外媒の報道によると、Elon Musk 傘下の人工知能企業 xAI が Grok Voice 3.0 音声モデルを発表し、音声エージェント API を通じて提供を開始した。料金は分あたり US$0.08（約 HK$1）で、前世代製品と同じ。xAI によると、Grok Voice は Tesla 車両の音声インタラクションおよび SpaceX 傘下の Starlink カスタマーセンターに導入されており、同センターでは 1 日あたり約 2 万件の多言語顧客コールを処理し、そのうち約 70% が人的介入なしで解決されている。
独立 AI 評価プラットフォーム Artificial Analysis が公表したテスト結果によると、Grok Voice 3.0 は Speech-to-Speech Index（音声対音声総合指数）で 86.9 点を獲得し、初参加で首位となった。比較として、OpenAI の GPT-Live-1（Astra、中程度推理構成）が 83.2 点、 Google Gemini 3.8 Live Extended Thinking（高推理構成）が 82.6 点、GPT-Live-1（Sol、低推理構成）が 80.1 点だった。
Grok Voice 3.0 は、前世代の Grok Voice 2.0（81.3 点）から 5.6 点、Grok Voice 1.0（73.7 点）から 13.2 点向上した。
Grok Voice 3.0、音声エージェント分野で性能が大幅向上
個別指標では、Grok Voice 3.0 の結果は分かれた。タスク成功率では、Speech Agent Arena テストで 94.8% を記録し首位となった。これは Grok Voice 2.0 の 94.6% をわずかに上回る。音声エージェント実行能力では、Tau Voice テストで 71.6% を記録し、GPT-Live-1（Astra、中程度構成）の 74.5% に次ぐ 2 位となり、Grok Voice 2.0 の 56.5% を大きく上回った。
音声推論では、Big Bench Audio テストで 98.5% を記録し、Google 関連モデルの 97.7% および前世代の Grok Voice 2.0 の 97.2% を上回った。一方、ユーザー嗜好では Elo レーティング 1070 で、Gemini 3.1 Flash Live Minimal の 1100 および Gemini 3.8 Live の 1088 に次ぐ 3 位となった。
リアルタイム対話を必要とする音声エージェントにとって、応答遅延はユーザー体験を左右する重要指標だ。Artificial Analysis のテストによると、Big Bench Audio テストにおける Grok Voice 3.0 の平均初回音声応答時間は 0.81 秒で、Grok Voice 2.0 の 0.72 秒よりわずかに遅いものの、1 秒以内に収まっている。xAI は公式発表で、Grok Voice 3.0 が 1 秒未満で顧客に応答でき、コストは業界最先端モデルを下回ると述べている。