xAI推出面向语音智能体的语音到语音模型 Grok Voice 3.0

xAI于2026年10月14日宣布推出 Grok Voice 3.0，并以每分钟0.08美元的价格通过其语音智能体 API 提供这一语音到语音模型。该公司称，Grok Voice 3.0 是全球最智能的语音模型，并表示它在解决客户支持来电方面创下新纪录，延迟不到1秒，运行成本也低于其他前沿模型。

据 xAI 称，Grok Voice 每天为 Tesla 和 SpaceX 的数百万次对话提供支持，新版本发布时的价格与前代产品相同。

xAI 引用的基准测试结果

xAI 在公告中引用了 Artificial Analysis 于2026年10月13日发布的独立测试结果。结果显示，Grok Voice 3.0 在语音到语音指数中以86.9分位居榜首。随公告发布的对比表列出：GPT-Live-1（Astra，Medium）得分83.2，Gemini 3.8 Live（Extended Thinking，High）得分82.6，Grok Voice 2.0得分81.3。

xAI 报告称，在该指数的各项指标中，Grok Voice 3.0 在 Big Bench Audio 语音推理测试中得分98.5%，在 Speech Agent Arena 偏好 Elo 评测中得分1070，任务成功率为94.8%，在 Full Duplex Bench 中得分97.0%。该基准测试衡量模型处理停顿、轮流发言和打断时的自然程度。同一张表中列出的 Grok Voice 2.0 对应数据分别为97.2%、1011、94.6%和95.1%。

在由模拟客户支持通话构成的基准测试 tau-Voice 中，xAI 报告称 Grok Voice 3.0 的得分为71.6%，并称这一结果可与 GPT-Live-1（Astra）相媲美，且延迟低40%。已发布的图表列出：GPT-Live-1（Astra，Medium）得分74.5%，Gemini 3.8 Live（Extended Thinking，High）得分68.6%，Grok Voice 2.0得分56.5%。

xAI 还报告称，Artificial Analysis 在 Big Bench Audio 测试中测得，Grok Voice 3.0 的平均单任务成本为0.025美元；相比之下，GPT-Live-1（Astra，Medium）为0.030美元，GPT-Realtime-2.1（High）为0.055美元。

Artificial Analysis 如何为语音模型评分

Artificial Analysis 将其语音到语音指数定义为四项指标等权计算的得分：Big Bench Audio 的语音推理能力、tau-Voice 的智能体表现、竞技场偏好以及任务成功率。模型必须在全部四项指标中都有测试结果，才能获得指数得分。

Big Bench Audio 包含从 Big Bench Hard 改编而来的1,000道音频问题，分为四个类别，每类250道：形式谬误、导航、物体计数和谎言之网。模型会以音频形式接收每道问题，并生成音频回答，随后按正确或错误评分。

在 tau-Voice 中，语音用户模拟器会呼叫受测模型；该模型作为客户支持智能体运行，并可使用特定领域的工具和政策文件。每项任务都只有一个有效的数据库最终状态；评估会将最终状态与该基准事实进行比较；在有条件进行的情况下，图表所示结果取三次试验的平均值。竞技场偏好这一部分采用两两比较的 Elo 评分，该评分根据真人参与者的测试结果拟合得出；参与者会使用两个身份未公开的模型完成同一场景。

Full Duplex Bench v1 涵盖停顿处理和轮流发言；v1.5 则新增了对用户打断和附和回应的处理能力，例如来电者说“嗯”或“好”时，模型能恰当地继续对话。Artificial Analysis 将首次音频生成时间定义为生成第一个音频输出词元所需的秒数。

ServiceNow 的 EVA-Bench 测试结果

xAI 报告称，Grok Voice 3.0 在 EVA-Bench（ServiceNow 面向企业语音智能体的基准测试）中取得最高准确率得分，为74%；在准确率和客户体验综合评分时，它也是表现最佳的模型。

ServiceNow 负责智能体评估与 RAI 的产品管理高级总监 Nitin Aggarwal 在随公告发布的一份声明中表示，Grok Voice 3.0“在 EVA-Bench 上创下新的帕累托前沿。EVA-Bench 是 ServiceNow 的开源基准测试，在200多个真实的企业场景中，依据准确率和体验对语音智能体进行评分。”

ServiceNow AI Research 将 EVA-Bench 描述为一个开源评估框架，通过智能体对智能体的架构，在完整、多轮的语音对话中衡量语音智能体的表现。该基准测试涵盖三个领域：客户服务领域包括15种工具和50个场景，涉及航班中断后的改签、自愿变更、取消和代金券；IT 服务管理领域包括59种工具和80个场景；人力资源领域包括47种工具和83个场景，涵盖福利、排班、休假和政策问题。智能体按两个维度评分：EVA-A 衡量智能体是否正确完成任务，EVA-X 衡量对话体验的质量。EVA-Bench 是 ServiceNow 的 NOWAI-Bench 基准测试套件的一部分。

在 Tesla 和 Starlink 的部署

据 xAI 称，Grok Voice 3.0 每天在 Tesla 车辆中处理数百万次对话。驾驶者可以通过 Connectors 提出查看日历或回复电子邮件等请求，也可以让 Grok Bot 处理点咖啡或预订晚餐等更复杂的任务，全程无需动手。该模型还为 Grok Bot 的语音模式提供支持。

xAI表示，Starlink呼叫中心每天使用Grok Voice以多种语言接听20,000通客户来电。约70%的问题无需人工介入即可解决；每四通销售电话中，就有一通在来电者挂断前促成购买。一个基于Grok Voice 3.0构建的智能体即可核验客户身份、排查硬件故障、发放额度并寄送替换设备。

定价与可用性

Grok Voice 3.0已通过Voice Agent API开放使用，价格为每分钟0.08美元，即每小时4.80美元，与Grok Voice 2.0价格相同。xAI表示，使用grok-voice-latest的智能体已自动切换至该版本，无需进行任何更改。