-Voice의 에이전트 성능, 아레나 선호도, 작업 성공률이다. 지수 점수를 받으려면 모델이 네 항목 모두에서 결과를 내야 한다.

Big Bench Audio는 Big Bench Hard를 바탕으로 구성한 오디오 질문 1,000개로 이루어져 있으며, 네 가지 범주인 형식적 오류, 탐색, 사물 개수 세기, 거짓 정보 탐지에 각각 250개씩 포함된다. 모델은 각 질문을 오디오로 받고 오디오 답변을 생성하며, 답변은 정답 또는 오답으로 판정된다.

tau-Voice에서는 음성 사용자 시뮬레이터가 테스트 대상 모델에 전화를 건다. 이 모델은 도메인별 도구와 정책 문서에 접근할 수 있는 고객 지원 에이전트로 작동한다. 각 작업에는 유효한 데이터베이스 최종 상태가 하나만 있으며, 평가는 최종 상태를 그 정답 상태와 비교한다. 결과는 가능한 경우 세 차례 시험의 평균으로 표시된다. 아레나 선호도 항목은 두 개의 식별되지 않은 모델이 같은 시나리오를 수행하는 것을 지켜본 인간 참가자의 평가를 바탕으로 산출한 쌍대 Elo 점수다.

Full Duplex Bench v1은 휴지 처리와 발화 순서 교대를 다루며, v1.5에는 사용자 끼어들기 처리와 맞장구 반응 처리가 추가된다. 맞장구 반응 처리란 통화 상대가 “yeah”나 “alright”라고 말했을 때 올바르게 대화를 이어가는 것을 뜻한다. Artificial Analysis는 첫 오디오 출력까지 걸리는 시간을 오디오 출력의 첫 토큰을 생성하는 데 필요한 초 단위 시간으로 정의한다.

ServiceNow의 EVA-Bench 결과

xAI는 Grok Voice 3.0이 기업용 음성 에이전트 벤치마크인 EVA-Bench에서 74%로 가장 높은 정확도 점수를 기록했으며, 정확도와 고객 경험을 함께 평가했을 때도 최고 성능을 보였다고 밝혔다.

ServiceNow의 에이전트 평가 및 RAI 부문 제품 관리 수석 디렉터인 Nitin Aggarwal은 발표와 함께 공개된 성명에서 Grok Voice 3.0이 “200개가 넘는 현실적인 기업 시나리오에서 정확도와 경험을 기준으로 음성 에이전트를 평가하는 ServiceNow의 오픈소스 벤치마크 EVA-Bench에서 새로운 파레토 프런티어를 제시한다”고 말했다.

ServiceNow AI Research는 EVA-Bench를 봇 간 아키텍처를 사용해 여러 차례 대화를 주고받는 전체 음성 대화에서 음성 에이전트를 평가하는 오픈소스 평가 프레임워크로 소개한다. 이 벤치마크는 세 가지 영역을 아우른다. 고객 서비스 영역에는 도구 15개와 시나리오 50개가 있으며, 운항 차질이 발생한 항공편의 재예약, 자발적 변경, 취소, 바우처 발급을 다룬다. IT 서비스 관리 영역에는 도구 59개와 시나리오 80개가 포함된다. HR 영역에는 도구 47개와 시나리오 83개가 있으며, 복리후생, 일정 관리, 휴가, 정책 관련 질문을 다룬다. 에이전트는 두 가지 기준으로 평가된다. EVA-A는 에이전트가 작업을 올바르게 완료했는지 측정하고, EVA-X는 대화 경험의 품질을 측정한다. EVA-Bench는 ServiceNow의 NOWAI-Bench 벤치마크 제품군에 속한다.

Tesla와 Starlink에서의 배포

xAI에 따르면 Grok Voice 3.0은 Tesla 차량에서 하루 수백만 건의 대화를 처리한다. 운전자는 손을 쓰지 않고도 Connectors를 이용해 일정 확인이나 이메일 답장 같은 요청을 할 수 있으며, 커피 주문이나 저녁 식사 예약 같은 더 복잡한 작업은 Grok Bot에 맡길 수 있다. 이 모델은 Grok Bot의 음성 모드에도 사용된다.

xAI에 따르면 Starlink 고객센터는 여러 언어로 매일 고객 전화 20,000건에 응대하는 데 Grok Voice를 사용한다. 약 70%는 사람의 개입 없이 해결되며, 영업 전화 4건 중 1건은 발신자가 전화를 끊기 전에 구매로 이어진다. Grok Voice 3.0을 기반으로 한 단일 에이전트가 고객을 확인하고, 하드웨어 문제를 해결하며, 크레딧을 지급하고, 교체 장비를 배송한다.

가격 및 이용 가능 여부

Grok Voice 3.0은 Voice Agent API에서 분당 $0.08 또는 시간당 $4.80에 이용할 수 있으며, 이는 Grok Voice 2.0과 같은 가격이다. xAI에 따르면 grok-voice-latest를 사용하는 에이전트는 별도의 변경 없이 자동으로 전환됐다.