Grok Voice 3.0: AA 86,9 – 0,08 dollar/min, us-east-1

xAI slipper Grok Voice 3.0 14. oktober. Det er tale-til-tale, ikke en ny tekstmodell. SpaceX Super Intelligence kaller den verdens mest intelligente speech-to-speech-modell. Det er leverandørens setning. Uavhengig Artificial Analysis, datert 13. oktober og lagt ut 14., setter den først på Speech-to-Speech Index med 86,9. Grok Voice 2.0 sto på 81,3. GPT-Live-1 med Astra på medium: 83,2. Gemini 3.8 Live Extended Thinking High: 82,6.

Prisen er uendret: 0,08 dollar per minutt, 4,80 dollar per time, pluss 0,004 dollar per tekstinn. Modell-ID: grok-voice-3.0. Aliaset grok-voice-latest er allerede flyttet. grok-voice-2.0 er deprecated samme dag. Region: us-east-1. Voice-API ligger ikke på det amerikanske regionale endepunktet. For CIO i EØS er det samme geografiske nei som på Grok 4.7 Fast og Copilot-Grok.

hogby.ai dekket Think Fast 2.0 29. juli. Denne saken er 3.0, ikke reprise av 2.0-tallene.

Hva som faktisk åpnes 14. oktober

Voice Agent API. Automatisk bytte for alle som pinner grok-voice-latest. De som vil bli på 2.0, kan ikke det: 2.0 er deprecated. Release notes sier oppgrader til grok-voice-3.0 eller grok-voice-latest, samme pris.

Kapasitet: samtidige sesjoner 10, 20, 50, 100 og 200 på tier T0 til T4. Ingen RPS-tak på speech-to-speech, bare concurrent sessions.

Inn og ut: tekst og lyd. Custom Voices er USA minus Illinois. Ikke anta at merkevarekloning av stemme er lovlig i EØS, og ikke anta at den flaten finnes utenfor USA.

Dokumentasjonen merker grok-voice-3.0 som us-east-1. Globalt endepunkt kan rute mellom regioner. Det amerikanske regionale endepunktet (us.api.x.ai) serverer grok-4.7 og grok-4.6, ikke voice. Personopplysninger i live-lyd går dermed ikke i et EØS-isolat.

Tallene som tåler sjekk

Artificial Analysis målte Rex-stemmen via SpaceXAI Realtime API.

Speech Reasoning, Big Bench Audio: 98,5 prosent. 2.0: 97,2. Gemini 3.8 Live Ext High: 97,7. Astra medium: 90,1.

τ-Voice, kundeservicescenarier med aksent, støy og avbrudd: 71,6 prosent. 2.0: 56,5. Astra medium leder med 74,5. Gemini Ext High: 68,6. Grok er nummer to her, ikke først.

Task Success Rate: 94,8 prosent, først på tavlen. 2.0: 94,6. Astra: 87,4. Gemini Ext High: 89,1.

Full Duplex Bench: 97,0 prosent. Pause, turtaking, avbrudd. 2.0: 95,1. Astra: 94,9.

Speech Agent Arena Elo: 1070. Nummer tre i preferanse, bak Gemini 3.1 Flash Live Minimal (1100) og Gemini 3.8 Live (1088). xAI-tabellen sammenligner mot Astra 1048 og Gemini Ext 990, ikke mot de to som leder preferanse.

Tid til første lyd: 0,81 sekunder. 2.0 var raskere: 0,70. Astra medium: 1,34. Gemini Ext High: 1,35. xAI selger «under ett sekund». Mot egen 2.0 er det et bytte: mer treff, 110 millisekunder tregere start.

Kost per oppgave på AAs Big Bench Audio-kjøring, ifølge xAI: 0,025 dollar mot 0,030 for Astra medium og 0,055 for GPT-Realtime-2.1 High. Minuttprisen 0,08 dollar er det som treffer sentralbordet. Tokenpris er ikke oppgavepris.

ServiceNow EVA-Bench: 74 prosent nøyaktighet, best i kombinert nøyaktighet og kundeopplevelse, ifølge Nitin Aggarwal i ServiceNow. Det er sitat, ikke hogby.ai-måling.

Tesla og Starlink er produksjon, ikke demo

xAI: millioner samtaler om dagen i Tesla. Starlink-kundesenter: 20 000 anrop daglig, om lag 70 prosent uten menneske, én av fire salgssamtaler ender i kjøp før opplegget. Én agent verifiserer kunde, feilsøker hardware, utsteder kredit og sender reservedeler. Behandle volumtallene som leverandørens driftstall, ikke revisorbekreftet SLA.

For CISO: taleagent med verktøykall mot CRM, lager og betaling. Samme eksponering som Grok Bot. Pin modell. Logg. Ikke latest i produksjon uten regresjon. Automatisk alias-bytte skjedde allerede 14. oktober.

Hva ledelsen bør gjøre denne uken

Tre beslutninger. En: om stemmekanalen skal byttes til 3.0 mot GPT-Live-1 og Gemini Live, med 0,08 dollar per minutt som kjent kostnad. To: om us-east-1 og manglende EØS-geo er akseptabelt for personopplysninger i kundesamtale. Tre: om 2.0-deprecation tvinger migrering nå, med nye tester på τ-Voice og avbrudd, ikke bare lyttbarhet.

Risikoen er å lese «AA nummer én» som nummer én på alt. Den er det på indeksen og på task success. Den er det ikke på τ-Voice mot Astra, ikke på preferanse mot to Gemini-varianter, og ikke på startlatens mot egen 2.0. Den andre risikoen er å slippe persondata i live-lyd til us-east-1 uten DPIA.

Kilder og medier

Primærkilde: xAI, «Introducing Grok Voice 3.0», 14. oktober 2026. https://x.ai/news/grok-voice-3

Thumbnail: OpenAI Image 2 / hogby.ai