AREX Feed Article
SpaceXAI Grok Voice 3.0 首登 Artificial Analysis 语音对语音指数榜首：86.9 分、任务成功率 94.8%
独立评测机构 Artificial Analysis 于北京时间 10 月 15 日凌晨 1 时 26 分（10 月 14 日 17:26 UTC）在 中公布实测结果：SpaceXAI 的语音对语音（Speech to Speech）模型 Grok Voice 3.0 首次参评，即以 86.9 分登顶该机构的 Speech-to-Speech Index，领先 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live（Extended Thinking, High）的 82.6 分；相比上一代 Grok Voice 2.0 的 81.3 分，高出 5.6 分。在同一套盲测通话中，Grok Voice 3.0 以 94.8% 的任务成功率位居全榜第一；其 Big Bench Audio 平均首音频时间（Time to First Audio）为 0.81 秒。
（图：Artificial Analysis 10 月 14 日在 中发布的配图，紫色箭头指向 Grok Voice 3.0）
同日，SpaceXAI 在官网发布了《Introducing Grok Voice 3.0》，确认模型已在 API 上线，定价每分钟 0.08 美元，与上一代持平；公告还给出了一批现役部署数字：Grok Voice 目前每天在特斯拉与 SpaceX 承载数百万次对话。
榜单怎么合成：四项基准，各有一个名次
按 与推文的口径，这份指数是四项成绩的加权平均：语音推理（Big Bench Audio）、代理表现（τ-Voice）、Arena 盲选偏好和任务成功率。Grok Voice 3.0 的四项名次并不一致：
- 语音推理（基于 AA 的 Big Bench Audio 数据集）：98.5%，高于 Gemini 3.8 Live（Extended Thinking, High）的 97.7% 和 Grok Voice 2.0 的 97.2%；
- 代理表现（τ-Voice，即在复刻客服场景中作为客服代理解决问题的比例）：71.6%，列第二，低于 GPT-Live-1（Astra, medium）的 74.5%，高于 Gemini 3.8 Live（Extended Thinking, High）的 68.6%；
- Speech Agent Arena（真人先后与两个匿名模型完成同一场景后投票）：偏好 Elo 1070，列第三，排在 Gemini 3.1 Flash Live Minimal（1100）与 Gemini 3.8 Live（1088）之后，高于 GPT-Live-1（Sol, low）的 1057；
- 任务成功率（以正确的工具调用完成任务的对话比例）：94.8%，高于 Grok Voice 2.0 的 94.6%。AA 在中给出 Gemini 3.8 Live 的成绩为 93.2%。
推文同时交代了实测方式：AA 通过 SpaceXAI Realtime API 调用模型，以 Rex 音色完成评测。
增量与代价：代理能力上升，响应变慢
按 AA 的说法，初代 Grok Voice 1.0 发布至今不到六个月，得分 73.7；到这一代，累计涨了 13.2 分。这次 5.6 分的提升幅度里，百分比指标中变化最大的是代理能力：τ-Voice 从 Grok Voice 2.0 的 56.5% 升至 71.6%，提高 15.1 个百分点，超过 Gemini 3.8 Live（Extended Thinking, High）的 68.6%。语音推理同步上升：Big Bench Audio 从 97.2% 到 98.5%。任务成功率的提升则有限：94.6% 到 94.8%，只差 0.2 个百分点。
回退出现在速度上。AA 明确标注：Grok Voice 3.0 的平均首音频时间为 0.81 秒，慢于 Grok Voice 2.0 的 0.70 秒。
速度与价格：竞品间的排位
0.81 秒的首音频时间仍明显快于三家主要竞品：GPT-Live-1（Sol, low）为 1.24 秒，GPT-Live-1（Astra, medium）为 1.34 秒，Gemini 3.8 Live（Extended Thinking, High）为 1.35 秒。官方称其延迟低于 1 秒、属同级领先，并称其 τ-Voice 得分与 GPT-Live-1（Astra）相当、延迟低约 40%；按 AA 的实测数字，两者分别是 0.81 秒与 1.34 秒。
价格上，AA 记录 Grok Voice 3.0 为每小时输入音频 4.80 美元，与 Grok Voice 2.0 相同。这一价格高于 Gemini 3.8 Live（Extended Thinking, High）的 3.50 美元和 GPT-Live-1（Sol, low）的 4.47 美元，低于 GPT-Live-1（Astra, medium）的 5.83 美元，不到 GPT-Realtime-2.1 High（10.75 美元）的一半。公告另引用 AA 的 Big Bench Audio 单任务成本：Grok Voice 3.0 为 0.025 美元，低于 GPT-Live-1（Astra, Medium）的 0.030 美元和 GPT-Realtime-2.1（High）的 0.055 美元。
官方公告：API 已上线，特斯拉与 Starlink 是现役客户
公告页面标注日期为 10 月 14 日，其中引用的 AA 数据表注明快照日期为 10 月 13 日。公告称 Grok Voice 3.0 是「全球最智能的语音对语音模型」——这是公司自评——并给出三项具体主张：客服问题解决率创新高、延迟低于 1 秒、运行成本低于其他前沿模型。
部署数字来自公告本身：特斯拉车内，驾驶员通过 Connectors 查日历、回邮件，用 Grok Bot 点咖啡、订餐厅，全程免手持；Starlink 呼叫中心每天用 Grok Voice 接听 20,000 通多语言来电，约 70% 在无人工介入的情况下解决，四分之一的销售通话在挂断前完成下单。公告还称，单个基于 Grok Voice 3.0 构建的 agent（自动化语音代理）即可完成客户核验、硬件排障、补偿发放与替换设备寄送。
第三方基准方面，公告引用 ServiceNow 的企业语音代理基准 EVA-Bench：Grok Voice 3.0 以 74% 取得最高准确率，并在准确率与客户体验的综合评分上居首。ServiceNow 代理评测与 RAI 方向高级产品总监 Nitin Aggarwal 在公告中表示，Grok Voice 3.0 在 EVA-Bench 上确立了新的帕累托前沿——该开源基准在 200 多个真实企业场景上为语音代理的准确率与体验打分——「把顶级准确率与自然、响应及时的对话结合在一起」。对话自然度上，公告给出的 Full Duplex Bench 成绩为 97.0%（上一代为 95.1%），该基准衡量模型处理停顿、轮次转换与打断的自然程度。
可用性方面，Grok Voice 3.0 当天已上线 Voice Agent API，定价每分钟 0.08 美元（每小时 4.80 美元）；使用 grok-voice-latest 的 agent 已被自动切换，无需改动代码。
榜首的口径与边界
榜首有一个前提：它是 AA 自家榜单口径下的第一。AA 既是实测方，也是权重设定方——指数由其四项基准加权平均而来，数据来自该机构经 API 自行实测的结果；目前公开可查的成绩均出自这一口径，SpaceXAI 官方公告引用的也是同一家机构的数据。AA 的实时数据（本文 10 月 15 日检索）与推文一致：Grok Voice 3.0 的指数分为 86.889（页面显示 86.9）、Arena Elo 1070.34、任务完成率 0.9483、Big Bench Audio 0.985、首音频 0.81 秒、每小时成本 4.80 美元。
发布渠道方面：截至 10 月 15 日发稿检索，SpaceXAI 的官方 X 账号（@SpaceXSI，SpaceX Super Intelligence，原 @SpaceXAI）上最新帖文仍停留在 10 月 8 日，本次发布的公开记录目前主要是官网公告与 AA 的实测帖。
AA 页面上还有两处与这份名次直接相关的标注：τ-Voice 对照中，GPT-Live-1 的两个版本与 GPT-Realtime-2（Minimal）的成绩仅基于 1 次试验，GPT-Realtime-2.1 High 基于 2 次；Grok Voice 3.0 的 Elo 95% 置信区间为 1041.88～1098.79，排在它前面的 Gemini 3.8 Live 的 1088 就落在区间之内。