Grok Voice 3.0 возглавил рейтинг голосовых моделей

SpaceXAI выпустила Grok Voice 3.0 — флагманскую модель речевого взаимодействия в реальном времени. Она работает по схеме speech-to-speech: распознаёт речь, рассуждает, вызывает инструменты и отвечает голосом. В индексе Speech-to-Speech от Artificial Analysis модель заняла первое место с оценкой 86.9 балла.

Для разработчиков переход упрощён: эндпоинт, события и цена $0.08 за минуту остались такими же, как у Grok Voice 2.0. Модель доступна как grok-voice-3.0 на WebSocket-эндпоинте /v1/realtime, а алиас grok-voice-latest уже указывает на неё — существующие агенты переключились автоматически. SpaceXAI не раскрывает число параметров и детали архитектуры.

Режим рассуждений включён по умолчанию (reasoning.effort: "high") и может быть отключён для более быстрых ответов. Серверное определение голосовой активности обрабатывает перебивание, а инструменты работают внутри сессии: поиск по коллекциям, веб-поиск, поиск в X, удалённые MCP-серверы и пользовательские функции.

Индекс Speech-to-Speech от Artificial Analysis — это средневзвешенная оценка по четырём компонентам: рассуждения Big Bench Audio, агентная производительность τ-Voice, предпочтения Speech Agent Arena и доля успешных задач. У Grok Voice 3.0 — 86.9 балла, у GPT-Live-1 (Astra, medium) — 83.2, у Gemini 3.8 Live Extended Thinking — 82.6, а у предыдущей Grok Voice 2.0 — 81.3.

По данным Artificial Analysis, задержка до первого аудио у Grok Voice 3.0 составляет 0.81 секунды против 1.34 секунды у GPT-Live-1, что подтверждает заявление SpaceXAI о снижении задержки на 40%. При этом Grok Voice 2.0 была быстрее — 0.70 секунды. Стоимость одной задачи Big Bench Audio у новинки — $0.025 против $0.030 у GPT-Live-1 и $0.055 у GPT-Realtime-2.1.

В корпоративном бенчмарке ServiceNow EVA-Bench, оценивающем точность и опыт работы голосовых агентов, SpaceXAI сообщает о максимальной точности 74%. Сравнивать прайс-листы напрямую сложно: GPT-Live-1 стоит $0.05 за минуту, но модель и инструменты тарифицируются отдельно, а Gemini 3.8 Live берёт плату за аудио поминутно плюс за текстовые токены.

API совместим с OpenAI Realtime API, поэтому миграция сводится к смене URL и ключа. Командам, работающим в продакшене, рекомендуется фиксировать версию grok-voice-3.0, а не использовать алиас: Grok Voice 2.0 объявлена устаревшей.