Il 14 ottobre 2026 (ora statunitense) SpaceXSI (ex xAI) ha lanciato il modello IA "Grok Voice 3.0". È un modello "voce-voce" che riceve direttamente la voce di una persona e risponde a sua volta a voce, e serve a creare agenti IA che comunicano parlando, per esempio per rispondere al telefono o conversare in auto. Si può usare fin dal giorno del lancio tramite la "Voice Agent API" per sviluppatori.
xAI, l'azienda che ha sviluppato Grok, è diventata "SpaceXAI" dopo l'acquisizione da parte di SpaceX, e da ottobre usa il nome "SpaceXSI". Anche la pagina di questo annuncio è stata pubblicata con il nome "SpaceXSI".
Cos'è Grok Voice 3.0
Finora la maggior parte delle IA vocali procedeva per fasi: prima trascriveva la voce in testo, poi elaborava la risposta per iscritto e infine la convertiva in voce. Un modello voce-voce come Grok Voice 3.0 capisce e risponde direttamente a voce, quindi l'attesa è più breve ed è più facile avvicinarsi a una conversazione naturale. SpaceXSI afferma che il tempo di risposta è inferiore a 1 secondo.
Secondo la documentazione per sviluppatori, le app che usano l'impostazione che punta sempre alla versione più recente (grok-voice-latest) passano automaticamente a Grok Voice 3.0. La versione precedente, Grok Voice 2.0, è stata deprecata (se ne sconsiglia l'uso in futuro).
Prezzi
Il prezzo è di 0,08 dollari al minuto (4,80 dollari all'ora), lo stesso di Grok Voice 2.0. SpaceXSI afferma che il costo per singola attività in "Big Bench Audio", la valutazione vocale di Artificial Analysis, è di circa 0,025 dollari, inferiore a quello dei modelli di OpenAI messi a confronto: GPT-Live-1 (0,030 dollari) e GPT-Realtime-2.1 (0,055 dollari).
I risultati delle valutazioni
Questi sono i principali risultati presentati da SpaceXSI nell'annuncio:
- Artificial Analysis Speech-to-Speech Index: primo posto con 86,9. GPT-Live-1 di OpenAI ottiene 83,2 e Gemini 3.8 Live di Google 82,6
- Full Duplex Bench (valutazione di una conversazione naturale in cui si interrompe l'interlocutore o si viene interrotti): 97%
- τ-Voice (valutazione della capacità di portare a termine attività richieste a voce): 71,6%. In questa voce fa meglio GPT-Live-1 di OpenAI (74,5%), mentre Gemini 3.8 Live di Google ottiene 68,6%
- EVA-Bench (valutazione degli agenti vocali per le aziende realizzata da ServiceNow): 74% di risposte corrette
Tutti i valori tranne quello di EVA-Bench provengono da "Artificial Analysis", un sito di valutazione indipendente che mette a confronto i modelli IA.
Come viene usato nella pratica
Secondo SpaceXSI, Grok Voice gestisce già milioni di conversazioni al giorno all'interno delle auto di Tesla, un'altra azienda di Elon Musk. Inoltre, nel servizio di assistenza di Starlink, il servizio di internet satellitare, risolverebbe senza l'intervento di un operatore umano circa il 70% delle circa 20.000 chiamate giornaliere.
Il punto di vista di CoAI
Grok Voice 3.0 non è una funzione di un'app per il grande pubblico, ma un'API con cui aziende e sviluppatori possono creare servizi di assistenza e assistenti vocali. L'azienda sostiene di aver migliorato le prestazioni senza aumentare il prezzo, quindi le aziende che stanno valutando, per esempio, l'automazione delle risposte telefoniche hanno un candidato in più da confrontare. Il giorno successivo anche OpenAI ha rinnovato il modello vocale di ChatGPT, e la competizione nell'IA vocale si sta facendo sempre più accesa.
D'altra parte, in alcune voci i modelli di OpenAI fanno meglio, quindi non è superiore sotto ogni aspetto. Non è stato indicato nemmeno quando la conversazione vocale dell'app Grok passerà al nuovo modello, né quanto parli in modo naturale in giapponese: per usarlo in un servizio di assistenza in giapponese, bisognerà quindi provarlo in conversazioni reali per verificarlo.
