Когда голосовые ИИ-агенты часто критикуются за неспособность решать сложные задачи, xAI представила Grok Voice 3.0. Это новая версия её речевой модели, которая, по заявлению компании, устанавливает рекорды по разрешению звонков в службу поддержки, демонстрируя при этом задержку менее одной секунды.
Grok Voice 3.0 заняла первое место в независимом индексе Speech-to-Speech Index от Artificial Analysis с результатом 86.9, опережая конкурентов, включая GPT-Live-1 (Astra) и Gemini 3.8 Live. Модель показала 97% в Full Duplex Bench за естественность диалога и 94.8% в Task Success Rate. Также модель лидирует в бенчмарке EVA-Bench от ServiceNow, оценивающем голосовых агентов для корпоративного сектора, с 74% точности.
Модель демонстрирует высокую эффективность в реальных сценариях: в колл-центрах Starlink Grok Voice 3.0 обрабатывает 20 000 звонков ежедневно, решая 70% из них без участия человека. Каждый четвертый звонок по продажам завершается покупкой ещё до того, как клиент положит трубку. Агент на базе Grok Voice 3.0 способен верифицировать клиентов, решать проблемы с оборудованием, выписывать кредиты и оформлять доставку замен.
При всех улучшениях, стоимость использования Grok Voice 3.0 осталась на уровне предыдущей версии — $0.08 в минуту ($4.80 в час). По данным Artificial Analysis, это делает её дешевле в расчете на задачу по сравнению с GPT-Live-1 (Astra) и GPT-Realtime-2.1.
Grok Voice 3.0, по-видимому, достигла нового парето-оптимума, сочетая возможности голосового ИИ с низкими задержками и сохранением стоимости, что делает её привлекательным решением для масштабирования автоматизированной поддержки. Однако xAI не раскрывает подробностей об архитектуре модели или используемых данных для обучения, оставляя вопросы о её внутренней работе без ответа.