14 октября SpaceXAI выпустила Grok Voice 3.0 - голосовую модель для агентов, которые разговаривают по телефону и в машине. Она заняла первое место в индексе Speech-to-Speech от Artificial Analysis: 86,9 балла против 83,2 у GPT-Live-1 от OpenAI. Но «первое место» зависит от того, какую таблицу открыть: в голосовании людей модель третья, а в шумных звонках лидирует OpenAI.
Что это за модель
Grok Voice 3.0 - модель класса speech-to-speech: она слушает речь и отвечает голосом напрямую, без промежуточного перевода в текст и обратно. Из-за этого меньше задержка и естественнее паузы и перебивания. Работает через Voice Agent API, идентификатор модели - grok-voice-3.0.
Новая версия заменила Grok Voice 2.0 в алиасе grok-voice-latest, поэтому агенты, которые на него ссылались, перешли на неё сами. Цена у вендора 0,08 $ за минуту разговора, как и у 2.0. Это цена SpaceXAI, а не GPTunneL: в нашем каталоге такой модели нет.
Что показали замеры
На странице релиза SpaceXAI приводит замеры Artificial Analysis от 13 октября. Индекс состоит из четырёх равных частей по 25%: понимание речи (Big Bench Audio), агентные задачи (τ-Voice), голосование людей (Speech Agent Arena) и доля выполненных задач. Ниже все метрики из таблицы вендора:
| Замер | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 (Astra, Medium) | Gemini 3.8 Live (Extended Thinking, High) |
|---|---|---|---|---|
| Индекс Speech-to-Speech | 86,9 | 81,3 | 83,2 | 82,6 |
| Big Bench Audio, понимание речи | 98,5% | 97,2% | 90,1% | 97,7% |
| Speech Agent Arena, рейтинг по голосованию людей | 1070 | 1011 | 1048 | 990 |
| Доля выполненных задач | 94,8% | 94,6% | 87,4% | 89,1% |
| Full Duplex Bench, паузы и перебивания | 97,0% | 95,1% | 94,9% | 91,9% |
| τ-Voice, звонки с шумом и акцентами | 71,6% | 56,5% | 74,5% | 68,6% |
Жирным выделен лучший результат в строке. Из четырёх частей индекса Grok выигрывает три: понимание речи, голосование людей и долю выполненных задач. В четвёртой, τ-Voice, он уступает GPT-Live-1, а эта часть ближе всего к реальным звонкам в поддержку.
Где «первое место» не работает
Вендор сравнивает себя с конкретными вариантами моделей. В таблице Gemini 3.8 Live взят в режиме расширенного мышления, а GPT-Live-1 - в паре с GPT-6 Astra на среднем усилии. В полном рейтинге Speech Agent Arena картина другая.
- Голосование людей. Grok Voice 3.0 с рейтингом 1070 (±28) делит места со 2-го по 6-е. Выше по рейтингу Gemini 3.1 Flash Live Minimal (1100) и Gemini 3.8 Live в другой конфигурации, чем в таблице вендора (1088), но интервалы пересекаются, так что уверенно сказать, кто лучше, нельзя.
- Шумные звонки. В τ-Voice впереди GPT-Live-1: 74,5% против 71,6%. SpaceXAI отвечает, что при сопоставимой точности её модель отвечает на 40% быстрее, но это заявление компании. На этот тест указывает и разбор SiliconANGLE.
- Доля выполненных задач. Здесь у Grok лучший результат из всех в рейтинге, 94,8%.
Что говорит сама компания
Остальные цифры в релизе пока подтверждены только самой SpaceXAI:
- Starlink обрабатывает с помощью Grok Voice около 20 000 звонков в день на нескольких языках, примерно 70% решаются без участия человека, а каждый четвёртый звонок по продажам заканчивается покупкой.
- В Tesla модель ведёт миллионы разговоров в день: водители проверяют календарь и почту голосом.
- На EVA-Bench, открытом бенчмарке ServiceNow для корпоративных голосовых агентов, у неё самая высокая точность, 74%. Цифр конкурентов компания не привела.
Независимо эти данные никто не проверял. Не значит, что они неверны, но и как доказательство качества их брать не стоит.
Что это значит для вас
Если вы строите голосового агента для поддержки, рейтинг не заменяет собственного теста. Возьмите записи реальных звонков с шумом, акцентами и перебиваниями и проверьте на них, что модель понимает и как доводит задачу до конца. Именно эту часть индекс показывает хуже всего.
Если вы просто хотите пообщаться с ИИ голосом, индекс вам мало что скажет: он измеряет работу агентов в сценариях поддержки, а не удобство обычного разговора.
Что у нас есть по голосу
Голосового агента в реальном времени, как Grok Voice, в GPTunneL пока нет. Но озвучить готовый текст голосом нейросети можно: в инструменте «Озвучка текста» есть десятки голосов, а свой можно клонировать по записи от 15 секунд.
Источники
- Introducing Grok Voice 3.0, SpaceXAI, 14.10.2026 - релиз, цена, замеры Artificial Analysis, данные компании.
- Grok Voice 3.0 в документации, SpaceXAI - идентификатор модели.
- Методика Speech-to-Speech Index, Artificial Analysis - из чего складывается индекс.
- Speech Agent Arena, Artificial Analysis, на 16.10.2026 - рейтинг по голосованию людей.
- Grok Voice 3.0 outscores OpenAI and Google, SiliconANGLE, 14.10.2026 - независимый разбор и оговорки.