SpaceXSI (dulu xAI) merilis model AI "Grok Voice 3.0" pada 14 Oktober 2026 (waktu AS). Model ini adalah model "suara ke suara" yang langsung menerima suara orang yang berbicara dan menjawab dengan suara pula, dan dipakai untuk membuat agen AI yang berinteraksi lewat suara, seperti untuk layanan telepon atau percakapan di dalam mobil. Model ini dapat dipakai sejak hari perilisan melalui "Voice Agent API" untuk pengembang.
xAI, yang selama ini mengembangkan Grok, berganti nama menjadi "SpaceXAI" setelah diakuisisi SpaceX, dan sejak Oktober memakai nama "SpaceXSI". Halaman pengumuman kali ini juga diterbitkan atas nama "SpaceXSI".
Apa itu Grok Voice 3.0
Sebagian besar AI suara selama ini melalui beberapa tahap: suara diubah dulu menjadi teks, jawaban disusun dalam bentuk teks, lalu jawaban itu diubah kembali menjadi suara. Model suara ke suara seperti Grok Voice 3.0 memahami dan menjawab langsung dalam bentuk suara, sehingga waktu tunggunya lebih singkat dan percakapannya lebih mudah terasa alami. SpaceXSI menyebutkan bahwa waktu hingga jawaban keluar kurang dari 1 detik.
Menurut dokumen untuk pengembang, aplikasi yang memakai pengaturan yang selalu mengarah ke versi terbaru (grok-voice-latest) akan otomatis beralih ke Grok Voice 3.0. Versi sebelumnya, Grok Voice 2.0, kini berstatus usang (tidak lagi disarankan untuk dipakai ke depannya).
Harga
Harganya US$0,08 per menit (US$4,80 per jam), sama dengan Grok Voice 2.0. SpaceXSI menyatakan bahwa biaya per tugas pada "Big Bench Audio", evaluasi suara dari Artificial Analysis, sekitar US$0,025, lebih murah daripada model OpenAI yang menjadi pembanding, yaitu GPT-Live-1 (US$0,030) dan GPT-Realtime-2.1 (US$0,055).
Evaluasi kinerja
Hasil utama yang dipaparkan SpaceXSI dalam pengumumannya adalah sebagai berikut:
- Artificial Analysis Speech-to-Speech Index: peringkat 1 dengan skor 86,9. GPT-Live-1 dari OpenAI meraih 83,2, dan Gemini 3.8 Live dari Google 82,6
- Full Duplex Bench (evaluasi percakapan alami, saat menyela dan disela lawan bicara): 97%
- τ-Voice (evaluasi kemampuan menyelesaikan tugas yang diminta lewat suara): 71,6%. Pada item ini, GPT-Live-1 dari OpenAI (74,5%) lebih unggul, sedangkan Gemini 3.8 Live dari Google meraih 68,6%
- EVA-Bench (evaluasi agen suara untuk perusahaan dari ServiceNow): tingkat jawaban benar 74%
Selain EVA-Bench, angka-angka tersebut berasal dari "Artificial Analysis", situs evaluasi pihak ketiga yang membandingkan model AI.
Pemakaian di dunia nyata
Menurut SpaceXSI, Grok Voice sudah memproses jutaan percakapan per hari di dalam mobil Tesla, perusahaan lain milik Elon Musk. Selain itu, di layanan dukungan Starlink, layanan internet satelit, model ini disebut menyelesaikan sekitar 70% dari kira-kira 20 ribu panggilan per hari tanpa perlu diambil alih manusia.
Pandangan Redaksi CoAI
Grok Voice 3.0 bukan fitur aplikasi untuk pengguna umum, melainkan API bagi perusahaan dan pengembang untuk membuat layanan pelanggan dan asisten suara. Karena perusahaan menyatakan kinerjanya meningkat dengan harga tetap, perusahaan yang sedang mempertimbangkan otomatisasi layanan telepon kini punya satu kandidat lagi untuk dibandingkan. Sehari kemudian, OpenAI juga memperbarui model suara ChatGPT, sehingga persaingan AI suara makin ketat.
Di sisi lain, pada beberapa item model OpenAI lebih unggul, jadi model ini tidak unggul di semua aspek. Kapan percakapan suara di aplikasi Grok akan beralih ke model baru ini, dan seberapa alami model ini berbicara dalam bahasa Jepang, juga belum dijelaskan. Karena itu, jika ingin memakainya untuk layanan berbahasa Jepang, perlu diuji dalam percakapan nyata untuk memastikannya.
