xAI introduceert Grok Voice 3.0, een spraak-naar-spraakmodel voor spraakagenten

xAI kondigde op 14 oktober 2026 Grok Voice 3.0 aan en stelde het spraak-naar-spraakmodel beschikbaar via zijn Voice Agent API voor $0,08 per minuut. Het bedrijf omschreef Grok Voice 3.0 als het intelligentste spraakmodel ter wereld en zei dat het een nieuw record vestigt voor het afhandelen van telefoontjes naar de klantenservice, met een latentie van minder dan één seconde en lagere gebruikskosten dan andere frontiermodellen.

Volgens xAI voert Grok Voice dagelijks miljoenen gesprekken via Tesla en SpaceX. De nieuwe versie werd uitgebracht voor dezelfde prijs als zijn voorganger.

Benchmarkresultaten aangehaald door xAI

In de aankondiging verwees xAI naar onafhankelijke tests van Artificial Analysis van 13 oktober 2026. Daaruit bleek dat Grok Voice 3.0 bovenaan staat in de Speech-to-Speech Index, met een score van 86,9. In de vergelijkingstabel bij de aankondiging staan GPT-Live-1 (Astra, Medium) met 83,2, Gemini 3.8 Live (Extended Thinking, High) met 82,6 en Grok Voice 2.0 met 81,3.

Voor de onderdelen van de index rapporteerde xAI een score van 98,5% voor spraakredenering op Big Bench Audio, een Elo-voorkeursscore van 1070 in Speech Agent Arena, een taakslagingspercentage van 94,8% en een score van 97,0% op Full Duplex Bench, dat meet hoe natuurlijk een model omgaat met pauzes, beurtwisselingen en onderbrekingen. De scores voor Grok Voice 2.0 in dezelfde tabel waren respectievelijk 97,2%, 1011, 94,6% en 95,1%.

Voor tau-Voice, een benchmark op basis van gesimuleerde telefoongesprekken met de klantenservice, rapporteerde xAI een score van 71,6% voor Grok Voice 3.0 en omschreef het resultaat als vergelijkbaar met GPT-Live-1 (Astra), bij een 40% lagere latentie. In de gepubliceerde grafiek staat GPT-Live-1 (Astra, Medium) op 74,5%, Gemini 3.8 Live (Extended Thinking, High) op 68,6% en Grok Voice 2.0 op 56,5%.

xAI meldde ook dat Artificial Analysis tijdens een run op Big Bench Audio de gemiddelde kosten per taak voor Grok Voice 3.0 op $0,025 vaststelde, tegenover $0,030 voor GPT-Live-1 (Astra, Medium) en $0,055 voor GPT-Realtime-2.1 (High).

Hoe Artificial Analysis spraakmodellen beoordeelt

Artificial Analysis definieert de Speech-to-Speech Index als een score waarin vier onderdelen even zwaar meetellen: spraakredenering op Big Bench Audio, agentprestaties op tau-Voice, voorkeur in de arena en het slagingspercentage van taken. Een model moet op alle vier de onderdelen resultaten behalen om een indexscore te krijgen.

Big Bench Audio bestaat uit 1.000 audiovragen die zijn aangepast op basis van Big Bench Hard, met 250 vragen in elk van vier categorieën: formele drogredenen, navigatie, objecten tellen en web van leugens. Modellen krijgen elke vraag als audio aangeboden en genereren een audioantwoord, dat als goed of fout wordt beoordeeld.

Bij tau-Voice belt een spraakgebruiker-simulator het geteste model, dat optreedt als klantenservicemedewerker met toegang tot domeinspecifieke tools en een beleidsdocument. Voor elke taak is er één geldige eindtoestand in de database; de evaluatie vergelijkt de uiteindelijke toestand met die bekende juiste toestand, en de resultaten in de grafiek zijn waar mogelijk gemiddelden van drie tests. Het onderdeel voorkeur in de arena is een Elo-score op basis van onderlinge vergelijkingen, afgestemd op menselijke deelnemers die hetzelfde scenario doorlopen met twee niet-geïdentificeerde modellen.

Full Duplex Bench v1 omvat de omgang met pauzes en beurtwisselingen. In v1.5 is daar de omgang met onderbrekingen door gebruikers en met bevestigende reacties bijgekomen, zoals correct doorgaan wanneer een beller ‘ja’ of ‘oké’ zegt. Artificial Analysis definieert de tijd tot de eerste audio als het aantal seconden dat nodig is om het eerste audiotoken te genereren.

Resultaat van EVA-Bench bij ServiceNow

xAI meldde dat Grok Voice 3.0 op EVA-Bench, de benchmark van ServiceNow voor spraakagenten in bedrijven, de hoogste nauwkeurigheidsscore behaalde: 74%. Ook was het model het best presterend wanneer nauwkeurigheid en klantervaring gezamenlijk werden beoordeeld.

Nitin Aggarwal, Senior Director of Product Management voor Agentic Evals en RAI bij ServiceNow, zei in een verklaring bij de aankondiging dat Grok Voice 3.0 ‘een nieuwe Pareto-frontier vestigt op EVA-Bench, de opensourcebenchmark van ServiceNow die spraakagenten beoordeelt op nauwkeurigheid en klantervaring in meer dan 200 realistische bedrijfsscenario’s’.

ServiceNow AI Research omschrijft EVA-Bench als een opensource-evaluatiekader dat spraakagenten beoordeelt aan de hand van volledige gesproken gesprekken met meerdere beurten, met een bot-tot-botarchitectuur. De benchmark omvat drie domeinen: klantenservice, met 15 tools en 50 scenario’s rond het omboeken van vluchten na verstoringen, vrijwillige wijzigingen, annuleringen en vouchers; IT-servicemanagement, met 59 tools en 80 scenario’s; en HR, met 47 tools en 83 scenario’s over arbeidsvoorwaarden, roostering, verlof en beleidsvragen. Agenten worden op twee dimensies beoordeeld: EVA-A meet of de agent de taak correct heeft voltooid, en EVA-X meet de kwaliteit van de gesprekservaring. EVA-Bench maakt deel uit van de NOWAI-Bench-benchmarkreeks van ServiceNow.

Inzet bij Tesla en Starlink

Volgens xAI voert Grok Voice 3.0 dagelijks miljoenen gesprekken in Tesla-auto’s. Bestuurders kunnen Connectors gebruiken voor verzoeken zoals een agenda controleren of een e-mail beantwoorden, en Grok Bot voor grotere taken, zoals koffie bestellen of een diner reserveren; dat kan allemaal handsfree. Het model is ook de drijvende kracht achter de spraakmodus van Grok Bot.

De callcenters van Starlink gebruiken Grok Voice om dagelijks in meerdere talen 20.000 klantgesprekken af te handelen, aldus xAI. Ongeveer 70% wordt afgehandeld zonder menselijke tussenkomst, en één op de vier verkoopgesprekken leidt tot een aankoop voordat de beller ophangt. Eén agent op basis van Grok Voice 3.0 verifieert klanten, lost problemen met hardware op, verstrekt tegoed en verstuurt vervangende apparatuur.

Prijzen en beschikbaarheid

Grok Voice 3.0 is beschikbaar via de Voice Agent API voor $0.08 per minuut of $4.80 per uur, dezelfde prijs als Grok Voice 2.0. Agents die grok-voice-latest gebruiken, zijn automatisch overgezet; wijzigingen waren niet nodig, aldus xAI.