xAI, Grok Voice 3.0'u Tanıttı, Konuşmadan Konuşmaya İşleyen Model

xAI, konuşmadan konuşmaya işleyen model olan Grok Voice 3.0'u tanıttı; şirket onu dünyanın en zeki sesli modeli olarak nitelendiriyor. Yayın, kullanıcı destek çağrılarının en yoğun döneminde yeni bir rekor kırdı, saniyeden daha az gecikme sunuyor ve açıklamaya göre rakip frontier modellerden daha düşük maliyetli.

Benchmark Sonuçları

Artificial Analysis'in bağımsız testlerinde Grok Voice 3.0, Speech-to-Speech Index'te 86,9 puanla birinci sırada; GPT-Live-1 (Astra, Medium) 83,2 puan, Gemini 3.8 Live (Ext. Thinking, High) 82,6 puan ve önceki nesil Grok Voice 2.0 ise 81,3 puanla geride kaldı. Endeks, konuşma akıl yürütmeyi, tau-Voice'u ve kör karşılıklı aramalardaki üstünlüğü ile görev başarısını bir araya getiriyor.

Grok Voice 3.0, konuşma akıl yürütmede Big Bench Audio'da %98,5 puan topluyor, insan üstünlüğü için Speech Agent Arena Elo'da 1070 puan alıyor; görev başarı oranı %94,8, Full Duplex Bench'de ise %97,0 puanla modelin duraklamaları, konuşma sırasını koruma ve kesmeleri ne kadar doğal şekilde idare ettiğini ölçüyor. Farklı aksanlar, arka plan gürültüsü ve kesmelerle destek çağrılarını test eden tau-Voice'da %71,6 puan topluyor; bu GPT-Live-1 (Astra) %74,5 ile karşılaştırılabilir düzeyde, ancak %40 daha düşük gecikmeyle.

Fiyat ve Kurumsal Performans

Artificial Analysis, Big Bench Audio testi kapsamında görev başarısının maliyetini ölçüyor; Grok Voice 3.0 bir görev başına $0,025'e mal oluyor, bu GPT-Live-1 (Astra, Medium) için $0,030 ve GPT-Realtime-2.1 (High) için $0,055'ten daha düşük.

ServiceNow'un 200'den fazla gerçek senaryoyu kapsayan kurumsal sesli ajan benchmark'ı EVA-Bench'te Grok Voice 3.0, en yüksek doğruluk puanı olan %74'e ulaşıyor ve doğruluk ile kullanıcı deneyimi birlikte değerlendirildiğinde en iyi sonuç veren model oluyor. ServiceNow'da Agentic Evals ve RAI Ürün Yönetimi Kıdemli Direktörü Nitin Aggarwal, modelin EVA-Bench'te yeni bir pareto sınırı belirlediğini ve en yüksek doğruluğu doğal, tepkisel konuşmayla birleştirdiğini belirtti.

Tesla ve SpaceX'te Dağıtım

Grok Voice, Tesla ve SpaceX'te günlük milyonlarca görüşmeye hizmet veriyor. Tesla araçlarında sürücüler Connectors'ı basit talepler için kullanıyor, örneğin takvimi kontrol etmek veya e-postaya yanıt vermek; Grok Bot ise kahve siparişi veya akşam yemeği rezervasyonu gibi daha büyük görevler için, tamamen eller başında çalışıyor. Grok Voice 3.0 ayrıca Grok Bot'un sesli modunu işliyor.

Starlink çağrı merkezleri, günlük 20 000 müşteri çağrısını birkaç dilde yanıtlamak için Grok Voice kullanıyor. Çağrıların yaklaşık %70'i insan müdahalesi olmadan sonuçlanıyor; satış çağrılarının dördünde biri, abone telefonu kapatmadan satın alım tamamlanıyor. Grok Voice 3.0 üzerine kurulu bir ajan, müşterileri doğruluyor, teknik sorunları sınıflandırıyor, kredi tahsis ediyor ve yedek ekipman gönderiyor.

Fiyat ve Erişilebilirlik

Grok Voice 3.0, Voice Agent API'de bugünden itibaren dakikada $0,08 (saatte $4,80) fiyatla sunuluyor, Grok Voice 2.0 ile aynı fiyatta. grok-voice-latest kullanan ajanlar değişikliklere otomatik geçiş yapıyor, güncellemeye gerek kalmadan.

Kaynaklar: Spacexsi