xAI выпустила Grok Voice 3.0: голосовая модель заняла первое место в индексе Artificial Analysis и обслуживает 20 000 звонков Starlink в день

Что объявили

xAI выпустила Grok Voice 3.0 — новую версию голосовой модели семейства Grok, которая работает в режиме speech-to-speech: принимает и отдаёт речь напрямую, без промежуточной текстовой ступени. Компания описывает её как самую умную голосовую модель (world's most intelligent speech-to-speech model) и называет три свойства: рекордный, по её утверждению, разбор клиентских звонков, задержку меньше секунды и меньшую стоимость, чем у сопоставимых «фронтирных» моделей.

Модель доступна с сегодняшнего дня в Voice Agent API по цене $0.08 за минуту ($4.80 в час) — ровно столько же стоил Grok Voice 2.0. Агенты, использующие алиас grok-voice-latest, уже переключены на новую версию автоматически: править код не нужно.

Как оценили: первое место в индексе Artificial Analysis

В независимом тестировании Artificial Analysis модель заняла первое место в индексе Speech-to-Speech с результатом 86.9 балла. Индекс сводит вместе качество речевого рассуждения, метрику τ-Voice, а также предпочтения и успешность выполнения задачи из слепых парных сравнений. Данные бенчмарка датированы 13 октября 2026 года.

Для сравнения в публикации приведены результаты конкурентов — Grok Voice 2.0, GPT-Live-1 (Astra, Medium) и Gemini 3.8 Live (Ext. Thinking, High). В самой метрике индекса они набрали 81.3, 83.2 и 82.6 против 86.9 у новой модели. В подметриках разрыв распределён так: Speech Reasoning Big Bench Audio — 98.5 % у Grok Voice 3.0 против 97.2 %, 90.1 % и 97.7 %; Human Preference Speech Agent Arena Elo — 1070 против 1011, 1048 и 990; успешность выполнения задачи — 94.8 % против 94.6 %, 87.4 % и 89.1 %. В Full Duplex Bench, который измеряет, насколько естественно модель держит паузы, мену реплик и перебивания, новая версия набрала 97.0 % против 95.1 %, 94.9 % и 91.9 %.

Отдельная метрика — τ-Voice: она проверяет, как агент ведёт поддержку при разных акцентах, фоновом шуме и перебиваниях. Здесь у Grok Voice 3.0 — 71.6 %, примерно на уровне GPT-Live-1 (Astra), но при на 40 % меньшей задержке. В xAI это описывают как новую границу между «умом» агента и его отзывчивостью.

По стоимости выполнения одной задачи в прогоне Big Bench Audio Artificial Analysis новая модель оказалась дешевле и GPT-Live-1 (Astra, Medium), и GPT-Realtime-2.1.

На EVA-Bench — открытом бенчмарке ServiceNow для корпоративных голосовых агентов — Grok Voice 3.0 показал лучшую точность: 74 %, а при совместной оценке точности и качества обслуживания назван лучшей моделью. В публикации приведён комментарий старшего директора по продукту ServiceNow Нитина Аггарвала: «Grok Voice 3.0 устанавливает новую границу Парето на EVA-Bench — открытом бенчмарке ServiceNow, который оценивает голосовых агентов по точности и опыту в более чем 200 реалистичных корпоративных сценариях. Он сочетает высшую точность с естественным, отзывчивым разговором, задавая новый стандарт того, чего предприятия могут ожидать от ИИ на передовой линии клиентского сервиса».

Где модель уже работает

По данным xAI, Grok Voice обслуживает миллионы разговоров в день у Tesla и SpaceX. В автомобилях Tesla водители используют Connectors для простых запросов вроде проверки календаря или ответа на письмо, а Grok Bot — для задач крупнее, например заказать кофе или забронировать ужин; всё это полностью без рук. Grok Voice 3.0 работает и как голосовой режим Grok Bot.

Отдельный пример — колл-центры Starlink: через Grok Voice проходит 20 000 клиентских звонков в день на нескольких языках. Около 70 % обращений закрываются без участия человека, а каждый четвёртый звонок продажного характера заканчивается покупкой до того, как абонент положит трубку. Один агент на Grok Voice 3.0 успевает подтвердить личность клиента, провести диагностику оборудования, начислить компенсацию и отправить замену.

На что смотреть в этом релизе

Практический вес объявления — не только в баллах бенчмарков, но в паре «цена плюс задержка»: $0.08 за минуту при отклике меньше секунды и обещанной дешевизне на задачу задают экономику, при которой голосовой агент перестаёт быть дорогой надстройкой над текстовым ботом. Сам xAI отдельно подчёркивает, что миграция не требует работы: алиас grok-voice-latest уже указывает на новую модель.

Границы заявлений тоже стоит держать в голове: оценки, на которые опирается компания, — внешние, от Artificial Analysis (13 октября 2026 года) и ServiceNow, а часть цифр по внедрению (миллионы разговоров в день, 70 % закрытых обращений без человека, каждая четвёртая продажа) приведена без раскрытия методики подсчёта — это данные самой xAI.