xAI, sesli ajanlar için konuşmadan konuşmaya çalışan Grok Voice 3.0 modelini tanıttı

xAI, Grok Voice 3.0 modelini 14 Ekim 2026’da duyurdu ve konuşmadan konuşmaya çalışan modeli, dakikası 0,08 dolardan Voice Agent API’sinde kullanıma sundu. Şirket, Grok Voice 3.0’ı dünyanın en akıllı ses modeli olarak nitelendirdi ve bir saniyenin altında gecikme ve diğer öncü modellere kıyasla daha düşük işletme maliyetiyle müşteri destek çağrılarını çözüme kavuşturmada yeni bir rekora imza attığını söyledi.

xAI’ye göre Grok Voice, Tesla ve SpaceX genelinde günde milyonlarca görüşmeye güç veriyor; yeni sürüm ise önceki sürümle aynı fiyatla kullanıma sunuldu.

xAI’nin aktardığı kıyaslama sonuçları

xAI’nin duyurusunda, Artificial Analysis tarafından 13 Ekim 2026’da yayımlanan bağımsız test sonuçlarına yer verildi. Bu sonuçlara göre Grok Voice 3.0, Konuşmadan Konuşmaya Endeksi’nde 86,9 puanla ilk sırada yer aldı. Duyuruyla birlikte yayımlanan karşılaştırma tablosunda GPT-Live-1 (Astra, Medium) 83,2, Gemini 3.8 Live (Extended Thinking, High) 82,6 ve Grok Voice 2.0 ise 81,3 puan aldı.

xAI, endeksin bileşenlerinde Big Bench Audio konuşma akıl yürütme testinde yüzde 98,5, Speech Agent Arena tercih Elo puanında 1070, görev başarı oranında yüzde 94,8 ve bir modelin duraklamaları, söz sırasını ve araya girmeleri ne kadar doğal yönettiğini ölçen Full Duplex Bench’te yüzde 97,0 bildirdi. Aynı tabloda Grok Voice 2.0 için sıralanan değerler sırasıyla yüzde 97,2, 1011, yüzde 94,6 ve yüzde 95,1’di.

Simüle edilmiş müşteri destek çağrılarından oluşturulan bir kıyaslama testi olan tau-Voice’ta xAI, Grok Voice 3.0 için yüzde 71,6 bildirdi ve bu sonucu, gecikmesi yüzde 40 daha düşük olan GPT-Live-1 (Astra) ile karşılaştırılabilir olarak nitelendirdi. Yayımlanan grafikte GPT-Live-1 (Astra, Medium) yüzde 74,5, Gemini 3.8 Live (Extended Thinking, High) yüzde 68,6 ve Grok Voice 2.0 yüzde 56,5 olarak gösterildi.

xAI ayrıca Artificial Analysis’in Big Bench Audio testindeki görev başına ortalama maliyeti Grok Voice 3.0 için 0,025 dolar; GPT-Live-1 (Astra, Medium) için 0,030 dolar ve GPT-Realtime-2.1 (High) için 0,055 dolar olarak ölçtüğünü bildirdi.

Artificial Analysis ses modellerini nasıl puanlıyor?

Artificial Analysis, Konuşmadan Konuşmaya Endeksi’ni dört bileşene eşit ağırlık verilerek hesaplanan bir puan olarak tanımlıyor: Big Bench Audio’da konuşma akıl yürütme, tau-Voice’ta ajan performansı, arena tercihi ve görev başarı oranı. Bir modelin endeks puanı alabilmesi için dört bileşenin tamamında sonuç sunması gerekiyor.

Big Bench Audio, Big Bench Hard’dan uyarlanan 1.000 sesli sorudan oluşuyor. Dört kategorinin her birinde 250 soru bulunuyor: Biçimsel Safsatalar, Yön Bulma, Nesne Sayma ve Yalanlar Ağı. Modeller her soruyu ses olarak alıyor ve doğru ya da yanlış şeklinde puanlanan sesli bir yanıt üretiyor.

tau-Voice’ta, sesli kullanıcı simülatörü test edilen modeli arıyor; model ise alana özgü araçlara ve bir politika belgesine erişimi olan bir müşteri destek ajanı olarak çalışıyor. Her görevin veritabanında geçerli tek bir nihai durumu bulunuyor; değerlendirme, son durumu bu gerçek referansla karşılaştırıyor ve grafikte gösterilen sonuçlar, mevcut olduğunda üç denemenin ortalaması olarak veriliyor. Arena tercihi bileşeninde, aynı senaryoyu kimliği açıklanmayan iki modelle tamamlayan insan katılımcılardan elde edilen verilerle ikili Elo puanı hesaplanıyor.

Full Duplex Bench v1, duraklamaları yönetme ve söz sırasını alma becerilerini kapsıyor; v1.5 ise kullanıcı araya girdiğinde bunu yönetme ve arka kanal tepkilerini de ele alıyor. Örneğin, arayan kişi “evet” ya da “peki” dediğinde konuşmaya doğru biçimde devam etme becerisi ölçülüyor. Artificial Analysis, ilk sesin üretilme süresini, ses çıktısının ilk belirtecini oluşturmak için gereken saniye sayısı olarak tanımlıyor.

ServiceNow’un EVA-Bench sonucu

xAI, Grok Voice 3.0’ın ServiceNow’un kurumsal sesli ajanlara yönelik kıyaslama testi olan EVA-Bench‘te yüzde 74 ile en yüksek doğruluk puanını aldığını ve doğruluk ile müşteri deneyimi birlikte puanlandığında en iyi performans gösteren model olduğunu bildirdi.

ServiceNow’da Ajan Tabanlı Değerlendirmeler ve RAI’den sorumlu Ürün Yönetimi Kıdemli Direktörü Nitin Aggarwal, duyuruyla birlikte yayımlanan bir açıklamada Grok Voice 3.0’ın “ServiceNow’un sesli ajanları 200’den fazla gerçekçi kurumsal senaryoda doğruluk ve deneyim açısından puanlayan açık kaynaklı kıyaslama testi EVA-Bench’te yeni bir Pareto sınırı belirlediğini” söyledi.

ServiceNow AI Research, EVA-Bench’i sesli ajanları uçtan uca, çok turlu sözlü görüşmeler üzerinden botlar arası bir mimari kullanarak ölçen açık kaynaklı bir değerlendirme çerçevesi olarak tanımlıyor. Kıyaslama testi üç alanı kapsıyor: aksayan uçuşların yeniden rezervasyonu, isteğe bağlı değişiklikler, iptaller ve kuponlarla ilgili 15 araç ve 50 senaryo içeren müşteri hizmetleri; 59 araç ve 80 senaryo içeren BT hizmet yönetimi; ayrıca yan haklar, planlama, izin ve politika sorularını kapsayan 47 araç ve 83 senaryolu İK. Ajanlar iki boyutta puanlanıyor: EVA-A, ajanın görevi doğru tamamlayıp tamamlamadığını; EVA-X ise konuşma deneyiminin kalitesini ölçüyor. EVA-Bench, ServiceNow’un NOWAI-Bench kıyaslama paketi kapsamında yer alıyor.

Tesla ve Starlink’te kullanım

xAI’ye göre Grok Voice 3.0, Tesla araçlarında günde milyonlarca görüşmeyi yönetiyor. Sürücüler, takvimi kontrol etme veya bir e-postayı yanıtlama gibi istekler için Connectors’ı; kahve sipariş etme veya akşam yemeği rezervasyonu yapma gibi daha kapsamlı işler içinse tüm bunları ellerini kullanmadan gerçekleştirecek şekilde Grok Bot‘u kullanabiliyor. Model, Grok Bot’un sesli moduna da güç veriyor.

xAI’nin açıklamasına göre Starlink çağrı merkezleri, her gün birden fazla dilde 20.000 müşteri çağrısını yanıtlamak için Grok Voice’u kullanıyor. Çağrıların yaklaşık %70’i sürece hiç insan dahil olmadan çözüme kavuşturuluyor ve her dört satış çağrısından biri, arayan kişi telefonu kapatmadan önce satın almayla sonuçlanıyor. Grok Voice 3.0 üzerine kurulu tek bir ajan müşterilerin kimliğini doğruluyor, donanım sorunlarını gideriyor, hesaplara kredi tanımlıyor ve yedek ekipman gönderiyor.

Fiyatlandırma ve Kullanılabilirlik

Grok Voice 3.0, Voice Agent API’de dakika başına 0,08 ABD doları veya saat başına 4,80 ABD doları fiyatla sunuluyor; bu, Grok Voice 2.0 ile aynı fiyat. xAI’nin açıklamasına göre grok-voice-latest kullanan ajanlar, herhangi bir değişiklik yapmaya gerek kalmadan otomatik olarak yeni sürüme geçirildi.