14 октября xAI представила Grok Voice 3.0, новую голосовую модель формата speech-to-speech. Она уже доступна в API, стоит столько же, сколько прошлая версия, а алиас grok-voice-latest переключили на неё без участия разработчиков.
Если у вас голосовой агент на xAI и в коде прописан алиас, вы уже работаете на 3.0. Если закреплена версия grok-voice-2.0, её пора менять: вторую версию объявили устаревшей.
Что такое Grok Voice 3.0
Это модель, которая принимает речь и сразу отвечает речью, без отдельных шагов распознавания и синтеза. По словам xAI, задержка у неё меньше секунды, а заточена она под живые разговоры: поддержку клиентов, звонки, голосовых ассистентов.
Та же модель уже работает в продуктах компании. В машинах Tesla она обслуживает миллионы разговоров в день, а колл-центры Starlink через неё принимают около 20 тысяч звонков в сутки на нескольких языках. Примерно 70% таких звонков, как пишет xAI, закрываются без человека.
Бенчмарки: 86.9 в индексе Artificial Analysis
В независимом индексе Speech-to-Speech от Artificial Analysis модель набрала 86.9 балла и вышла на первое место. У Grok Voice 2.0 было 81.3, у GPT-Live-1 83.2, у Gemini 3.8 Live 82.6. В Full Duplex Bench, где оценивают паузы, перебивания и смену реплик, у новой версии 97%.
- Big Bench Audio (рассуждения на слух): 98.5%;
- Elo в Speech Agent Arena по слепым сравнениям: 1070;
- доля успешно решённых задач: 94.8%;
- τ-Voice (звонки с акцентами, шумом и перебиваниями): 71.6%, примерно как у GPT-Live-1, но с задержкой на 40% ниже.
На EVA-Bench от ServiceNow, где голосовых агентов гоняют по 200 с лишним корпоративным сценариям, Grok Voice 3.0 показала лучшую точность, 74%. Ещё xAI ссылается на замер стоимости одной задачи у Artificial Analysis: по нему модель обходится дешевле GPT-Live-1 и GPT-Realtime-2.1.
Цена $0.08 за минуту и grok-voice-latest
Цена осталась прежней: $0.08 за минуту, то есть $4.80 за час разговора, как у Grok Voice 2.0. Модель доступна в Voice Agent API, эндпоинт тот же, /v1/realtime.
В release notes xAI добавила две записи. Первая: появилась модель grok-voice-3.0, а grok-voice-latest теперь указывает на неё. Вторая: grok-voice-2.0 объявлена устаревшей, переходить предлагают на grok-voice-3.0 или на алиас, цена та же.
В документации по Speech to Speech отдельный раздел про переход. API не менялся: тот же эндпоинт, те же параметры сессии и события. Если версия закреплена в коде, достаточно поменять одну строку:
wss://api.x.ai/v1/realtime?model=grok-voice-3.0
В итоге Grok Voice 3.0 это бесплатное обновление для тех, кто уже сидит на голосовом API xAI: цена та же, интерфейс тот же, а по бенчмаркам модель заметно сильнее второй версии. Если в коде закреплена grok-voice-2.0, стоит заменить её сейчас, пока вторая версия просто помечена устаревшей.
