xAI发布Grok Voice 3.0：响应不到1秒的语音模型，每分钟0.08美元

2026年10月14日，xAI 正式推出 Grok Voice 3.0，一款端到端的语音转语音（speech-to-speech）模型。xAI 把它称作"全球最聪明的语音模型"：首音延迟不到 1 秒、在第三方独立榜单上拿下语音综合第一，而价格却和上一代入门价持平。它已经在特斯拉的车机和 SpaceX 的星链客服中心每天处理数百万次对话，并通过 Voice Agent API 向开发者开放。

性能：综合榜第一，但也不是逢测必胜

在 Artificial Analysis 的独立测评里，Grok Voice 3.0 在 Speech-to-Speech Index（语音转语音综合指数）拿到 86.9 分，排在所有参评模型第一，高于 GPT-Live-1（Astra）的 83.2、Gemini 3.8 Live 的 82.6，以及自家上一代 Grok Voice 2.0 的 81.3。

更细分的数据同样亮眼：Full Duplex Bench（衡量停顿、抢话、插话等自然对话能力）97.0%，Big Bench Audio 98.5%，任务成功率 94.8%，ServiceNow 的企业语音智能体基准 EVA-Bench 以 74% 的准确率拿到最高分。

不过它并非每项都赢。在模拟带口音、背景噪声和打断的客服通话测试 τ-Voice 上，OpenAI 的 GPT-Live-1 拿到 74.5%，略高于 Grok Voice 3.0 的 71.6%；xAI 强调的是自己在延迟上低了约 40%，在"智能度 vs 响应速度"上取得了新的帕累托前沿。从 Grok Voice 2.0 的 56.5% 到 3.0 的 71.6%，这一项提升了 15.1 个百分点，是本次升级里幅度最大的一项。

延迟与成本：快，而且没涨价

xAI 公布的首音延迟为 0.81 秒，整体响应控制在 1 秒以内。定价沿用上一代标准，每分钟 0.08 美元（每小时 4.80 美元），使用 grok-voice-latest 别名的智能体无需改代码就会被自动切到 3.0，Grok Voice 2.0 同时被标记为弃用。

在 Artificial Analysis 的 Big Bench Audio 跑分中，Grok Voice 3.0 完成单次任务的平均成本约 0.025 美元，低于 GPT-Live-1（Astra）的 0.030 美元和 GPT-Realtime-2.1 的 0.055 美元。对电话客服这类高频、低客单价的场景，单价每降一点都能直接体现在账单上。

对开发者意味着什么

Grok Voice 3.0 通过 xAI 的 Voice Agent API 提供，模型标识为 grok-voice-3.0，开发者经由 WebSocket 实时接口（wss://api.x.ai/v1/realtime）建立会话、下发指令与工具后直接流式传输音频。接口内置 28 种音色（默认 eve），支持 file_search、web_search、x_search、MCP 与自定义函数工具，还有一个默认开启、可关闭的 reasoning.effort 推理档位。本次 3.0 还从 2.0 的单一区域扩展到 us-east-1、eu-west-1、us-saltlake-2 三个区域。

需要提醒的是，自动迁移虽然省事，但 API 层面的兼容不等于模型行为完全一致——任何让语音智能体真正"干活"（而不仅仅是聊天）的系统，都应当在上线前重新校验回答质量、任务完成率、对话行为和延迟。

真实落地：车里和呼叫中心已经在跑

xAI 披露，Grok Voice 3.0 每天在特斯拉车机里处理数百万次对话，驾驶员可以查日程、回邮件，也能让它帮忙点咖啡、订晚餐，全程不用碰屏幕，同时为 Grok Bot 的语音模式提供底层支撑。星链（Starlink）的呼叫中心用它承接多语种客服，每天约 2 万通来电，其中约 70% 无需人工坐席介入即可解决，约四分之一的销售通话在挂断前就促成了订单——单个智能体就能独立完成身份核验、硬件排障、退款发放和设备补发等一连串动作。

需要注意的边界

Grok Voice 3.0 是闭源的，只通过 Voice Agent API 提供，没有开放权重；xAI 也没有披露参数规模与具体架构，外界只知道它是"语音转语音"路线。更关键的是，本次绝大多数部署数据都来自 xAI 自己，τ-Voice 一项还略落后于 OpenAI，外部独立审计暂未出现，企业评估时仍应以真实口音、嘈杂环境和急性子客户的实测为准。

另一个绕不开的现实是：语音模型越强，越容易被用于语音诈骗。作为用户，无论对方声音多像、多"官方"，都不要在电话里透露密码或完整卡号；作为企业，则应始终为账单争议和敏感账户问题保留一条直达人工的通道。

总体看，Grok Voice 3.0 把"又快又聪明还便宜"的三角往前推了一步。语音 AI 的竞争，正在从比谁的回答更像人，转向比谁能在更低的成本下，把一通电话真正办成。

来源：xAI 官方公告及多家科技媒体综合报道