SpaceX 旗下人工智慧部門 SpaceXSI 在 10 月 14 日推出新一代語音模型 Grok Voice 3.0。這款模型在第三方評測機構的語音對語音綜合指數中拿下 86.9 分，排名第一，超過 OpenAI 與 Google 的同類模型。新模型即日起透過 Voice Agent API 開放開發者使用，定價維持每分鐘 0.08 美元，與上一代相同。
Grok Voice 3.0 是一款語音對語音模型，可以直接處理語音輸入並直接輸出語音，不需要經過文字轉換的中間步驟。它支援即時對話、使用者隨時插話，以及擔任語音客服代理人等任務。開發商表示，這款模型的回應時間可以壓低到 1 秒以內，主打快速回應與企業客服應用。
在評測成績方面，Grok Voice 3.0 在 Artificial Analysis 的語音對語音綜合指數中獲得 86.9 分。同一份評測中，前代 Grok Voice 2.0 為 81.3 分，OpenAI 的 GPT-Live-1 為 83.2 分，Google 的 Gemini 3.8 Live 為 82.6 分，新模型領先幅度超過 3 分。
細項成績顯示，Grok Voice 3.0 的語音推理準確率達 98.5%，任務完成率為 94.8%，在處理對話停頓、輪流發言與使用者插話的評測中取得 97%，三項指標都優於受測的 OpenAI 與 Google 模型。不過在模擬真實客服情境的測試中，它的任務成功率為 71.6%，略低於 GPT-Live-1 的 74.5%。
成本方面，評測測得 Grok Voice 3.0 完成每項語音推理任務的平均成本為 0.025 美元，低於 GPT-Live-1 的 0.030 美元，以及 GPT-Realtime-2.1 的 0.055 美元。在回應速度上，它的延遲比 GPT-Live-1 降低 40%。另外在 ServiceNow 針對 200 多種企業客服情境設計的 EVA-Bench 評測中，Grok Voice 3.0 也以 74% 的準確率拿下最高成績。
關鍵數字
- 86.9 分：Grok Voice 3.0 在語音對語音綜合指數的總分，排名第一
- 98.5%：語音推理準確率
- 94.8%：任務完成率
- 97%：對話停頓、輪流發言與插話處理評測得分
- 71.6%：真實客服情境模擬的任務成功率，略低於對手的 74.5%
- 0.025 美元：每項語音推理任務的平均成本，比對手便宜約 17% 到 55%
- 40%：相較 GPT-Live-1 的回應延遲降幅
- 74%：在 EVA-Bench 企業客服評測的準確率
- 0.08 美元：每分鐘 API 定價，與上一代持平
- 2 萬通：Starlink 客服中心每天以 Grok Voice 處理的電話量
- 70%：上述電話中無須人工介入即可解決的比例
- 25%：銷售來電中能直接完成交易的比例
開發商指出，Grok Voice 目前每天在特斯拉車輛中支援數百萬次語音對話。駕駛可以透過語音查詢行事曆、回覆郵件，也可以使用 Grok Bot 訂購咖啡或預約餐廳。在 SpaceX 旗下的衛星網路服務 Starlink 客服中心，Grok Voice 每天處理約 2 萬通電話，其中約 70% 無須人工介入就能解決問題，另有四分之一的銷售來電可以直接完成交易。
這些數字顯示，語音 AI 已經從展示性質的技術，走進實際的商業營運場景。對企業來說，語音客服的關鍵不在於總分最高，而在於成本、延遲與真實情境下的穩定度。Grok Voice 3.0 在成本與延遲上佔優，但在模擬真實客服情境的成功率上仍落後對手，代表它在嘈雜、口音多樣、插話頻繁的場景還有進步空間。
值得注意的是，不同評測看重的面向並不相同。綜合指數偏向整體能力與人類偏好，而 EVA-Bench 專注企業客服情境，兩者都由 Grok Voice 3.0 拿下第一；但在更貼近真實客服現場的模擬測試中，OpenAI 的模型反而小幅領先。企業在選型時，應該以自己實際的使用場景為準，而不是只看單一總分。
在背景方面，SpaceXSI 的前身是 2023 年創立的人工智慧公司 xAI，主要開發 Grok 系列模型與相關服務。今年 2 月，SpaceX 宣布收購 xAI，將人工智慧業務與火箭、衛星通訊等事業整合。xAI 在 7 月改名為 SpaceXAI，10 月再更名為 SpaceXSI，其中的 SI 代表超級智慧。這次更名與美國總統推動以 SI 取代 AI 稱呼的政策方向一致。目前 SpaceXSI 是 SpaceX 旗下的 AI 業務品牌，主要發展 Grok 模型、AI 代理人與語音服務。
從產業角度看，語音 AI 正在成為大型科技公司爭奪的下一個戰場。OpenAI、Google 與 SpaceXSI 三方都在推出語音對語音模型，競爭焦點從文字對話轉向即時語音互動。語音介面的優勢在於使用門檻低，不需要打字，適合車用、客服與智慧家庭等場景；挑戰則在於延遲必須夠低、對話必須夠自然，否則使用者體驗會明顯打折。
對開發者而言，Grok Voice 3.0 的定價策略值得留意。每分鐘 0.08 美元與上一代持平，代表開發商選擇用效能提升而非降價來競爭。同時，使用 grok-voice-latest 模型名稱的既有應用已經自動升級，不需要修改程式碼，這降低了既有客戶的轉換成本，也有助於快速擴大新模型的採用量。
在企業客服市場，語音 AI 的滲透率正在快速提高。Starlink 的案例顯示，一套調校得當的語音系統可以處理七成的客服電話，只有三成需要轉人工。這對人力成本高昂的客服產業是結構性的改變，但也意味著企業必須投入更多心力在語音模型的測試與監控上，因為一次錯誤的語音回應，可能比文字客服更難挽回。
後續值得關注的時間點包括：各家廠商是否會跟進降價或推出更新的語音模型，以及第三方評測機構是否會公布更多真實場景的長期追蹤數據。對有意導入語音客服的企業來說，建議先以小規模試點驗證在自身場景下的成功率與成本，再決定是否全面導入。
目前尚不清楚 SpaceXSI 是否計畫將 Grok Voice 3.0 整合進更多的 SpaceX 生態系產品，也不確定下一代模型的推出時程。隨著語音 AI 競爭白熱化，未來幾個月的模型更新頻率可能會進一步加快。
