xAI hat mit Grok Voice 3.0 ein Sprachmodell veröffentlicht, das direkt von Stimme zu Stimme arbeitet. Der Preis bleibt gleich, und wer die API nutzt, soll automatisch auf die neue Version wechseln.
Was xAI mit Grok Voice 3.0 vorlegt
xAI hat am 14. Oktober Grok Voice 3.0 vorgestellt. Anders als ein Textmodell, das Sprache erst umwandeln muss, arbeitet dieses Modell direkt von Stimme zu Stimme: Es hört gesprochene Anfragen und antwortet mit gesprochener Sprache, ohne den Umweg über verschriftlichten Text. Das soll Antworten flüssiger machen und weniger Verzögerung erzeugen.
Verfügbar ist das Modell über die Voice Agent API von xAI, also die Schnittstelle für Entwickler, die Sprachassistenten bauen. Der Preis liegt bei 0,08 US-Dollar pro Minute, das sind 4,80 Dollar pro Stunde. Das ist derselbe Satz wie beim Vorgänger Grok Voice 2.0. Kein Aufschlag. xAI nennt Grok Voice 3.0 das „intelligenteste Sprachmodell der Welt", ein Anspruch aus dem eigenen Haus, der sich an fremden Messungen messen lassen muss.
Die Vergleichszahlen kommen von xAI selbst
In der Ankündigung zitiert xAI eine Auswertung von Artificial Analysis, einem auf Modellvergleiche spezialisierten Anbieter, datiert auf den 13. Oktober. Dort führt Grok Voice 3.0 den Speech-to-Speech Index mit 86,9 Punkten an. OpenAI GPT-Live-1 liegt in derselben Tabelle bei 83,2, Gemini 3.8 Live bei 82,6 und der Vorgänger Grok Voice 2.0 bei 81,3.
Solche Werte stammen aus einem von der Firma selbst veröffentlichten Vergleich. Sie zeigen, was gemessen wurde und in welcher Konstellation. Ein Sprung von 81,3 auf 86,9 in einem Index klingt nach einem deutlichen Schritt nach vorn, doch wer baut, sollte das an eigenen Gesprächen prüfen, statt sich auf eine einzelne Rangliste zu verlassen.
Ein weiterer Wert, den xAI angibt: Auf tau-Voice, einem Test mit nachgespielten Kundengesprächen, erreicht Grok Voice 3.0 laut eigener Darstellung 71,6 Prozent. GPT-Live-1 kommt in derselben Grafik auf 74,5 Prozent. Hier liegt die neue Version also nicht vorn. Ein gemischtes Bild. Der Vorsprung entstehe nicht beim Treffer, sondern bei der Geschwindigkeit und den Kosten, so xAI.
Was die neuen Zahlen für Entwickler bedeuten
Interessant für alle, die Sprachagenten bauen, sind vor allem zwei Punkte. Erstens die Kosten pro erledigter Aufgabe: xAI nennt für Grok Voice 3.0 einen durchschnittlichen Aufwand von 0,025 Dollar pro Aufgabe, verglichen mit 0,030 Dollar für GPT-Live-1 und 0,055 Dollar für GPT-Realtime-2.1. Über viele Gespräche hinweg summiert sich das.
Zweitens die Latenz, also die Zeit bis zur ersten hörbaren Antwort. xAI gibt an, dass diese unter einer Sekunde liegt, und spricht bei tau-Voice von etwa 40 Prozent geringerer Verzögerung als GPT-Live-1. Bei einem Telefonassistenten entscheidet genau das darüber, ob sich ein Gespräch natürlich anfühlt oder ob der Anrufer das Gefühl hat, gegen eine Maschine zu sprechen.
Werkzeug
- Grok Voice 3.0
- GPT-Live-1
Kosten pro Aufgabe
- 0,025 Dollar
- 0,030 Dollar
Auch ServiceNow wird in der Ankündigung zitiert. Das Unternehmen betreibt mit EVA-Bench einen offenen Test für Sprachagenten im Kundenservice, in der IT und im Personalwesen. Grok Voice 3.0 erreicht dort laut xAI 74 Prozent Genauigkeit und schneidet am besten ab, wenn Genauigkeit und Gesprächsqualität gemeinsam bewertet werden.
Für wen sich der Wechsel lohnt
Wer schon die Voice Agent API von xAI nutzt, muss nichts umstellen. Der Bezeichner grok-voice-latest soll automatisch auf die neue Version zeigen. Wer ein konkretes Modell angibt, sollte prüfen, ob der Wechsel gewünscht ist, denn das Verhalten kann sich mit der neuen Version ändern. Ein Blick in die Doku lohnt.
Sinnvoll ist ein Test für alle, die Telefonassistenten mit vielen Gesprächen betreiben. Der unveränderte Minutenpreis bei besserer Latenz ist ein Argument, zumindest die eigenen Anwendungsfälle nachzumessen. Für Projekte, bei denen es auf die Genauigkeit im Fachgespräch ankommt, lohnt ein Vergleich mit GPT-Live-1, weil die xAI-Zahlen dort keinen klaren Sieger zeigen.
Grok Voice 3.0 ist über die Voice Agent API verfügbar, zum gleichen Preis wie die Vorgängerversion. Behalten Sie die unabhängigen Auswertungen der nächsten Wochen im Blick, denn dann zeigt sich, ob der Spitzenplatz auf dem Index auch in echten Kundengesprächen hält.
