Абсолютное лидерство в бенчмарках
SpaceXAI официально представила Grok Voice 3.0 — флагманскую модель распознавания и синтеза речи (speech-to-speech). Согласно данным Artificial Analysis, новая модель заняла 1-е место в индексе Speech-to-Speech с результатом 86.9 баллов. Это значительный скачок по сравнению с предыдущей версией Grok Voice 2.0, которая набрала 81.3 балла.
Модель работает в реальном времени через WebSocket-эндпоинт /v1/realtime. По умолчанию включен режим глубокого рассуждения (reasoning.effort: "high"), что позволяет модели не только слушать, но и логически обрабатывать запросы, вызывая инструменты (поиск в X, веб, MCP-серверы) перед ответом.
Скорость и стоимость: где Grok выигрывает
Ключевое преимущество Grok Voice 3.0 — низкая задержка. Время до первого аудио (TTFA) составляет 0.81 секунды, что на 40% быстрее, чем у главного конкурента GPT-Live-1 (1.34 с). Однако стоит отметить, что предыдущая версия Grok Voice 2.0 была еще быстрее (0.70 с).
В ценообразовании SpaceXAI сохраняет тариф $0.08 за минуту ввода/вывода. При этом, согласно метрикам Artificial Analysis, стоимость выполнения одной задачи Big Bench Audio составляет всего $0.025, что дешевле, чем у GPT-Live-1 ($0.030) и значительно дешевле, чем у GPT-Realtime-2.1 ($0.055).
Детальное сравнение с конкурентами
Несмотря на общее лидерство, Grok Voice 3.0 не является абсолютным чемпионом во всех метриках. Модель уступает GPT-Live-1 в способности выполнять сложные агентные задачи (бенчмарк τ-Voice), хотя и показала огромный прогресс (+15% к прошлому результату).
| Метрика / Модель | Grok Voice 3.0 | Grok Voice 2.0 | GPT-Live-1 (Astra) | Gemini 3.8 Live |
|---|---|---|---|---|
| AA Speech-to-Speech Index | 86.9 (#1) | 81.3 | 83.2 | 82.6 |
| Big Bench Audio | 98.5% | 97.2% | 90.1% | 97.7% |
| τ-Voice (Агентные задачи) | 71.6% | 56.5% | 74.5% (#1) | 68.6% |
| Task Success Rate | 94.8% | 94.6% | 87.4% | 89.1% |
| Time to First Audio | 0.81 s | 0.70 s | 1.34 s | 1.35 s |
| Стоимость (AA cost/hour) | $4.80 | $4.80 | $5.83 | $3.50 |
Технические детали и доступность
SpaceXAI не раскрывает количество параметров или архитектуру модели._weights_ закрыты, доступ только через API. Модель совместима с OpenAI Realtime API, что упрощает миграцию для разработчиков. Поддерживаются 28 встроенных голосов, клонирование по референсу (до 120 секунд) и 20 языков с автоопределением.
Для корпоративного сектора важны сертификации SOC 2 Type II и соответствие HIPAA (при наличии BAA). SpaceXAI гарантирует, что аудиоданные не сохраняются и не используются для обучения. Версия Grok Voice 2.0 официально устарела, и разработчикам рекомендуется переключиться на grok-voice-3.0.
Бенчмарки
| Бенчмарк | Grok Voice 3.0 | GPT-Live-1 (Astra, medium) | Gemini 3.8 Live Extended Thinking | Grok Voice 2.0 |
|---|---|---|---|---|
| AA Speech-to-Speech Index | 86.9% | 83.2% | 82.6% | 81.3% |
| Big Bench Audio | 98.5% | 90.1% | 97.7% | 97.2% |
| τ-Voice | 71.6% | 74.5% | 68.6% | 56.5% |
| Full Duplex Bench | 97% | 94.9% | 91.9% | 95.1% |
| Task success rate | 94.8% | 87.4% | 89.1% | 94.6% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗