xAI-ն ներկայացրել է Grok Voice 3.0, խոսքից խոսք մշակող մոդել

xAI-ն ներկայացրել է Grok Voice 3.0, խոսքից խոսք մշակող մոդել, որը ընկերությունը աշխարհի ամենամտավոր ձայնային մոդելն է համարում: Թողարկումը նոր ռեկորդ է սահմանել օգտատերերի աջակցության զանգերի փակմանը, առաջարկում է վայրկյանից պակաս դադար և պակաս գին, քան մրցակից ֆրոնտալային մոդելները, հայտարարության համաձայն:

Բենչմարկի արդյունքները

Artificial Analysis-ի անկախ փորձարկումներում Grok Voice 3.0-ը Speech-to-Speech Index-ում առաջին տեղն է 86,9 մոլորակով, արագանում է GPT-Live-1-ին (Astra, Medium) 83,2 մոլորակով, Gemini 3.8 Live-ին (Ext. Thinking, High) 82,6 մոլորակով և նախորդ Grok Voice 2.0-ին 81,3 մոլորակով: Հդեքսը միավորում է խոսքի մշակումը, tau-Voice-ը, նաև գերակայությունը և խնդիրների հաջողությունը կուղմակի զանգերից:

Grok Voice 3.0-ը խոսքի մշակման համար Big Bench Audio-ում 98,5%-է հավաքում, մարդկային գերակայության համար Speech Agent Arena Elo-ում 1070-ն է, խնդիրների հաջողության ցուցանիշը 94,8%-ն է, իսկ Full Duplex Bench-ում 97,0%-ն է, որը չափում է, թե որքան բնականորեն է մոդելը կառավարում դադարները, խոսակցության հաջորդականության պահպանումը և ընդհատումները: tau-Voice-ում, որը ստուգում է աջակցության զանգերը տարբեր ակցենտնով, ֆոնային աղմուկով և ընդհատումնով, 71,6%-է հավաքում, որը համեմատելի է GPT-Live-1-ի (Astra) 74,5%-ի հետ, սակայն 40%-ով ցածր դադարով:

Գինը և կորպորատիվ արտադրողականությունը

Artificial Analysis-ը իր Big Bench Audio թեստի շրջանակներում չափում է խնդիրների կատարման գինը, և Grok Voice 3.0-ը մեկ խնդրի համար $0,025 է դուրս գալիս, որը պակաս է GPT-Live-1-ի (Astra, Medium) $0,030-ի և GPT-Realtime-2.1-ի (High) $0,055-ի:

EVA-Bench-ում, ServiceNow-ի բաց կոդով բենչմարկում կորպորատիվ ձայնային ագենտների համար, որը ընդգրկում է 200-ից ավելի իրական սցենարներ, Grok Voice 3.0-ը հասնում է ամենաբարձր ճշգրտության մոլորակին, 74%-ին, և լավագույն արդյունք ունեցող մոդելն է, երբ ճշգրտությունը և օգտատիրոջ փորձը միասին գնահատվում են: ServiceNow-ում Agentic Evals and RAI-ի արտադրանքի կառավարման ավագ տնօրեն Nitin Aggarwal-ն ասաց, որ մոդելը EVA-Bench-ում նոր պարետոսի առաջանկում է հասնում և ամենաբարձր ճշգրտությունը բնական, արձագանքող խոսակցության հետ կապում է:

Տեղակայումը Tesla-ում և SpaceX-ում

Grok Voice-ն ամենօրյա միլիոնավոր խոսակցությունների է ծառայում Tesla-ում և SpaceX-ում: Tesla-ի մեքենաներում վարորդները Connectors-եր են օգտագործում պարզ հարցումների համար, օրինակ տեսացուցիչ ստուգելու համար կամ էլփոստում պատասխան տալու համար, իսկ Grok Bot-ը ավելի մեծ խնդիրների համար է, ինչպիսիք են սուրճի պատվերը կամ ընթրելու պատվերը, ամեն ինչ ձեռքերից առանց: Grok Voice 3.0-ը նաև մշակում է Grok Bot-ի ձայնային ռեժիմը:

Starlink-ի զանկ-կենտրոնները Grok Voice-ն են օգտագործում, որպեսզի ամենօրյա 20 000 օգտատիրոջ զանգին պատասխանեն մի քանի լեզով: Մոտավորապես 70%-ը դադարում է մարդկային մասնակցության առանց, իսկ վաճառքների չորս զանգից մեկը գնումով ավարտվում է, մինչև բաժանորդը հեռախոսը կախում է: Grok Voice 3.0-ով հավաքված մեկ ագենտը ստուգում է օգտատերերին, լուծում է տեխնիկական խնդիրները, տալիս է վարկեր և ուղարկում է փոխարինող սարքավորումներ:

Գինը և հասանելիությունը

Grok Voice 3.0-ը այսօրից հասանելի է Voice Agent API-ում րոպեում $0,08 գնով ($4,80 ժամում), նույն գնով, ինչ Grok Voice 2.0-ն: Ագենտները, որոնք grok-voice-latest-ն են օգտագործում, ավտոմատ կերպով անցնում են փոփոխությունների անհրաժեշտության առանց:

Հղումները: Spacexsi