xAI выпустила Grok Voice 3.0 — модель формата «речь в речьi», которая слушает и отвечает голосом без промежуточного текста. В API она стоит столько же, сколько предыдущая версия, а задержка до первого звука — менее секунды.

По данным Artificial Analysis, модель лидирует в сводном Speech-to-Speech Index. Она уже используется в автомобилях Tesla и службе поддержки Starlink; в Starlink, по данным источников, обрабатывает около 20 тысяч звонков в день, примерно 70% — без участия человека.

• В Speech-to-Speech Index Grok Voice 3.0 набрала 86,9 балла; GPT-Live-1 — 83,2, Gemini 3.8 Live — 82,6.
• Результат модели на Full Duplex Benchi — 97%; этот тест оценивает паузы, очерёдность реплик и перебивания.
• На τ-Voicei, тесте звонков в поддержку с акцентами, шумом и перебиваниями, Grok Voice 3.0 набрала 71,6% против 74,5% у GPT-Live-1. xAI называет результат сопоставимым и утверждает, что модель работает на 40% быстрее.
• В API модель доступна за $0.08 за минуту — по той же цене, что и предыдущая версия.
• Русский язык модель не поддерживает.
• В колл-центрах Starlink модель может выполнять весь цикл обработки обращения — от проверки клиента до отправки замены оборудования.