IT之家 mensaje del 15 de octubre: SpaceXAI lanzó hoy Grok Voice 3.0,según la empresa, es el modelo de voz a voz con el mayor nivel de inteligencia del mundo. El modelo ha establecido un nuevo récord en tareas de atención al cliente por teléfono, con una latencia líder en la industria de menos de 1 segundo, y un costo de operación inferior al de otros modelos de vanguardia. Grok Voice soporta millones de conversaciones diarias en Tesla y SpaceX, y ya está disponible a través de la interfaz de programación de aplicaciones, con precios idénticos a los de la generación anterior.
En las pruebas independientes de Artificial Analysis, Grok Voice 3.0 ocupó el primer lugar en la clasificación general de voz a voz, con una puntuación de 86.9. Esta clasificación evalúa de forma integral la capacidad de razonamiento de voz, la métrica τ-Voice, así como la preferencia y la tasa de finalización de tareas en comparaciones de llamadas a ciegas. Grok Voice 3.0 obtuvo un 97% en la prueba de referencia de dúplex completo, una métrica que mide la naturalidad con la que el modelo maneja las pausas, los turnos de conversación y las interrupciones.
τ-Voice se utiliza para evaluar la capacidad de un agente en escenarios de llamadas de atención al cliente para lidiar con diversos acentos, ruido de fondo e interrupciones a mitad de la conversación. Grok Voice 3.0 obtuvo un 71.6%, con un rendimiento comparable al de GPT-Live-1 (Astra), pero con una latencia un 40% menor, abriendo un nuevo punto óptimo de equilibrio entre la inteligencia del agente y la velocidad de respuesta.
Según la empresa, su costo de operación también es inferior al de modelos de su clase. Artificial Analysis mide en la prueba de referencia de audio a gran escala el costo de cada modelo para completar las tareas, y el costo de Grok Voice 3.0 es inferior al de GPT-Live-1 (Astra, versión media) y al de GPT-Realtime-2.1.
En la prueba de referencia EVA de ServiceNow para agentes de voz empresariales, Grok Voice 3.0 obtuvo la puntuación de precisión más alta, un 74%, y el mejor desempeño en la puntuación conjunta de las dos métricas de precisión y experiencia del cliente.
Según la empresa, Grok Voice 3.0 procesa millones de conversaciones diarias dentro de los vehículos de Tesla. Los conductores pueden usar Connectors para realizar instrucciones simples como consultar el calendario o responder correos, y valerse de Grok Bot para tareas complejas como pedir un café o reservar una cena, todo sin usar las manos. Grok Voice 3.0 también da soporte al modo de voz de Grok Bot.
El centro de atención al cliente de Starlink se apoya en Grok Voice para atender cada día 2 万 llamadas de clientes en varios idiomas. Aproximadamente el 70% de las llamadas se resuelven sin intervención humana, y una cuarta parte de las llamadas de ventas logra concretar un pedido antes de que el cliente cuelgue. Un solo agente basado en Grok Voice 3.0 puede realizar tareas como verificar la identidad del cliente, diagnosticar fallos de hardware, emitir reembolsos y reenviar equipos.
Grok Voice 3.0 ya está disponible en la interfaz de programación de aplicaciones para agentes de voz, a un precio de 0.08 dólares por minuto (nota de IT之家: al tipo de cambio actual, unos 0.54 yuanes) (4.8 dólares por hora (al tipo de cambio actual, unos 32.2 yuanes)), el mismo precio que Grok Voice 2.0. Los agentes que utilizan la versión grok-voice-latest ya han sido actualizados automáticamente, sin necesidad de ningún cambio.