SpaceXAIs Grok Voice 3.0 ist das neue führende Speech to Speech-Modell und debütiert auf Platz #1 des Artificial Analysis Speech to Speech Index bei 86,9, während es auch bei der Latenz wettbewerbsfähig ist
Grok Voice 3.0 ist @SpaceXSI 's Nachfolger von Grok Voice 2.0, einem Speech to Speech-Modell, das über die SpaceXAI Realtime API zu $0,08 pro Minute verfügbar ist. Wir haben Grok Voice 3.0 mit der Rex-Stimme über die SpaceXAI Realtime API evaluiert.
Wichtigste Erkenntnisse:
➤ Speech to Speech Index: Grok Voice 3.0 debütiert auf #1 mit 86,9, vor GPT-Live-1 (Astra, medium) mit 83,2, Gemini 3.8 Live Extended Thinking (High) mit 82,6 und GPT-Live-1 (Sol, low) mit 80,1. Es liegt damit über Grok Voice 2.0 mit 81,3 (+5,6 Punkte) und Grok Voice 1.0 mit 73,7 (+13,2 Punkte), das vor nicht ganz sechs Monaten veröffentlicht wurde. Der Index mittelt Speech Reasoning (Big Bench Audio), Agentic Performance (Tau Voice), Arena Preference und Task Success Rate
➤ Speech Agent Arena: Grok Voice 3.0 rangiert bei der Präferenz auf #3 mit Elo 1070, hinter Gemini 3.1 Flash Live Minimal (1100) und Gemini 3.8 Live (1088) und vor GPT-Live-1 (Sol, low) mit 1057, sowie auf #1 bei der Task Success Rate mit 94,8%, dem höchsten Wert im Feld, knapp vor Grok Voice 2.0 mit 94,6%. Grok Voice 2.0 liegt zurück mit Elo 1011
➤ Tau Voice: Grok Voice 3.0 belegt Platz #2 in unserer Tau Voice Benchmark-Implementierung mit 71,6%, hinter GPT-Live-1 (Astra, medium) mit 74,5% und vor Gemini 3.8 Live Extended Thinking (High) mit 68,6% und GPT-Live-1 (Sol, low) mit 59,3% – ein Anstieg von 56,5% bei Grok Voice 2.0
➤ Big Bench Audio: Grok Voice 3.0 erzielt 98,5% beim Audio-Reasoning, vor Gemini 3.8 Live Extended Thinking (High) mit 97,7% und Grok Voice 2.0 mit 97,2%
➤ Geschwindigkeit: Die durchschnittliche Time to First Audio bei Big Bench Audio beträgt für Grok Voice 3.0 0,81 Sekunden und liegt damit weit vor GPT-Live-1 (Sol, low) mit 1,24s, GPT-Live-1 (Astra, medium) mit 1,34s und Gemini 3.8 Live Extended Thinking (High) mit 1,35s, wenn auch langsamer als Grok Voice 2.0 mit 0,70s
➤ Kosten: Grok Voice 3.0 kostet $4,80 pro Stunde Eingabeaudio, genauso viel wie Grok Voice 2.0. Das liegt über GPT-Live-1 (Sol, low) mit $4,47 und Gemini 3.8 Live Extended Thinking (High) mit $3,50, günstiger als GPT-Live-1 (Astra, medium) mit $5,83 und ~2,2x günstiger als GPT-Realtime-2.1 High mit $10,75
Glückwunsch an @elonmusk und das @SpaceXSI Team 🚀
Siehe unten für weitere Details ⬇️