摘要： xAI 在 2026 年 10 月 14 日發表 speech-to-speech 模型 Grok Voice 3.0，主打在多項獨立語音基準上排名第一、延遲低於一秒，並且在 Voice Agent API 上維持與前代相同的每分鐘 0.08 美元定價。對正在做語音互動或客服 agent 的 builder 來說，這是一個可以直接評估的遷移選項：grok-voice-latest 的既有使用者已被自動切換，不用改程式碼。
基準成績說了什麼
根據 xAI 的公告，Artificial Analysis 的獨立測試把 Grok Voice 3.0 排在 Speech-to-Speech Index 第一名，分數 86.9，高於 Grok Voice 2.0 的 81.3、GPT-Live-1（Astra, Medium）的 83.2 與 Gemini 3.8 Live（Ext. Thinking, High）的 82.6。在衡量停頓、輪替與插話處理是否自然的 Full Duplex Bench 上，它拿到 97%。
對做電話客服 agent 的人，最值得看的可能是 τ-Voice：這項測驗衡量 agent 處理不同口音、背景噪音與插話的能力。Grok Voice 3.0 拿到 71.6%，與 GPT-Live-1（Astra）相當，但延遲低 40%。也就是說，這次真正的增量是在「準確度」和「反應速度」之間的取捨線上往右上推了一格。
另外，ServiceNow 的企業語音 agent 基準 EVA-Bench 上，Grok Voice 3.0 以 74% 拿下最高準確度，並在準確度與客戶體驗的綜合評分中表現最好。ServiceNow 產品管理資深總監 Nitin Aggarwal 在公告中稱它「在 EVA-Bench 上設立了新的 Pareto 前沿」。EVA-Bench 涵蓋 200 多個真實企業情境，這對評估客服場景的讀者是比較貼近實戰的參考點。
已經有人每天在跑幾百萬通
規模驗證不是來自 demo，而是兩個內部部署。xAI 表示，Grok Voice 每天在 Tesla 車輛上處理數百萬通對話：駕駛用 Connectors 查日曆、回信，用 Grok Bot 處理點咖啡、訂餐廳這類更大的任務，全程免手持。
更有指標意義的是 Starlink 客服中心：每天接聽 20,000 通客戶電話、橫跨多種語言，約 70% 在沒有人類介入的情況下結案，四分之一的銷售通話在客戶掛斷前完成購買。單一 agent 就負責驗證客戶身分、排查硬體問題、發放補償額度並安排替換設備出貨。如果你在規劃語音客服的自動化比例，這組數字是目前少見、具規模的參考基線。
對 builder 的實際意義
三件事值得你動手驗證：
一是定價結構。每分鐘 0.08 美元（每小時 4.80 美元）與 Grok Voice 2.0 相同，但模型品質上升，等於單位成本的有效下降。xAI 也引用 Artificial Analysis 的 Big Bench Audio 數據，指出每任務平均成本低於 GPT-Live-1（Astra, Medium）和 GPT-Realtime-2.1。語音產品的毛利往往被通話時長直接吃掉，這條曲線的斜率比榜單名次更重要。
二是遷移成本趨近於零。使用 grok-voice-latest 的 agent 已被自動切換，公告明確說不需要任何改動。這和模型抽象層、gateway 的做法類似：版本升級變成供應商側的事。這也讓我想到之前寫過 Manus 進駐 OPPO 手機系統層的案例——agent 正在往離使用者更近的地方走，而語音是那條路上最自然的介面，可以參考〈Manus 進了 OPPO 手機：agent 從雲端搬進系統層〉。
三是評估方式。語音模型的差異常出現在插話、停頓這些 Full Duplex Bench 衡量的對話動態上，而不只是內容正確與否。如果你的產品有真人對話場景，建議用自己的真實通話樣本跑一輪 A/B，別只看第三方指數。
一個保留意見：所有引用數據都來自 xAI 公告轉述的第三方測試，實際延遲還取決於你的網路與電話鏈路。下一步很簡單——拿一條你現有的客服腳本，接上 Voice Agent API 免費試一通，用任務完成率和中斷次數做自己的基準。