Grok Voice 3.0 在 2026 年 10 月 14 日由 xAI 正式发布。这是一款语音到语音模型，在 Artificial Analysis 的语音到语音指数中拿到 86.9 分、排名第一，响应时延低于 1 秒，现已通过 Voice Agent API 上线，价格与上一代相同，为每分钟 0.08 美元。使用 grok-voice-latest 的智能体已被自动切换到新版，不需要改代码。
分数高在哪里，不只看总分
拆开看，Grok Voice 3.0 的语音推理（Big Bench Audio）为 98.5%，任务成功率 94.8%，衡量停顿、接话和打断处理的全双工评测为 97%，三项都高于 GPT-Live-1（Astra，中档）与 Gemini 3.8 Live（高思考档），总分也比自家 2.0 的 81.3 分高出 5.6 分。更贴近真实客服场景的 τ-Voice 测试里它拿到 71.6%，与 GPT-Live-1 大致打平，但时延低约 40%；在 ServiceNow 的企业语音智能体基准 EVA-Bench 上，它的准确率 74% 为参评模型最高。对选型团队来说，这组数字的意义是：它不是只在安静环境里答得准，而是把口音、背景噪声和抢话这类通话现场的麻烦也算进了成绩。
已经在车和客服中心里跑量
xAI 给出的落地数据来自自家生态。特斯拉车内每天有数百万次对话经过 Grok Voice，司机可以免手操作查日历、回邮件，或让 Grok Bot 订咖啡、订餐位，新版同时驱动 Grok Bot 的语音模式。Starlink 的客服中心每天接到约 2 万通电话，约七成由语音智能体独立解决，四分之一的销售来电最终成交；同一个智能体能完成身份核验、硬件排障、发放补偿和寄送替换设备。这类自营场景的好处是数据可信度有出处，局限也明显：它证明的是 xAI 自家流程里的表现，其他行业的通话结构、合规要求不同，不能直接照搬解决率。
想接的团队先算三笔账
第一是单价：每分钟 0.08 美元、每小时 4.8 美元，官方称完成单个任务的成本低于 GPT-Live-1 和 GPT-Realtime-2.1，长通话业务要按自己的平均时长折算，而不是只看榜分。第二是迁移成本：接口价格与旧版一致、模型名可自动切换，试错门槛低，但提示词、打断策略和兜底转人工规则仍要重新测一轮。第三是边界：目前公开成绩主要来自第三方榜单与厂商自报场景，医疗、金融等强合规通话能不能用、录音与数据留存怎么处理，官方页面没有展开，上线前要单独向厂商确认。
