xAI 端出 Grok Voice 3.0，主打不到一秒的回應延遲與客服對話能力，價格卻跟前一代一樣。它想搶的，是語音代理這塊正要起飛的市場。
xAI 發布 Grok Voice 3.0：語音代理再升級
xAI 在 10 月 14 日推出 Grok Voice 3.0，這是一款「語音對語音」（speech-to-speech）模型，也就是直接聽你說話、再用語音回你，中間不必先轉成文字。它已經上線到 xAI 的 Voice Agent API，定價每分鐘 0.08 美元。
xAI 把 Grok Voice 3.0 講成「全球最聰明的語音模型」，說它在處理客服來電上創下新紀錄，延遲低於一秒，運行成本也比其他前沿模型低。這些都是廠商自己的說法。
價格不變，模型自動升級
對開發者來說，最實際的訊息是價格沒動。每一分鐘 0.08 美元，換算下來每小時 4.80 美元，跟 Grok Voice 2.0 一模一樣。
另外，如果你原本就透過 API 呼叫 grok-voice-latest，這次不用改任何程式碼，就會自動升到 3.0 版。xAI 用這種「原地升級」的方式推新版本，開發者端幾乎沒有遷移成本。想鎖定舊版的話另當別論，但多數人應該會直接吃到新能力。
官方引用的成績：先看數字怎麼來
xAI 引用了獨立評測機構 Artificial Analysis 在 10 月 13 日的語音對語音測試，說 Grok Voice 3.0 以 86.9 分排在第一。同一張表上，GPT-Live-1（Astra，Medium）是 83.2 分，Gemini 3.8 Live（Extended Thinking，High）是 82.6 分，前一代的 Grok Voice 2.0 則是 81.3 分。
在客服任務測試 tau-Voice 上，這個測試模擬使用者打電話來、模型扮演客服，xAI 說 Grok Voice 3.0 拿到 71.6%，並形容在延遲比 GPT-Live-1 低 40% 的情況下，成績與它接近。同一張圖表上，GPT-Live-1（Astra，Medium）是 74.5%，Gemini 3.8 Live 是 68.6%，Grok Voice 2.0 是 56.5%。
xAI 也提到，Artificial Analysis 在測試中量到的平均每項任務成本是 0.025 美元，低於 GPT-Live-1 的 0.030 美元與 GPT-Realtime-2.1 的 0.055 美元。
需要留意，這些數字都由 xAI 在新聞稿裡引用，Artificial Analysis 的完整報告要看它自己的網站才算第一手。分數第一是一回事，實際跑在你的客服系統裡穩不穩，又是另一回事。
語音代理為什麼現在重要
語音對語音模型的關鍵在「自然」。傳統做法是先把語音轉文字、丟給語言模型、再把回覆轉回語音，中間多兩道手續，一慢一卡就會露出機器味。新一代模型直接處理語音，能更順地應付停頓、輪流發話，甚至在你插話時正確接住。
Artificial Analysis 的 Full Duplex Bench 就是測這類能力，包括處理暫停、接話，以及使用者中途打斷時怎麼反應。這正是客服、語音助手這類場景最在意的細節。
Grok Voice 已經在 Tesla 與 SpaceX 的日常對話裡運行，每天處理數百萬次互動。xAI 這次也說新版本會用在 Starlink 客服與車內語音上。換句話說，消費者在這些場合實際感受到的語音體驗，會跟著這次升級一起改變。
開發者與使用者該關注什麼？
如果你在做語音客服、語音助手或需要即時對話的應用，Grok Voice 3.0 的吸引力在於三件事同時成立：延遲低於一秒、單價沒漲、而且模型自動接手。這降低了「要不要換」的門檻。反正價格一樣，換過去先試試看。
至於一般使用者，感受最直接的會是 Starlink 客服與 Tesla 車內語音。如果你最近打進客服覺得對話變順，很可能就是這次升級的效果。
接下來值得觀察兩點：xAI 端出的分數能不能被第三方完整複現，以及競爭對手會不會在價格上回擊。目前語音代理的客單價都壓在每分鐘一毛美元以下，這塊市場的價格戰恐怕才剛開始。
