马斯克旗下xAI在10月14日放出Grok Voice 3.0，一句口号相当大胆：全球最智能的语音模型。宣传归宣传，独立评测机构Artificial Analysis的数据给出了实锤——Speech-to-Speech Index综合得分86.9，排名世界第一。领先幅度不大，但足够改写AI语音赛道的竞争格局。
一份榜单拆开看：赢在哪里，输在哪里
Artificial Analysis的语音指数由四项指标构成。Grok Voice 3.0的成绩单是这样的：
- 综合指数86.9分，超过GPT-Live-1的83.2分和Gemini 3.8 Live的82.6分
- 上一代Grok Voice 2.0得分81.3，这一代涨了5.6分
- Big Bench Audio口语推理准确率98.5%
- 任务成功率94.8%，全双工对话测试拿97%
真正的看点藏在τ-Voice里。这项指标测试语音智能体处理真实客服电话的能力：多轮指令、工具调用、政策遵守、被打断后恢复任务。Grok Voice 3.0从上一代的56.5%直接跳到71.6%，一口气涨了15.1分。对比之下，口语推理只涨了1.3个百分点。
结论清晰：xAI把研发力气花在了”替人办事”上，抢在了OpenAI和Google前面。GPT-Live-1在τ-Voice单项上仍以74.5%领先，但综合成绩被反超。
延迟是硬通货：0.81秒对1.34秒
语音产品有个残酷规律，应答慢半秒，用户就会重复说话、抢话，甚至认定系统死机。Artificial Analysis测得Grok Voice 3.0的首段音频响应时间为0.81秒。GPT-Live-1是1.34秒，Gemini 3.8 Live是1.35秒。
差距接近一倍。十轮对话累积下来，体验差异会被放大到肉眼可见。
有意思的细节：Grok Voice 2.0的应答速度是0.70秒。新一代比老一代慢了0.11秒。xAI用一点点速度换了更强的任务执行能力，这笔账在工程上很常见，效果也确实划算。
价格没涨，用量先跑起来了
定价是这次发布最克制的部分。Grok Voice 3.0通过Voice Agent API提供，每分钟0.08美元，折合每小时4.80美元，与上一代完全持平。用`grok-voice-latest`别名的存量应用已自动切换到新模型，代码一行不用改。
xAI同时给出了自家的生产数据：特斯拉车机每天处理数百万次Grok语音对话，车主免动手查日程、回邮件、订咖啡；Starlink呼叫中心每天接2万通多语言来电，约70%无人介入即可解决，四分之一的销售通话在挂断前完成下单。
这些数字出自xAI之手，未经第三方审计，看个量级就好。但方向足够明确——语音模型已经从”陪你聊天”转向”替你干活”。
三家各守一块阵地，买方该这么选
这次的格局其实是三分天下：
- 要综合能力和速度：Grok Voice 3.0综合指数第一、应答最快，适合预订、验证、设备排查这类目标明确的任务型通话
- 要专项智能体能力：GPT-Live-1在τ-Voice上仍是单项冠军，复杂客服工作流可以重点测它
- 要用户听着舒服：Gemini的实时竞技场人类偏好Elo以1088分排第一，Grok的1070分置信区间与之重叠，陪伴型应用值得优先试Gemini
ServiceNow的企业级评测EVA-Bench给出了第三方背书：Grok Voice 3.0以74%准确率拿下最高分，在200多个企业场景的”准确率+体验”综合评分上刷新纪录。
采购前有三个坑要避开。榜单成绩基于特定配置，换声音、换推理档位结果可能不同；Big Bench Audio用合成语音测试，真实口音、噪音、方言切换的表现需要拿自己的通话录音复测； Elo排名基于637个样本，误差范围28分，名次接近的模型别急着下结论。
最稳的做法是搭一套自己的测试集：把成功通话、打断场景、嘈杂音频、升级转人工各放一批，用同一套脚本跑Grok、GPT-Live-1和Gemini，看总任务时长、纠正次数、放弃率这三个生产指标。
语音智能体市场此前由OpenAI和Google分食，xAI这次用一份86.9分的成绩单挤进了牌桌。差距只有3到4分，一场版本更新就可能换座次。开发者最划算的动作是趁价格持平的窗口期跑一轮真实业务测试，把选型决策建立在自己的数据上。
苏公网安备32010502011527号
发表回复