xAI הציגה את Grok Voice 3.0, מודל לעיבוד דיבור-לדיבור

xAI הציגה את Grok Voice 3.0, מודל לעיבוד דיבור-לדיבור, שהחברה מכנה אותו המודל הקולי האינטליגנטי ביותר בעולם. השקתו קבעה שיא חדש בסגירת שיחות תמיכת לקוחות, מציעה השהיה של פחות משנייה ועולה פחות ממודלי החזית המתחרים, לפי ההצהרה.

תוצאות בנצ'מרק

בבדיקות העצמאיות של Artificial Analysis, Grok Voice 3.0 מדורג במקום הראשון ב-Speech-to-Speech Index עם 86.9 נקודות, עולה על GPT-Live-1 (Astra, Medium) עם 83.2 נקודות, Gemini 3.8 Live (Ext. Thinking, High) עם 82.6 נקודות ועל Grok Voice 2.0 עם 81.3 נקודות. האינדקס מאגד את ההיגיון הדיבורי, tau-Voice, וכן את העדיפות וההצלחה במשימות משיחות עיוורות זה מול זה.

Grok Voice 3.0 משיג 98.5% ב-Big Bench Audio להיגיון דיבורי, 1070 ב-Speech Agent Arena Elo לעדיפות אנושית, מדד הצלחה במשימות של 94.8%, ו-97.0% ב-Full Duplex Bench, המודד עד כמה המודל מתמודד בצורה טבעית עם הפסקות, שמירה על תור השיחה והפסקות. ב-tau-Voice, הבודק שיחות תמיכה עם מבטאים שונים, רעש רקע והפסקות, הוא משיג 71.6%, מה שמשווה ל-74.5% של GPT-Live-1 (Astra), אך עם השהיה נמוכה ב-40%.

עלות וביצועים ארגוניים

Artificial Analysis במסגרת בדיקת Big Bench Audio שלה מודדת את עלות ביצוע משימות, ו-Grok Voice 3.0 יוצא ב-$0.025 למשימה אחת, פחות מ-$0.030 של GPT-Live-1 (Astra, Medium) ו-$0.055 של GPT-Realtime-2.1 (High).

ב-EVA-Bench, בנצ'מרק קוד פתוח של ServiceNow לסוכנים קוליים ארגוניים הכולל מעל 200 תרחישים ריאליים, Grok Voice 3.0 משיג את ציון הדיוק הגבוה ביותר, 74%, והוא המודל עם התוצאה הטובה ביותר כשדיוק וחוויית המשתמש מוערכים יחד. Nitin Aggarwal, הדירקטור הבכיר של ניהול מוצרים של Agentic Evals and RAI ב-ServiceNow, אמר שהמודל קובע חזית פארטו חדשה ב-EVA-Bench ומחבר דיוק גבוה לשיחה טבעית ורספונסיבית.

התקנות ב-Tesla וב-SpaceX

Grok Voice משרת מיליוני שיחות מדי יום ב-Tesla וב-SpaceX. בכלי רכב של Tesla, נהגים משתמשים ב-Connectors לבקשות פשוטות, כמו בדיקת לוח שנה או שליחת תשובה לאימייל, בעוד Grok Bot משמש למשימות גדולות יותר, כמו הזמנת קפה או הזמנת ארוחת ערב, הכל ללא שימוש בידיים. Grok Voice 3.0 מעבד גם את המצב הקולי של Grok Bot.

מרכזי קול של Starlink משתמשים ב-Grok Voice כדי לענות על 20,000 שיחות לקוחות מדי יום במספר שפות. כ-70% מהשיחות מסתיימות ללא מעורבות אדם, ואחת מארבע שיחות מכירות הופכת לרכישה לפני שהמנוי מנתקת את הטלפון. סוכן אחד המבוסס על Grok Voice 3.0 מאמת לקוחות, פותר בעיות טכניות, מעניק קרדיטים ושולח ציוד חלופי.

מחיר וזמינות

Grok Voice 3.0 זמין החל מהיום ב-Voice Agent API במחיר של $0.08 לדקה ($4.80 לשעה), באותו מחיר כמו Grok Voice 2.0. סוכנים המשתמשים ב-grok-voice-latest מועברים אוטומטית ללא צורך בשינויים.

מקורות: Spacexsi