xAI 发布 Grok Voice 3.0，登顶 Artificial Analysis 语音对话指数
Grok Voice 3.0 setzt sich im Sprach-KI-Vergleich an die Spitze | heise online
xAI 发布实时语音对话模型 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech 指数上以 86.9 分登顶，高于 OpenAI GPT-Live-1 的 83.2 分和 Google Gemini 3.8 Live 的 82.6 分，前代 Grok Voice 2.0 为 81.3 分。该模型在 τ-Voice 客服对话基准上成功率从 56.5% 升至 71.6%，位列第二，落后 GPT-Live-1（Astra, Medium）的 74.5%；人类盲测偏好排名第三，语音输出平均延迟 0.81 秒，价格维持每分钟 0.08 美元。xAI 称其已在特斯拉车辆中每天处理数百万次对话，并在 Starlink 工作日接听约 2 万通客户来电，其中约 70% 无需人工介入，现已通过 API 开放。
推荐理由
AI 评分 64
Grok Voice 3.0 在 Artificial Analysis 语音对话指数登顶，但盲测与任务完成率并非全面领先，读者可据此看清榜单与真实体验的差距。
主题
正文
当前显示原文，中文全文译文尚未就绪。
close notice
This article is also available in English.
It was translated with technical assistance and editorially reviewed before publication.
.
SpaceXAI hat mit Grok Voice 3.0 ein neues KI-Modell für Sprachdialoge in Echtzeit vorgestellt. Es soll vor allem komplexe Kundendienstanfragen zuverlässiger selbstständig bearbeiten, natürlicher auf Gesprächspausen und Unterbrechungen reagieren und im Durchschnitt nach weniger als einer Sekunde mit der Sprachausgabe beginnen.
Weiterlesen nach der Anzeige
In unabhängigen Tests von Artificial Analysis (AA) übernimmt Grok Voice 3.0 die Führung unter den getesteten Sprachmodellen. Im Speech-to-Speech-Index erreicht es 86,9 Punkte. Dahinter folgen GPT-Live-1 von OpenAI mit 83,2 und Gemini 3.8 Live von Google mit 82,6 Punkten. Der Vorgänger Grok Voice 2.0 kam auf 81,3 Punkte. Die Gesamtwertung berücksichtigt das logische Schlussfolgern anhand gesprochener Aufgaben, das selbstständige Bearbeiten von Aufgaben, die Präferenzen menschlicher Tester und die Erfolgsquote bei der Erledigung von Aufgaben in Sprachdialogen.
Grok Voice 3.0 übernimmt die Führung im Speech-to-Speech-Index von Artificial Analysis.
(Bild: Artificial Analysis)
Die Führung im Gesamtindex bedeutet allerdings keinen Spitzenplatz in allen Disziplinen. Bei Blindtests, in denen Menschen mit den Sprachmodellen sprechen und ihren Favoriten wählen, landet Grok Voice 3.0 auf Rang drei hinter zwei Gemini-Modellen. Bei der Aufgabenerfüllung liegt es mit 94,8 Prozent vorn, allerdings nur knapp vor dem Vorgänger.
Täglich Millionen Sprachdialoge bei Tesla
Besonders groß ist der Fortschritt beim τ-Voice-Benchmark. Der Test simuliert Kundendienstgespräche mit unterschiedlichen Anliegen und Akzenten und prüft, ob die KI die Aufgaben erfolgreich erledigt. Die Erfolgsquote steigt gegenüber dem Vorgänger von 56,5 auf 71,6 Prozent. Damit liegt Grok Voice 3.0 auf Platz zwei hinter GPT-Live-1 (Astra, Medium) mit 74,5 Prozent.
Auch die Antwortgeschwindigkeit bleibt hoch: AA misst im Schnitt 0,81 Sekunden bis zum Beginn der Sprachausgabe. Die verglichenen Spitzenkonfigurationen von OpenAI und Google benötigen etwa 1,3 Sekunden. Grok Voice 2.0 war mit 0,7 Sekunden noch etwas schneller.
Weiterlesen nach der Anzeige
Der Preis bleibt mit 0,08 US-Dollar pro Minute unverändert. Im Kostenvergleich von Artificial Analysis liegt Grok Voice 3.0 mit 4,80 Dollar pro Stunde Eingabeaudio im Mittelfeld der fünf bestplatzierten Sprachmodelle.
Nach Angaben von SpaceXAI führt Grok Voice 3.0 bereits täglich Millionen Gespräche in Tesla-Fahrzeugen und kommt im Sprachmodus von Grok Bot zum Einsatz. Bei Starlink beantworte Grok Voice an Werktagen rund 20.000 Kundenanrufe, von denen etwa 70 Prozent ohne menschliche Hilfe abgeschlossen würden. Der Sprachagent soll technische Probleme beheben, Gutschriften erteilen und Ersatzlieferungen veranlassen.
Grok Voice 3.0 ist ab sofort über die API von SpaceXSI verfügbar.
(tobe)