Según informes de medios extranjeros, la empresa de inteligencia artificial xAI, fundada por Elon Musk, ha anunciado el lanzamiento del modelo de voz Grok Voice 3.0, que ya está disponible a través de la API de agente de voz, con un precio de US$0.08 por minuto (aproximadamente HK$1), el mismo que la generación anterior. xAI ha indicado que Grok Voice se ha utilizado en la interacción de voz de los vehículos Tesla y en el centro de atención al cliente de Starlink de SpaceX, el cual maneja aproximadamente 20,000 llamadas de clientes multilingües al día, de las cuales alrededor del 70% se resuelven sin intervención humana.
Según los resultados de pruebas publicados por la plataforma independiente de evaluación de IA Artificial Analysis, Grok Voice 3.0 obtuvo una puntuación de 86.9 en el Speech-to-Speech Index (índice de voz a voz), ocupando el primer lugar en su primera evaluación. En comparación, el GPT-Live-1 de OpenAI (Astra, configuración de razonamiento medio) obtuvo 83.2, mientras que Google Gemini 3.8 Live Extended Thinking (configuración de alto razonamiento) obtuvo 82.6, y el GPT-Live-1 (Sol, configuración de bajo razonamiento) obtuvo 80.1.
Grok Voice 3.0 mejoró en 5.6 puntos respecto a los 81.3 puntos de la generación anterior, Grok Voice 2.0, y en 13.2 puntos respecto a los 73.7 puntos de Grok Voice 1.0.
Grok Voice 3.0 muestra un rendimiento significativamente mejorado en el ámbito de los agentes de voz
En términos de indicadores específicos, el rendimiento de Grok Voice 3.0 ha mostrado variaciones. En cuanto a la tasa de éxito de tareas, el modelo ocupó el primer lugar en la prueba Speech Agent Arena con un 94.8%, ligeramente por encima del 94.6% de Grok Voice 2.0. En cuanto a la capacidad de ejecución de agentes de voz, obtuvo un 71.6% en la prueba Tau Voice, solo superado por el GPT-Live-1 (Astra, configuración media) con un 74.5%, y significativamente superior al 56.5% de Grok Voice 2.0.
En el ámbito de la inferencia de audio, Grok Voice 3.0 obtuvo un 98.5% en la prueba Big Bench Audio, superando el 97.7% de los modelos relacionados de Google y el 97.2% de la generación anterior, Grok Voice 2.0. Sin embargo, en cuanto a las preferencias de los usuarios, su puntuación Elo fue de 1070, inferior a los 1100 de Gemini 3.1 Flash Live Minimal y 1088 de Gemini 3.8 Live, ocupando el tercer lugar.
Para los agentes de voz que requieren interacción en tiempo real, la latencia de respuesta es un indicador clave que afecta la experiencia del usuario. Las pruebas de Artificial Analysis mostraron que, en la prueba Big Bench Audio, el tiempo promedio de la primera respuesta de audio de Grok Voice 3.0 fue de 0.81 segundos, ligeramente más lento que los 0.72 segundos de Grok Voice 2.0, pero aún dentro del segundo. xAI declaró en su comunicado oficial que Grok Voice 3.0 puede responder a los clientes en menos de 1 segundo, a un costo inferior al de los modelos de vanguardia en la industria.