SpaceXAI 的 Grok Voice 3.0 是新的领先语音到语音模型，在 Artificial Analysis 语音到语音指数上以 86.9 的成绩首次亮相排名第1，同时在延迟方面也具有竞争力
Grok Voice 3.0 是 @SpaceXSI 对 Grok Voice 2.0 的继任者，这是一款通过 SpaceXAI Realtime API 提供的语音到语音模型，价格为每分钟 $0.08。我们通过 SpaceXAI Realtime API 使用 Rex 语音评估了 Grok Voice 3.0。
要点：
➤ 语音到语音指数：Grok Voice 3.0 以 86.9 首次亮相排名第1，领先于 83.2 的 GPT-Live-1（Astra, medium）、82.6 的 Gemini 3.8 Live Extended Thinking（High）和 80.1 的 GPT-Live-1（Sol, low）。相比 81.3 的 Grok Voice 2.0（+5.6 分）和不到六个月前发布的 73.7 的 Grok Voice 1.0（+13.2 分）均有提升。该指数平均了语音推理（Big Bench Audio）、智能体性能（Tau Voice）、Arena 偏好和任务成功率
➤ 语音智能体 Arena：Grok Voice 3.0 在偏好方面以 Elo 1070 排名第3，落后于 Gemini 3.1 Flash Live Minimal（1100）和 Gemini 3.8 Live（1088），领先于 1057 的 GPT-Live-1（Sol, low）；并以 94.8% 的任务成功率排名第1，为榜单上最高，略高于 94.6% 的 Grok Voice 2.0。Grok Voice 2.0 的 Elo 为 1011
➤ Tau Voice：Grok Voice 3.0 在我们的 Tau Voice 基准实现中以 71.6% 位居第2，落后于 74.5% 的 GPT-Live-1（Astra, medium），领先于 68.6% 的 Gemini 3.8 Live Extended Thinking（High）和 59.3% 的 GPT-Live-1（Sol, low）——相比 Grok Voice 2.0 的 56.5% 有所提升
➤ Big Bench Audio：Grok Voice 3.0 在音频推理上得分为 98.5%，领先于 97.7% 的 Gemini 3.8 Live Extended Thinking（High）和 97.2% 的 Grok Voice 2.0
➤ 速度：Grok Voice 3.0 在 Big Bench Audio 上的平均首音频时间为 0.81 秒，远好于 1.24 秒的 GPT-Live-1（Sol, low）、1.34 秒的 GPT-Live-1（Astra, medium）和 1.35 秒的 Gemini 3.8 Live Extended Thinking（High），但慢于 0.70 秒的 Grok Voice 2.0
➤ 成本：Grok Voice 3.0 的输入音频成本为每小时 $4.80，与 Grok Voice 2.0 相同。这高于 $4.47 的 GPT-Live-1（Sol, low）和 $3.50 的 Gemini 3.8 Live Extended Thinking（High），低于 $5.83 的 GPT-Live-1（Astra, medium），并且比 $10.75 的 GPT-Realtime-2.1 High 便宜约 2.2 倍
祝贺 @elonmusk 和 @SpaceXSI 团队 🚀
更多详情请见下方 ⬇️