Grok Voice 3.0: голосовой агент xAI уходит в субсекундную задержку без роста цены

Что выпустила xAI

14 октября 2026 года xAI анонсировала Grok Voice 3.0 — новую speech-to-speech модель для живых голосовых агентов, сразу доступную в Voice Agent API. Цена сохранена на уровне $0,08 за минуту ($4,80 за час), как у Grok Voice 2.0, а агенты на grok-voice-latest мигрированы автоматически без изменений со стороны разработчиков. xAI обрамляет релиз тремя заявлениями: лучший в классе speech-to-speech интеллект, субсекундная задержка и более низкая стоимость работы, чем у сопоставимых флагманских моделей.

Согласно замерам Artificial Analysis, приведённым xAI, средняя стоимость задачи в Big Bench Audio составила $0,025 для Grok Voice 3.0, $0,030 для GPT-Live-1 (Astra, Medium) и $0,055 для GPT-Realtime-2.1 (High). Это стоимость инференса на задачу в бенчмарке, а не тариф API в $0,08 за минуту. Цифры служат ориентиром; реальная экономика кол-центра зависит от нагрузки, длительности звонков, интеграций и передачи обращений людям.

[1] [2]

Табло — в подаче xAI

xAI сообщает, что независимая тестовая компания Artificial Analysis ставит Grok Voice 3.0 на первое место в своём Speech-to-Speech Index с результатом 86,9 — индекс объединяет речевое рассуждение, задачи поддержки tau-Voice, а также предпочтения и успешность задач из слепых парных звонков. Опубликованная сравнительная таблица даёт GPT-Live-1 (Astra, Medium) 83,2, Gemini 3.8 Live (Extended Thinking, High) — 82,6, а Grok Voice 2.0 — 81,3. Покомпонентные оценки показывают, откуда пришёл прирост: речевое рассуждение в Big Bench Audio выросло с 97,2% до 98,5%, Elo предпочтений в Speech Agent Arena — с 1011 до 1070, успешность задач — с 94,6% до 94,8%, а Full Duplex Bench (паузы, очерёдность реплик, перебивания) — с 95,1% до 97,0%.

Честная оговорка включена самой xAI: в tau-Voice — бенчмарке вокруг шумных звонков поддержки с разными акцентами — Grok Voice 3.0 набирает 71,6% против 74,5% у GPT-Live-1 (Astra, Medium), то есть этот тест она не выигрывает. Подача xAI такова: результат сопоставим при задержке на 40% ниже, а в открытом EVA-Bench от ServiceNow для корпоративных голосовых агентов достигнута наивысшая точность — 74%, и первое место при совместной оценке точности и клиентского опыта. В анонсе цитируется директор по продукту ServiceNow, называющий это новым Парето-рубежом для бенчмарка, — одобрение, отобранное xAI для собственного анонса, и читать такие цитаты следует именно так. Показатель конкурента 74,5% приведён SiliconANGLE по сравнительному графику xAI, а не получен независимым повторным замером.

[1] [2]

Уже в проде

Цифры внедрения — та часть анонса, которую не заменит ни один бенчмарк. По словам xAI, Grok Voice обеспечивает миллионы разговоров в день в Tesla и SpaceX. В автомобилях Tesla водители используют Connectors для быстрых запросов без рук — проверить календарь, ответить на письмо, — а Grok Bot — для более длинных задач вроде заказа кофе или брони столика; Grok Voice 3.0 также питает голосовой режим Grok Bot. Это цифры компании, независимо не проверенные, но они описывают модель, уже встроенную в продающиеся продукты, а не ожидающую внедрения.

Кол-центры Starlink — более острый кейс: 20 000 клиентских звонков в день на нескольких языках, около 70% закрываются без участия человека, а каждый четвёртый звонок по продаже заканчивается покупкой до того, как абонент положит трубку. Один голосовой агент, по словам xAI, верифицирует клиентов, диагностирует оборудование, начисляет кредиты и отправляет замену техники — полный цикл поддержки, а не скрипт переадресации. Цифры снова от вендора. Но 70% решения обращений без участия человека, если подтвердится независимым замером, — это метрика, решающая бюджеты корпоративных голосовых агентов, важнее любого индекса.

[1]

Почему это важно

Интересен сам сигнал: xAI опубликовала сравнение, которое выигрывает не полностью. Лидерство в сводном индексе при отставании в tau-Voice и ответ через задержку и стоимость на задачу переформатируют рынок: голосовые агенты теперь судят по поверхности компромиссов «точность — отзывчивость — стоимость задачи», а не по единой таблице. Модель с задержкой на 40% ниже в сравнении tau-Voice от xAI и меньшей стоимостью задачи в приведённом прогоне Big Bench Audio может заслуживать производственного пилота, даже если соперник выше в одном бенчмарке.

Более глубокий сдвиг — от качества модели к доказательствам workflow. Цифры Starlink — доля закрытий, конверсия покупок, один агент, ведущий цепочку от верификации до отправки, — это операционные метрики, именно под такие предприятия верстают бюджеты. Бенчмарки ранжируют модели; продовая телеметрия ранжирует продукты. xAI ставит на то, что публикация обоих в один день схлопнет дистанцию между «лучшей моделью» и «самой практичной для внедрения», а неизменная цена уберёт последний повод не тестировать в масштабе.

[1]

За чем следить

Каждый вендорский бенчмарк считайте ориентиром до независимого воспроизведения. Проверки, которые важны, публичны: удержит ли открытая таблица Artificial Analysis 86,9 и цифры стоимости на задачу, воспроизведут ли независимые команды 74% в EVA-Bench на открытой тестовой платформе, сократится ли в следующих ревизиях разрыв tau-Voice с GPT-Live-1. xAI заслуживает признания за публикацию теста, который она не выигрывает; индустрии стоит ответить взаимностью — проверить те, что выигрывает.

Для команд, эксплуатирующих голос, практический тест — пилот на собственном миксе звонков, а не таблица. Распределение акцентов, фоновый шум и паттерны перебиваний различаются по рынкам, и tau-Voice существует ровно потому, что лабораторные оценки не переносятся чисто на реальные звонки. Экономика, впрочем, уже сместилась в пользу покупателя: неизменная поминутная цена с автоматической миграцией делает цену выяснения пробой, а не проектом миграции. Если 70% решения обращений без участия человека воспроизведётся на ваших звонках, спор о бенчмарках окончен.