El Grok Voice 3.0 de SpaceXAI es el nuevo modelo Speech to Speech líder, debutando en el puesto #1 del Índice Speech to Speech de Artificial Analysis en 86.9, siendo además competitivo en latencia
Grok Voice 3.0 es el sucesor de Grok Voice 2.0 por parte de @SpaceXSI , un modelo Speech to Speech disponible a través de la SpaceXAI Realtime API a $0.08 por minuto. Evaluamos Grok Voice 3.0 con la voz Rex a través de la SpaceXAI Realtime API.
Conclusiones clave:
➤ Índice Speech to Speech: Grok Voice 3.0 debuta en el puesto #1 con 86.9, por delante de GPT-Live-1 (Astra, medium) con 83.2, Gemini 3.8 Live Extended Thinking (High) con 82.6 y GPT-Live-1 (Sol, low) con 80.1. Supera a Grok Voice 2.0 con 81.3 (+5.6 puntos) y a Grok Voice 1.0 con 73.7 (+13.2 puntos), lanzado hace apenas menos de seis meses. El Índice promedia Speech Reasoning (Big Bench Audio), Agentic Performance (Tau Voice), Arena Preference y Task Success Rate
➤ Speech Agent Arena: Grok Voice 3.0 ocupa el puesto #3 en preferencia con un Elo de 1070, por detrás de Gemini 3.1 Flash Live Minimal (1100) y Gemini 3.8 Live (1088) y por delante de GPT-Live-1 (Sol, low) con 1057, y el #1 en Task Success Rate con un 94.8%, el más alto del panel, justo por delante de Grok Voice 2.0 con 94.6%. Grok Voice 2.0 se queda atrás con un Elo de 1011
➤ Tau Voice: Grok Voice 3.0 ocupa el puesto #2 en nuestra implementación del benchmark Tau Voice con un 71.6%, por detrás de GPT-Live-1 (Astra, medium) con 74.5% y por delante de Gemini 3.8 Live Extended Thinking (High) con 68.6% y GPT-Live-1 (Sol, low) con 59.3% - arriba del 56.5% de Grok Voice 2.0
➤ Big Bench Audio: Grok Voice 3.0 obtiene un 98.5% en razonamiento de audio, por delante de Gemini 3.8 Live Extended Thinking (High) con 97.7% y de Grok Voice 2.0 con 97.2%
➤ Velocidad: El tiempo promedio hasta el primer audio en Big Bench Audio es de 0.81 segundos para Grok Voice 3.0, muy por delante de GPT-Live-1 (Sol, low) con 1.24s, GPT-Live-1 (Astra, medium) con 1.34s y Gemini 3.8 Live Extended Thinking (High) con 1.35s, aunque más lento que Grok Voice 2.0 con 0.70s
➤ Costo: Grok Voice 3.0 cuesta $4.80 por hora de audio de entrada, lo mismo que Grok Voice 2.0. Eso está por encima de GPT-Live-1 (Sol, low) con $4.47 y Gemini 3.8 Live Extended Thinking (High) con $3.50, es más barato que GPT-Live-1 (Astra, medium) con $5.83, y ~2.2x más barato que GPT-Realtime-2.1 High con $10.75
Felicidades a @elonmusk y al equipo de @SpaceXSI 🚀
Véase abajo para más detalle ⬇️