xAI-მ წარადგინა Grok Voice 3.0, მეტყველებიდან მეტყველებაზე მომუშავე მოდელი

xAI-მ წარადგინა Grok Voice 3.0, მეტყველებიდან მეტყველებაზე მომუშავე მოდელი, რომელსაც კომპანია მსოფლიოში ყველაზე ინტელექტუალურ ხმოვან მოდელს უწოდებს. გამოშვებამ ახალი რეკორდი დაამყარა მომხმარებელთა მხარდაჭერის ზარების დახურვაში, სთავაზობს ერთ წამზე ნაკლებ დაყოვნებას და ნაკლები ღირს, ვიდრე კონკურენტი ფრონტირული მოდელები, განცხადების მიხედვით.

ბენჩმარკის შედეგები

Artificial Analysis-ის დამოუკიდებელ ტესტირებაში Grok Voice 3.0 Speech-to-Speech Index-ში პირველ ადგილზეა 86,9 ქულით, უსწრებს GPT-Live-1-ს (Astra, Medium) 83,2 ქულით, Gemini 3.8 Live-ს (Ext. Thinking, High) 82,6 ქულით და წინამორბედ Grok Voice 2.0-ს 81,3 ქულით. ინდექსი აერთიანებს მეტყველების მსჯელობას, tau-Voice-ს, ასევე უპირატესობასა და დავალების წარმატებას ბრმა პირისპირ ზარებიდან.

Grok Voice 3.0 მეტყველების მსჯელობისთვის Big Bench Audio-ზე 98,5%-ს აგროვებს, ადამიანური უპირატესობისთვის Speech Agent Arena Elo-ზე 1070-ს, დავალების წარმატების მაჩვენებელი 94,8%-ია, ხოლო Full Duplex Bench-ზე 97,0%-ს, რომელიც ზომავს, რამდენად ბუნებრივად უმკლავდება მოდელი პაუზებს, საუბრის რიგის დაცვას და შეწყვეტებს. tau-Voice-ზე, რომელიც ამოწმებს მხარდაჭერის ზარებს სხვადასხვა აქცენტით, ფონური ხმაურით და შეწყვეტებით, 71,6%-ს აგროვებს, რაც შედარებადია GPT-Live-1-ის (Astra) 74,5%-თან, თუმცა 40%-ით დაბალი დაყოვნებით.

ღირებულება და კორპორატიული წარმადობა

Artificial Analysis თავისი Big Bench Audio ტესტის ფარგლებში ზომავს დავალების შესრულების ღირებულებას, და Grok Voice 3.0 ერთ დავალებაზე $0,025-ად გამოდის, რაც ნაკლებია GPT-Live-1-ის (Astra, Medium) $0,030-ზე და GPT-Realtime-2.1-ის (High) $0,055-ზე.

EVA-Bench-ზე, ServiceNow-ის ღია წყაროს ბენჩმარკზე კორპორატიული ხმოვანი აგენტებისთვის, რომელიც 200-ზე მეტ რეალურ სცენარს მოიცავს, Grok Voice 3.0 უმაღლესი სიზუსტის ქულას აღწევს, 74%-ს, და საუკეთესო შედეგის მქონე მოდელია, როცა სიზუსტე და მომხმარებლის გამოცდილება ერთად ფასდება. ServiceNow-ში Agentic Evals and RAI-ის პროდუქტის მენეჯმენტის უფროსი დირექტორი Nitin Aggarwal-მა თქვა, რომ მოდელი EVA-Bench-ზე ახალ პარეტოს ფრონტს ადგენს და უმაღლეს სიზუსტეს ბუნებრივ, რეაგირებად საუბართან აკავშირებს.

განლაგება Tesla-სა და SpaceX-ში

Grok Voice ყოველდღიურად მილიონობით საუბარს ემსახურება Tesla-სა და SpaceX-ში. Tesla-ს ავტომობილებში მძღოლები Connectors-ს იყენებენ მარტივი მოთხოვნებისთვის, მაგალითად კალენდრის შესამოწმებლად ან ელფოსტაზე პასუხის გასაცემად, ხოლო Grok Bot-ს უფრო დიდი ამოცანებისთვის, როგორიცაა ყავის შეკვეთა ან ვახშმის დაჯავშნა, ყველაფერი ხელების გამოუყენებლად. Grok Voice 3.0 ასევე ამუშავებს Grok Bot-ის ხმოვან რეჟიმს.

Starlink-ის ქოლ-ცენტრები Grok Voice-ს იყენებენ, რომ ყოველდღიურად 20 000 მომხმარებლის ზარს უპასუხონ რამდენიმე ენაზე. დაახლოებით 70% ადამიანის ჩარევის გარეშე წყდება, ხოლო გაყიდვების ოთხი ზარიდან ერთი შესყიდვით სრულდება მანამ, სანამ აბონენტი ტელეფონს დაკიდებს. Grok Voice 3.0-ზე აწყობილი ერთი აგენტი ამოწმებს მომხმარებლებს, აგვარებს ტექნიკის პრობლემებს, ანიჭებს კრედიტებს და აგზავნის შემცვლელ აღჭურვილობას.

ფასი და ხელმისაწვდომობა

Grok Voice 3.0 დღეიდან ხელმისაწვდომია Voice Agent API-ში წუთში $0,08-ად ($4,80 საათში), იმავე ფასად, როგორც Grok Voice 2.0. აგენტები, რომლებიც grok-voice-latest-ს იყენებენ, ავტომატურად გადაერთნენ ცვლილებების საჭიროების გარეშე.

წყაროები: Spacexsi