IT之家 Meldung vom 15. Oktober: SpaceXAI hat heute Grok Voice 3.0 veröffentlicht,laut offiziellen Angaben handelt es sich um das Sprach-zu-Sprach-Modell mit dem höchsten Intelligenzniveau weltweit. Das Modell stellt bei der Bearbeitung von Kundenservice-Anrufen einen neuen Rekord auf, verfügt über eine branchenführende Latenz von unter 1 Sekunde und ist im Betrieb auch günstiger als andere Spitzenmodelle. Grok Voice unterstützt täglich Millionen von Gesprächen bei Tesla und SpaceX und ist jetzt über eine Programmierschnittstelle verfügbar, wobei die Preisgestaltung mit der Vorgängergeneration übereinstimmt.
In unabhängigen Tests von Artificial Analysis belegte Grok Voice 3.0 mit 86,9 Punkten den ersten Platz in der Sprach-zu-Sprach-Gesamtwertung. Diese Rangliste bewertet umfassend die Sprachschlussfolgerungsfähigkeit, die τ-Voice-Metrik sowie Präferenz und Aufgabenerfüllungsquote bei verblindeten Anrufvergleichen. Grok Voice 3.0 erreichte im Vollduplex-Benchmark 97 %; diese Metrik misst, wie natürlich das Modell Pausen, Gesprächswechsel und Einwände verarbeitet.
τ-Voice dient zur Bewertung der Fähigkeit eines Agenten, in Kundenservice-Anrufen mit verschiedenen Akzenten, Hintergrundgeräuschen und Unterbrechungen umzugehen. Grok Voice 3.0 erreichte 71,6 %, was in etwa der Leistung von GPT-Live-1 (Astra) entspricht, jedoch mit 40 % geringerer Latenz – ein neuer optimaler Ausgleich zwischen der Intelligenz des Agenten und seiner Reaktionsgeschwindigkeit.
Laut offiziellen Angaben sind auch die Betriebskosten niedriger als bei Modellen derselben Klasse. Artificial Analysis ermittelt in einem umfangreichen Audio-Benchmark die Kosten der Modellaufgabenerfüllung; Grok Voice 3.0 ist günstiger als GPT-Live-1 (Astra, mittlere Version) sowie GPT-Realtime-2.1.
Im EVA-Benchmark von ServiceNow für Unternehmens-Sprachagenten erzielte Grok Voice 3.0 die höchste Genauigkeit von 74 % und schnitt bei der kombinierten Bewertung aus Gesamtgenauigkeit und Kundenerlebnis am besten ab.
Laut offiziellen Angaben verarbeitet Grok Voice 3.0 täglich Millionen von Gesprächen in Tesla-Fahrzeugen. Fahrer können über Connectors einfache Befehle wie das Abfragen des Terminkalenders oder das Beantworten von E-Mails ausführen und mit Grok Bot komplexe Aufgaben wie das Bestellen von Kaffee oder das Reservieren eines Abendessens erledigen – alles ohne die Hände vom Lenkrad zu nehmen. Grok Voice 3.0 unterstützt auch den Sprachmodus von Grok Bot.
Das Starlink-Kundendienstzentrum bearbeitet mit Grok Voice täglich 20.000 Kundenanrufe in mehreren Sprachen. Etwa 70 % der Anrufe können ohne menschliches Eingreifen gelöst werden, und ein Viertel der Verkaufsgespräche führt noch vor dem Auflegen des Kunden zu einer Bestellung. Ein einzelner, auf Grok Voice 3.0 basierender Agent kann die Identitätsverifizierung von Kunden, die Fehlersuche bei Hardware, die Ausstellung von Rückerstattungen sowie den Ersatz von Geräten übernehmen.
Grok Voice 3.0 ist jetzt über die Sprachagenten-Programmierschnittstelle verfügbar und kostet 0.08 US-Dollar pro Minute (IT之家-Anmerkung: zum aktuellen Wechselkurs etwa 0.54 Yuan) (4.8 US-Dollar pro Stunde (zum aktuellen Wechselkurs etwa 32.2 Yuan)) – derselbe Preis wie bei Grok Voice 2.0. Agenten, die die Version grok-voice-latest verwenden, wurden automatisch aktualisiert, ohne dass Änderungen erforderlich waren.