SpaceXAI 发布 Grok Voice 3.0：延迟低于 1 秒，日均处理数百万次对话

封面为AI生成的主题示意图，非新闻现场照片。

2026 年 10 月 15 日，SpaceXAI 今日正式发布语音转语音模型 Grok Voice 3.0。官方宣称该模型为全球智能水平最高的同类产品，具备业界领先的低于 1 秒延迟及更低的运行成本。在 Artificial Analysis 的独立测试中，Grok Voice 3.0 在综合榜单中以 86.9 分排名第一。其在全双工基准测试中获得 97% 的高分，表现出对停顿、对话轮替和插话的自然处理能力。针对客服场景，该模型通过τ-Voice 指标评估得分为 71.6%，能有效应对各类口音、背景噪音及中途插话。其性能虽与 GPT-Live-1（Astra）相当，但延迟降低了 40%，实现了智能水平与响应速度的新平衡。Grok Voice 3.0 目前在 ServiceNow 的企业语音智能体基准测试中取得最高精度得分 74%。该模型已集成至特斯拉车辆系统，每日支撑数百万次对话，支持驾驶员通过 Connectors 查询日程、回复邮件或借助 Grok Bot 完成下单咖啡等复杂任务。星链客服中心依托此模型，每天以多种语言承接 2 万通来电，其中约 70% 无需人工介入即可解决。基于该模型构建的智能体可独立完成身份核验、硬件排查及退款发放等工作。Grok Voice 3.0 现已通过应用程序接口上线，定价与上一代保持一致，按每分钟 0.08 美元收费。使用 grok-voice-latest 版本的智能体已完成自动升级，无需额外改动。该模型在成本方面优于同级别竞品 GPT-Live-1（Astra，中等版本）及 GPT-Realtime-2.1，展现出更高的性价比优势。