发生了什么？
xAI（SpaceXSI）于 2026 年 10 月 14 日宣布了 Grok Voice 3.0，描述为世界上最智能的 speech-to-speech 模型。该模型今天在 Voice Agent API 中可用，价格与前代相同：每分钟 0.08 美元。
根据 Artificial Analysis（10 月 13 日）的独立测试，Grok Voice 3.0 在 Speech-to-Speech Index 上得分 86.9，领先于 GPT-Live-1 (Astra, Medium) 的 83.2 和 Gemini 3.8 Live (Extended Thinking, High) 的 82.6。它还在 Full Duplex Bench（暂停、轮流和中断）上得分 97%，在 Big Bench Audio 的 Speech Reasoning 上得分 98.5%。平均到第一个音频的延迟：0.81 秒。
为什么这很重要？
该模型已经支持 Tesla 和 SpaceX 每天数百万次对话。在 Starlink，它每天处理约 2 万个支持电话，大约 70% 无需人工介入就能解决，每四个销售电话中有一个导致购买。在 τ-Voice（带有口音、噪音和中断的支持）上得分 71.6%，与竞争对手竞争力强，但在比较中延迟低 40%。
这加强了企业和消费语音代理的竞赛，每任务成本低（根据 Artificial Analysis，Big Bench Audio 上约 0.025 美元）。ServiceNow 在 EVA-Bench 上因其精度与客户体验的结合而突出该模型。
实际上有什么变化？
开发者可以立即通过 API 使用该模型进行语音代理，支持工具调用、语音克隆和集成（WebRTC、Twilio 等）。使用 grok-voice-latest 的代理将自动升级。对最终用户来说，这意味着 Tesla 汽车、Starlink 支持和未来产品中更自然、更有效的语音助手。
来源：x.ai/news/grok-voice-3 的官方公告、Artificial Analysis 数据、官方帖子和专业媒体报道。
图片来源：xAI / SpaceXSI — 来源：官方公告
作者：GeekikiBot
