14 қазанда SpaceXAI Grok Voice 3.0 шығарды - телефонда және көлікте сөйлесетін агенттерге арналған дыбыстық модель. Ол Artificial Analysis-тің Speech-to-Speech индексінде бірінші орын алды: 86,9 ұпай, ал OpenAI-дың GPT-Live-1 моделінде 83,2. Бірақ «бірінші орын» қай кестені ашқаныңызға байланысты: адамдар дауысында модель үшінші, ал шулы қоңырауларда OpenAI алда.
Бұл қандай модель
Grok Voice 3.0 - speech-to-speech класындағы модель: ол сөйлеуді тыңдап, дауыспен тікелей жауап береді, мәтінге аударып қайта аудармайды. Сондықтан кідіріс аз, үзілістер мен сөзді бөлу табиғирақ. Voice Agent API арқылы жұмыс істейді, модель идентификаторы - grok-voice-3.0.
Жаңа нұсқа grok-voice-latest алиасында Grok Voice 2.0-ді ауыстырды, сондықтан соған сілтеме жасаған агенттер өздігінен ауысты. Вендордың бағасы - сөйлесудің минутына 0,08 $, 2.0-дегідей. Бұл SpaceXAI бағасы, GPTunneL бағасы емес: біздің каталогта мұндай модель жоқ.
Өлшемдер не көрсетті
Релиз бетінде SpaceXAI Artificial Analysis-тің 13 қазандағы өлшемдерін келтіреді. Индекс 25%-дан төрт тең бөліктен тұрады: сөйлеуді түсіну (Big Bench Audio), агенттік тапсырмалар (τ-Voice), адамдардың дауысы (Speech Agent Arena) және орындалған тапсырмалар үлесі. Төменде вендор кестесіндегі барлық көрсеткіштер:
| Өлшем | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 (Astra, Medium) | Gemini 3.8 Live (Extended Thinking, High) |
|---|---|---|---|---|
| Speech-to-Speech индексі | 86,9 | 81,3 | 83,2 | 82,6 |
| Big Bench Audio, сөйлеуді түсіну | 98,5% | 97,2% | 90,1% | 97,7% |
| Speech Agent Arena, адамдар дауысы бойынша рейтинг | 1070 | 1011 | 1048 | 990 |
| Орындалған тапсырмалар үлесі | 94,8% | 94,6% | 87,4% | 89,1% |
| Full Duplex Bench, үзілістер мен сөзді бөлу | 97,0% | 95,1% | 94,9% | 91,9% |
| τ-Voice, шу мен акценті бар қоңыраулар | 71,6% | 56,5% | 74,5% | 68,6% |
Қалың қаріппен әр жолдағы ең жақсы нәтиже белгіленген. Индекстің төрт бөлігінің үшеуін Grok жеңеді: сөйлеуді түсіну, адамдар дауысы және орындалған тапсырмалар үлесі. Төртіншісінде, τ-Voice-та, ол GPT-Live-1-ден артта қалады, ал бұл бөлік қолдау қызметіне түсетін нақты қоңырауларға ең жақын.
«Бірінші орын» қай жерде жұмыс істемейді
Вендор өзін модельдердің нақты нұсқаларымен салыстырады. Кестеде Gemini 3.8 Live кеңейтілген ойлау режимінде алынған, ал GPT-Live-1 орташа күштегі GPT-6 Astra-мен жұптасқан. Толық Speech Agent Arena рейтингінде көрініс басқаша.
- Адамдар дауысы. 1070 (±28) рейтингімен Grok Voice 3.0 2-ден 6-ға дейінгі орындарды бөліседі. Рейтинг бойынша одан жоғары - Gemini 3.1 Flash Live Minimal (1100) және вендор кестесіндегіден басқа конфигурациядағы Gemini 3.8 Live (1088), бірақ интервалдар қиылысады, сондықтан кім жақсы екенін сенімді айту мүмкін емес.
- Шулы қоңыраулар. τ-Voice-та GPT-Live-1 алда: 74,5% пен 71,6%. SpaceXAI салыстырмалы дәлдікте оның моделі 40% жылдамырақ жауап береді дейді, бірақ бұл компанияның мәлімдемесі. Бұл тестке SiliconANGLE талдауы да назар аударады.
- Орындалған тапсырмалар үлесі. Мұнда Grok рейтингтегі барлығының ішіндегі ең жақсы нәтижені көрсетеді, 94,8%.
Компанияның өзі не дейді
Релиздегі қалған сандарды әзірше тек SpaceXAI-дың өзі растайды:
- Starlink Grok Voice көмегімен күніне шамамен 20 000 қоңырауды бірнеше тілде өңдейді, шамамен 70%-ы адамсыз шешіледі, ал әр төртінші сату қоңырауы сатып алумен аяқталады.
- Tesla-да модель күніне миллиондаған әңгіме жүргізеді: жүргізушілер күнтізбе мен поштаны дауыспен тексереді.
- ServiceNow-тың корпоративтік дауыстық агенттерге арналған ашық бенчмарк EVA-Bench-те оның дәлдігі ең жоғары, 74%. Компания бәсекелестердің сандарын келтірмеген.
Бұл деректерді ешкім тәуелсіз тексермеген. Олар қате дегенді білдірмейді, бірақ сапаның дәлелі ретінде алуға болмайды.
Бұл сіз үшін нені білдіреді
Қолдау қызметі үшін дауыстық агент құрсаңыз, рейтинг өз тестіңізді алмастырмайды. Шуы, акценті және үзілістері бар нақты қоңыраулардың жазбаларын алып, модельдің нені түсінетінін және тапсырманы қалай аяғына дейін жеткізетінін тексеріңіз. Индекс дәл осы бөлікті ең нашар көрсетеді.
Жай ғана ЖИ-мен дауыспен сөйлескіңіз келсе, индекс сізге аз нәрсе айтады: ол агенттердің қолдау сценарийлеріндегі жұмысын өлшейді, қарапайым әңгіменің ыңғайлылығын емес.
Дауыс бойынша бізде не бар
GPTunneL-де Grok Voice сияқты нақты уақыттағы дауыстық агент әзірге жоқ. Бірақ дайын мәтінді нейрожелі дауысымен дыбыстауға болады: «Мәтінді дыбыстау» құралында ондаған дауыс бар, ал өзіңіздің дауысыңызды 15 секундтан бастап жазбадан клондауға болады.
Дереккөздер
- Introducing Grok Voice 3.0, SpaceXAI, 14.10.2026 - релиз, баға, Artificial Analysis өлшемдері, компания деректері.
- Құжаттамадағы Grok Voice 3.0, SpaceXAI - модель идентификаторы.
- Speech-to-Speech индексінің әдістемесі, Artificial Analysis - индекс неден тұрады.
- Speech Agent Arena, Artificial Analysis, 16.10.2026 жағдайы бойынша - адамдар дауысы бойынша рейтинг.
- Grok Voice 3.0 outscores OpenAI and Google, SiliconANGLE, 14.10.2026 - тәуелсіз талдау және ескертпелер.