Grok Voice 3.0：AA综合86.9居首，推理与全双工两项均列第4

2026 年 10 月 14 日，SpaceX 旗下 AI 业务 SpaceXSI 推出语音到语音模型 Grok Voice 3.0。它在 Artificial Analysis（AA）的综合指数以 86.9 居首，但两张专项榜都排第 4；Voice Agent API 仍是每分钟 0.08 美元，与上一代同价。

一、当天放出的是语音到语音模型

发布稿在 SpaceXSI 官网，页面日期写着 10 月 14 日。调用方把声音送进来，模型直接用声音答回去。页面上另有 SpaceXAI LLC 的写法，指同一块业务。

SpaceXSI 称："Today, we're announcing Grok Voice 3.0, the world's most intelligent speech-to-speech model."

中文是：今天我们发布 Grok Voice 3.0，这是全球最智能的语音到语音模型。

“全球最智能”是公司自己的说法，不是榜单裁定过的事实。

二、综合指数 86.9 居首

据 AA 榜单，Grok Voice 3.0 的语音到语音综合指数是 86.9，排第一。这是公开榜上的综合分，不是公司内测。

同榜往下是四家对照。GPT-Live-1（Astra，medium）83.2。Gemini 3.8 Live 扩展思考（High）82.6。上一代 Grok Voice 2.0 为 81.3。GPT-Live-1（Sol，low）80.1。86.9 比最近的 Astra 高 3.7 分，比自家 2.0 高 5.6 分。

AA 写明，综合指数由四项等权平均：语音推理（Big Bench Audio）、τ-Voice 客服任务、竞技场偏好、任务成功率，四项都有结果的模型才进综合排名。

三、两项专项榜都停在第 4

综合居首没有自动变成单项居首。AA 页面写明，Big Bench Audio 上 Grok Voice 3.0 的 98.5% 排第 4。对话动态项，也就是 Full Duplex Bench，97.0% 同样排第 4。

排第 4，就是这两项前面各有三个更高的模型。Full Duplex Bench 测停顿、轮流说话、打断和“嗯”这类附和的处理，它不在综合指数的四项里。语音推理虽是四项之一，但只占四分之一，任务成功率、竞技场偏好这些子项把总分拉到了最前。高分和第一不是一回事，两套名次都写在 AA 公开页面上。

四、约低 40% 的延迟只挂在 τ-Voice 一场

公司对比表的来源栏写着 AA，日期是 2026 年 10 月 13 日。Big Bench Audio 98.5%。Speech Agent Arena 的 Elo 1070，这是竞技场积分，不是百分数。任务成功率 94.8%。Full Duplex Bench 97.0%。

τ-Voice 用带口音差异、背景噪声和打断的客服来电考察智能体，Grok Voice 3.0 得 71.6%。SpaceXSI 称，这和 GPT-Live-1（Astra）相当，延迟约低 40%。同一张表上 Astra 是 74.5%，「相当」是公司的说法；约低 40% 也只针对 τ-Voice、只和 Astra 比。

AA 表上另列的 0.81 秒，是 Big Bench Audio 上的首段音频延迟，不是整通客服任务用时，和那 40% 不是同一口径。

五、接口价与 2.0 相同

Voice Agent API 每分钟 0.08 美元，合每小时 4.80 美元，与 Grok Voice 2.0 相同。模型名若是 grok-voice-latest，智能体已经自动切到 3.0，代码不用改。

单任务成本上，SpaceXSI 称 AA 在 Big Bench Audio 测到的结果低于 GPT-Live-1（Astra，Medium），也低于 GPT-Realtime-2.1。场景限在 Big Bench Audio，与按分钟收费是两个口径。

六、车里和呼叫中心的数是公司报的

下面的用量没有第三方核验，口径都是公司自己的。

公司称，Tesla 车内每天处理数百万次对话。司机可以用 Connectors 查日程、回邮件，用 Grok Bot 订咖啡、订晚餐，全程免提。Grok Voice 3.0 同时驱动 Grok Bot 的语音模式。

SpaceXSI 称："Starlink call centers use Grok Voice to answer 20,000 customer calls every day across multiple languages."

中文是：Starlink 呼叫中心用 Grok Voice 每天接听 2 万通客户来电，覆盖多种语言。

公司称，大约 70% 无需人工介入就处理完；销售来电里，大约四分之一在挂断前成交。约 70% 对着全部来电，四分之一只统计销售来电，两个比例分母不同。同一个智能体能核验客户、排查硬件、发放抵扣、寄送替换设备。

七、EVA-Bench 准确率 74% 是公司称

SpaceXSI 称，在 ServiceNow 的企业语音智能体基准 EVA-Bench 上，Grok Voice 3.0 准确率 74%，为最高，并在准确率与客户体验联合评分中表现最好。

发布稿引用了 ServiceNow 产品管理高级总监 Nitin Aggarwal 的话：

"Grok Voice 3.0 sets a new Pareto frontier on EVA-Bench, ServiceNow's open-source benchmark scoring voice agents on accuracy and experience across 200+ realistic enterprise scenarios."

中文是：Grok Voice 3.0 在 EVA-Bench 上划出新的取舍边界，这个开源基准用 200 多个贴近真实业务的企业场景，按准确率和体验给语音智能体打分。

他还称，这款模型把顶尖准确率与自然、反应快的对话结合起来，为企业在客服一线对 AI 的预期立了新标准。他的原话没有给出 74% 这个数。

八、下一个看点在单项榜复核

下一步只看一点：第三方单项榜会不会继续把这次综合领先拆开验证。

美股直接映射是 SpaceX，纳斯达克代码 SPCX；这款产品带来多少收入，发布稿没谈。