SpaceXSI（原xAI）於2026年10月14日（美國時間）推出AI模型「Grok Voice 3.0」。這是一款直接接收人說話的聲音、並以聲音回答的「語音對語音」模型，用來打造電話客服、車內對話等以聲音互動的AI代理。從推出當天起，就能透過開發者用的「Voice Agent API」使用。
一直開發Grok的xAI被SpaceX收購後改名為「SpaceXAI」，自10月起使用「SpaceXSI」這個名稱。這次的發表頁面也以「SpaceXSI」的名義發布。
Grok Voice 3.0是什麼
過去的語音AI大多要經過幾個步驟：先把聲音轉成文字，用文字產生回答，再把回答轉換成語音。像Grok Voice 3.0這樣的語音對語音模型直接以聲音理解並回答，因此等待時間短，也更容易做到接近自然的對話。SpaceXSI表示，回答所需的時間不到1秒。
根據開發者文件，使用一律指向最新版本設定（grok-voice-latest）的應用程式，會自動切換到Grok Voice 3.0。前一版Grok Voice 2.0已列為已淘汰（不再建議今後使用）。
價格
價格為每分鐘0.08美元（每小時4.80美元），與Grok Voice 2.0相同。SpaceXSI表示，在Artificial Analysis的語音評估「Big Bench Audio」中，每項任務的費用約為0.025美元，低於作為比較對象的OpenAI GPT-Live-1（0.030美元）與GPT-Realtime-2.1（0.055美元）。
效能評估
SpaceXSI在發表中介紹的主要結果如下。
- Artificial Analysis Speech-to-Speech Index：86.9，排名第1。OpenAI的GPT-Live-1為83.2，Google的Gemini 3.8 Live為82.6
- Full Duplex Bench（評估打斷對方或被對方打斷等自然對話的能力）：97%
- τ-Voice（評估能否完成以聲音委託的任務）：71.6%。在這個項目上，OpenAI的GPT-Live-1（74.5%）較高，Google的Gemini 3.8 Live為68.6%
- EVA-Bench（ServiceNow推出的企業語音AI代理評估）：正確率74%
除了EVA-Bench之外，其他數值都來自比較AI模型的第三方評估網站「Artificial Analysis」。
實際使用情況
根據SpaceXSI的說法，Grok Voice已在同屬伊隆・馬斯克旗下企業的Tesla車內，每天處理數百萬次對話。此外，在衛星網路服務Starlink的客服窗口，每天約2萬通電話中，約70%無需真人接手就能解決。
CoAI編輯部觀點
Grok Voice 3.0不是一般使用者用的應用程式功能，而是供企業與開發者打造語音客服窗口與助理的API。公司表示在價格不變的情況下提升了效能，對正在評估電話自動應答等用途的企業來說，又多了一個可比較的選項。隔天OpenAI也更新了ChatGPT的語音模型，語音AI的競爭日趨激烈。
另一方面，在部分項目上OpenAI的模型表現更好，它並非在所有方面都占優勢。Grok應用程式中的語音對話何時改用新模型、日語能說得多自然，目前也都沒有說明，因此若要用於日語客服窗口，需要在實際對話中試用確認。
