SpaceXSI（原xAI）于2026年10月14日（美国时间）发布了AI模型“Grok Voice 3.0”。这是一款直接接收人说话的声音并用声音回答的“语音对语音”模型，用于构建电话客服、车内对话等通过语音交互的AI智能体。从发布当天起，即可通过面向开发者的“Voice Agent API”使用。
一直开发Grok的xAI被SpaceX收购后更名为“SpaceXAI”，自10月起使用“SpaceXSI”这一名称。此次的发布页面也以“SpaceXSI”的名义发布。
Grok Voice 3.0是什么
以往的语音AI大多要经过几个步骤：先把声音转写成文字，用文本生成回答，再把回答转换成语音。像Grok Voice 3.0这样的语音对语音模型直接以语音理解并回答，因此等待时间短，更容易实现接近自然的对话。SpaceXSI表示，返回回答所需的时间不到1秒。
根据面向开发者的资料，使用始终指向最新版本的设置（grok-voice-latest）的应用，会自动切换到Grok Voice 3.0。上一版Grok Voice 2.0已被列为弃用（不再推荐今后使用）。
价格
价格为每分钟0.08美元（每小时4.80美元），与Grok Voice 2.0相同。SpaceXSI表示，在Artificial Analysis的语音评估“Big Bench Audio”中，每项任务的费用约为0.025美元，低于作为比较对象的OpenAI GPT-Live-1（0.030美元）和GPT-Realtime-2.1（0.055美元）。
性能评估
SpaceXSI在发布中介绍的主要结果如下。
- Artificial Analysis Speech-to-Speech Index：86.9，排名第1。OpenAI的GPT-Live-1为83.2，Google的Gemini 3.8 Live为82.6
- Full Duplex Bench（评估打断对方或被对方打断等自然对话的能力）：97%
- τ-Voice（评估能否完成通过语音委托的任务）：71.6%。在这一项上，OpenAI的GPT-Live-1（74.5%）更高，Google的Gemini 3.8 Live为68.6%
- EVA-Bench（ServiceNow推出的企业语音智能体评估）：正确率74%
除EVA-Bench外，其他数值均来自比较AI模型的第三方评估网站“Artificial Analysis”。
实际使用情况
据SpaceXSI介绍，Grok Voice已经在同属埃隆·马斯克旗下企业的Tesla汽车中，每天处理数百万次对话。此外，在卫星互联网服务Starlink的客服窗口，每天约2万通电话中约70%无需人工接手即可解决。
CoAI编辑部观点
Grok Voice 3.0不是面向普通用户的应用功能，而是供企业和开发者构建语音客服窗口和助手的API。公司称在价格不变的情况下提升了性能，对于正在考虑电话自动应答等用途的企业来说，又多了一个可比较的选择。第二天OpenAI也更新了ChatGPT的语音模型，语音AI的竞争日趋激烈。
另一方面，在部分项目上OpenAI的模型更胜一筹，它并非在所有方面都占优。Grok应用中的语音对话何时换用新模型、日语能说得多自然，目前也都没有说明，因此如果要用于日语客服窗口，需要在实际对话中试用确认。
