2026 年 10 月 15 日，xAI 发布新一代实时语音模型 Grok Voice 3.0。官方在 x.ai 新闻页给出的定位是「world's most intelligent speech-to-speech model」，也就是当下最智能的语音到语音模型，并强调端到端延迟低于一秒、API 定价与上一代保持同价。这条消息本身不算长，但把它放进第三方排行榜和官方披露的落地数字里逐一核对，会发现一个有意思的画面：它在综合榜上拿了第一，却在某一个分项上输给了上个月刚发布的对手。
先交代本文的取材口径。官方页面属于第一手来源；IT 之家、环球网、腾讯新闻与头条四家的报道属于二手转引，用于交叉核对其中的具体数字。所有对比基准出自 xAI 官方页转引 Artificial Analysis 在 2026 年 10 月 13 日发布的口径。本文没有对这些数字做独立复测，读者应把它们理解为厂商与第三方评测机构的口径，而不是本站的独立验证结论。
还需要先说清站内分工。早在 10 月 7 日，本站已经写过一篇 GPT-Live-1 语音发布的热点，并配了一份对应的 API 接入 SOP。本篇是竞品换代发布，因此不再复述那一次发布的细节，也不会重复它的接入步骤，只做榜单与实测口径的横向对照。换句话说，本文关心的是「这一代值不值得换」，而不是「怎么把它接进代码」。
一、综合榜上，它确实排在第一位
Artificial Analysis 的 Speech-to-Speech Index 是一个把语音推理、口音鲁棒性、盲测偏好与任务成功率综合起来的指数。在这一口径下，Grok Voice 3.0 拿到 86.9 分，位居第一。
同一张榜上，上一代的 Grok Voice 2.0 是 81.3 分。换代带来的综合分提升约 5.6 分，幅度不算小。作为对照，同期参评的两个主要竞品分别是 GPT-Live-1（Astra，Medium 档）的 83.2 分，以及 Gemini 3.8 Live（Extended Thinking，High 档）的 82.6 分。也就是说，新一代把自家上代拉开了明显距离，同时把两个竞品压在身后大约三分出头的位置。
这个排名值得注意的地方在于，它不是某一项指标的孤立领先，而是多项加权后的结果。综合榜先看总分，再拆开看分项，才能判断这个「第一」到底稳不稳。所以下面不急着下结论，先把四个分项摊开。
二、四个分项：三项赢，一项输
先按官方转引的口径，把四项分项成绩按「Grok Voice 3.0 / Grok Voice 2.0 / GPT-Live-1（Astra，Medium）/ Gemini 3.8 Live（Extended Thinking，High）」的顺序列出来。
第一项是 Big Bench Audio，衡量模型对音频本身的理解能力：98.5% / 97.2% / 90.1% / 97.7%。Grok Voice 3.0 以 98.5% 居首，比自家上代高 1.3 个百分点，比 GPT-Live-1 高了 8.4 个百分点，比 Gemini 3.8 Live 高 0.8 个百分点。这一项新一代的优势比较明显，尤其对 GPT-Live-1 的领先幅度不小。
第二项是 Speech Agent Arena 的 Elo 分，衡量的是在盲测式的对战中人类更偏好哪一方的语音表现：1070 / 1011 / 1048 / 990。Grok Voice 3.0 的 1070 分最高，比 GPT-Live-1 高 22 分，比 Gemini 3.8 Live 高 80 分。盲测偏好这一项，是「听起来像不像人、聊起来顺不顺」的综合体现。
第三项是 Task Success Rate，即任务成功率：94.8% / 94.6% / 87.4% / 89.1%。Grok Voice 3.0 以 94.8% 第一，但要注意它与自家上一代的 94.6% 只差 0.2 个百分点，换代在这一项上的提升其实很小；对比 GPT-Live-1 的 87.4% 和 Gemini 3.8 Live 的 89.1%，领先幅度则有 5 到 7 个百分点。
第四项是 Full Duplex Bench，衡量全双工对话能力，也就是在重叠说话、插话场景下维持连贯的能力：97.0% / 95.1% / 94.9% / 91.9%。Grok Voice 3.0 以 97.0% 第一，比 GPT-Live-1 高 2.1 个百分点，比 Gemini 3.8 Live 高 5.1 个百分点。
把这四项摆在一起看：Grok Voice 3.0 在音频理解、盲测偏好、任务成功率、全双工四项上都排第一。如果只看这四个分项，它的「第一」是站得住脚的。
三、真正要说的那一项，它输了
但综合榜不等于每一项都领先。有一个分项，Grok Voice 3.0 并不是第一，而且这一点必须写清楚。
这项指标叫 τ-Voice，衡量的是带口音、背景噪音、用户插话等真实干扰条件下，模型完成客服类任务的成功率。在这项上，Grok Voice 3.0 的成绩是 71.6%，而 GPT-Live-1（Astra）是 74.5%——后者更高，领先约 2.9 个百分点。Gemini 3.8 Live 这一项为 68.6%，Grok Voice 2.0 为 56.5%。
把这两组数字并列看，结论很直白：在「嘈杂、口音重、用户爱插话」的真实客服环境里，Grok Voice 3.0 的表现不如 GPT-Live-1。这恰恰是官方在宣传中最常强调的场景之一，也是企业采购时最看重的场景之一。综合榜排第一，不等于这一项也第一；只挑对自己有利的数字来写，是不诚实的。
不过同一组数据里还有另一面。在首音延迟上，Grok Voice 3.0 是 0.81 秒，GPT-Live-1 是 1.34 秒，前者比后者低约 40%。也就是说，Grok Voice 3.0 在「张口更快」这件事上赢回来了：用户说完，它更早开口。但这里还藏着一个细节——自家上一代 Grok Voice 2.0 的首音延迟是 0.70 秒，比新一代还快。换代在鲁棒性上大幅改善（τ-Voice 从 56.5% 提到 71.6%），代价是首音晚了 0.11 秒。这是一次典型的取舍，不是单纯的进步。
所以这一节的结论要分两层说。第一层，综合第一是真的，但它在最有分量的客服鲁棒性分项上输给了竞品。第二层，它用略慢一点的首音，换来了明显更强的抗干扰能力。哪一头更重要，取决于你把语音模型放在什么场景里——这是采购决策，而不是榜单能替你回答的问题。
四、成本：每任务比对手便宜，但不是最便宜的叙事
除了质量，成本也是选型的关键。按 Artificial Analysis 的 Big Bench Audio 口径，完成一次任务的平均成本是：Grok Voice 3.0 约 0.025 美元；GPT-Live-1（Astra，Medium）约 0.030 美元；GPT-Realtime-2.1（High 档）约 0.055 美元。
也就是说，在同等质量档位上，Grok Voice 3.0 的单任务成本比 GPT-Live-1 低大约六分之一，比高推理档位的 GPT-Realtime-2.1 低了超过一半。这个差距在高并发场景里会被放大：如果一天要处理几十万次语音任务，单次几分钱的差别，累积起来是一笔实打实的开支。
需要提醒的是，这里的「成本」是评测口径下的每任务成本，和你账单上看到的「每分钟多少钱」不是一回事。前者把模型的效率、重试、token 消耗都打包进了一次任务的成本里；后者只是单价。两者要分开看，不能混用。
五、企业侧的基准：EVA-Bench 与署名评语
除了 Artificial Analysis，官方还引用了一个企业侧的基准——EVA-Bench。它由 ServiceNow 提出，覆盖 200 多个真实企业场景，专门用来评估语音智能体在企业环境中的表现。
在这项基准上，Grok Voice 3.0 拿到 74%，官方称这是该基准上的最高分，并且在「精度」与「客户体验」的联合评分上表现最优。ServiceNow 的产品高管 Nitin Aggarwal 有一句署名评语，被官方页直接引用，大意是肯定该模型在企业语音场景下的综合表现。
同样，这条也属于官方口径，本站未做独立复测，读者应把它和前面的榜单数据放在同一层级看待——它们都是厂商与评测机构给出的结论，不是独立第三方的验证。把 EVA-Bench 与前面的 τ-Voice 放在一起看也很有意思：一个基准说它在企业场景里最高，另一个基准说它在嘈杂客服里不如对手。两者并不矛盾，因为它们测的场景、权重和口径都不一样，这恰恰说明「哪个最好」这个问题没有单一答案。
六、官方披露的真实部署数字
榜单之外，官方还给出了一组落地数字，用于说明这个模型已经跑在什么规模上。这些同样属于官方口径，未经独立复测。
第一，特斯拉车内。官方称车内日均发生数百万次语音对话，用于查日程、回邮件，以及通过 Grok Bot 点咖啡、订餐，全程免手操作。
第二，星链客服中心。官方称客服中心日均处理约两万通多语种来电，其中约 70% 无需人工介入；更值得注意的是，官方称每四通销售性质的通话中，约有一通在挂断之前完成成单。官方还提到，单个智能体可以独立完成身份核验、硬件排障、发放退款、补发设备等步骤。
第三，产品形态。官方表示 Grok Bot 的语音模式底层用的就是这一代模型。
这些数字的价值在于，它们把「模型跑分」和「业务结果」连了起来——尤其是「每四通成一单」这种可以直接换算成营收的指标。但同样要冷静：它们全部来自厂商自述，没有第三方审计，也没有披露口径的细节（比如「多语来电」具体含多少语种、成单口径如何定义）。把它们当作方向性信号是合理的，当作精确的业绩数字则需要谨慎。
七、定价与可用性：同价换代，配置不用改
对开发者来说，最实用的两条信息是价格和迁移成本。
价格方面，Voice Agent API 为每分钟 0.08 美元，折合每小时 4.80 美元，与 Grok Voice 2.0 保持一致；此外文本输入为每单位 0.004 美元。也就是说，这是一次「同价换代」——能力提升了，单价没有涨。对已经在用上一代的团队，这意味着升级不会直接推高账单。
迁移方面，标识符 grok-voice-latest 已自动指向新版本，用户无需修改配置。这一点看似细小，但对企业集成很重要：不需要改代码、不需要重新走一遍上线流程，新一代能力就到位了。当然，反过来说，如果你的产品行为对模型版本很敏感，这种「自动升级」也意味着你没有选择权，需要自行在测试环境里做回归验证。
八、这一代到底意味着什么
把前面所有数字串起来，这一代的核心变化可以概括成三句话。
第一，语音模型的竞争已经从「能不能顺畅对话」进入「能不能顶住真实环境」。四项基础分项上各家的差距在缩小，真正拉开身位的是 τ-Voice 这种带干扰的硬指标。Grok Voice 3.0 把自家上一代从 56.5% 拉到了 71.6%，说明抗干扰能力是这一代重点补的短板——尽管仍然没追上 GPT-Live-1 的 74.5%。
第二，「第一」正在被拆成很多个「第一」。综合榜第一、Big Bench 第一、盲测偏好第一，但客服鲁棒性不是第一、首音延迟也不是自家最快。对采购方而言，与其问「谁第一」，不如问「我的场景对应哪一项指标」。
第三，换代的经济账越来越清楚。同价换代、单任务成本更低、迁移不需要改配置——这三点合在一起，降低了升级的门槛。厂商显然希望老用户顺手换代，而不是把它当成一次重新选型。
写在最后
Grok Voice 3.0 是一次扎实的换代：综合榜第一、四个基础分项全部领先、成本更低、同价且免配置迁移。但它不是一个「全面第一」的故事——在最考验真实环境的客服鲁棒性分项上，它输给了 GPT-Live-1，首音延迟也比自家上一代慢了 0.11 秒。把这些一起说清楚，比只喊「世界最智能」更有用。至于是不是要换，答案取决于你的场景更看重抗干扰能力，还是更看重开口速度与成本——这三者，这一代正好各让了一步。