xAI, она же ИИ-компания Илона Маска, 14 октября выпустила Grok Voice 3.0. Это схема, которая принимает речь и сразу отвечает речью, без промежуточного перевода в текст. В рейтинге Speech-to-Speech Index от независимой Artificial Analysis модель набрала 86,9 балла и заняла первое место. Цена в Voice Agent api осталась прежней — 0,08 $ за минуту, или 4,80 $ за час разговора.

Что изменилось по сравнению с 2.0

Прирост равномерный по всем осям. Индекс Artificial Analysis вырос с 81,3 до 86,9. Ближайшие конкуренты — GPT-Live-1 от OpenAI (83,2) и Gemini 3.8 Live от Google (82,6). На Big Bench Audio, тесте рассуждений по голосовому вводу, схема набирает 98,5% против 97,2% у предыдущей версии. На Full Duplex Bench, где проверяют умение держать очередь реплик и реагировать на перебивания, — 97,0% против 95,1%. Рейтинг Эло в Speech Agent Arena, построенный на предпочтениях людей, вырос с 1 011 до 1 070.

Задержка до первого звука составила меньше секунды и на 40% ниже, чем у GPT-Live-1. Архитектуру модели организация не раскрывает, описание ограничивается классическим «speech-to-speech». Измеренных значений задержки в миллисекундах в анонсе тоже нет.

Где Grok Voice проигрывает

На τ-Voice, бенчмарке реальных звонков в поддержку с акцентами, шумом и перебиваниями, Grok Voice 3.0 набирает 71,6%. Собственный график xAI демонстрирует GPT-Live-1 на уровне 74,5%. В анонсе xAI называет точность «сопоставимой», и на этом тесте схема отстает. Одновременно скачок от предыдущей версии здесь самый большой — с 56,5% до 71,6%. Gemini 3.8 Live с 68,6% остается позади.

Grok Voice быстрее и дешевле, GPT-Live-1 надежнее в самом шумном и сложном сценарии.

Экономика голосового агента

Стоимость одной задачи на Big Bench Audio, по данным Artificial Analysis, — 0,025 $ против 0,030 $ у GPT-Live-1 и 0,055 $ у GPT-Realtime-2.1. Для бизнеса важнее пример внедрения. В колл-центрах Starlink модель обрабатывает приблизительно 20 000 звонков в день, около 70% закрываются без человека, а каждый четвертый продающий звонок заканчивается покупкой, заявляет xAI. Это цифры внутреннего клиента, Starlink входит в империю Маска, поэтому их стоит воспринимать как демонстрацию возможностей.

Внешняя проверка есть на EVA-Bench, бенчмарке ServiceNow для голосовых агентов на 200+ корпоративных сценариях. Там модель показала 74% точности, лучший опубликованный итог. Нитин Аггарвал из ServiceNow объявил, что Grok Voice 3.0 «задает новую границу Парето» по сочетанию точности и качества обслуживания.

Что это значит

Сегмент нативных speech-to-speech моделей стал конкурентным, три вендора идут вплотную, следовательно выбор стоит создавать на собственных записях звонков, ориентируясь на τ-Voice и Full Duplex Bench больше, чем на сводный индекс. Агенты на алиасе grok-voice-latest переключились на новую версию автоматически, и тем, кто уже в продакшене, стоит прогнать регрессионные тесты.

ИИ‑роутер — доступ к 400+ моделям из одной панели

Подключите OpenAI‑совместимый шлюз по единому api‑ключу. Настраивайте сквозную аналитику, отслеживайте лимиты и квотируйте ресурсы.

Запустить ИИ‑роутер →