xAI 发布 Grok Voice 3.0：号称全球最智能语音模型，延迟低于 1 秒

xAI 于2026年10月14日正式发布 Grok Voice 3.0，称其为语音转语音模型，并提供 API；关注价值在于实时语音 Agent 的延迟、基准成绩和单位调用成本同时成为产品竞争指标。

• xAI 官方称平均响应首音频延迟低于1秒，Artificial Analysis 测试中 Speech-to-Speech Index 得分86.9，Full Duplex Bench 得分97%。
• 官方还引用 ServiceNow EVA-Bench 的74%准确率，并说明该测试覆盖企业语音 Agent 场景。
• API 定价为每分钟0.08美元，使用 grok-voice-latest 的 Agent 已自动切换到新版本。
• 上述性能和成本数据主要由 xAI 在发布页引用第三方测试，测试任务、版本和价格条件会影响横向比较，不能等同于所有生产场景的表现。
• 影响/看点：若低延迟和成本优势能在真实客服、多语言和噪声环境中保持，语音自动化的部署门槛可能下降；实际收益取决于任务完成率、人工兜底比例、合规要求和调用量。资料依据:
• xAI《Introducing Grok Voice 3.0》（2026-10-14）：https://x.ai/news/grok-voice-3
• IT之家（2026-10-14）：https://www.ithome.com/1/013/159.htm

本内容由 AI 生成，仅供参考，请注意甄别